本教材是《計算機應用技術基礎》一書的配套練習與上機操作的實踐教程。全書分為2個部分: 第一部分“上機實訓”, 針對教材各章節中的內容精心設計安排了18個實訓, 每個實訓包括實訓目的、實訓內容和步驟等部分, 內容涵蓋了計算機基本操作、操作系統基礎、Office辦公軟件基本操作、網絡技術基本應用, 有利于初學者盡快掌握必備的知識。第二部分“上機考試與模擬練習”, 從全國高等學校計算機水平考試安徽考區的上機模擬練習系統中選擇了部分樣題組成了10套試卷, 便于學生進行模擬練習, 對學生掌握課程
本書深入淺出地講解計算機網絡知識。全書共分為7章：第1章為概述，從整體上介紹計算機網絡及其發展歷史；第2～6章以計算機網絡的五層體系結構為基礎，分別介紹物理層、數據鏈路層、網絡層、運輸層和應用層的概念、工作原理、相關協議等；第7章講述網絡安全基礎知識。本書的特點是注重分析各種技術背后的原理和方法，注重內容的正確性、準確性和新穎性。 為方便讀者學習和理解，全書配套錄制了微課視頻。該視頻具有動畫演示生動形象、語言通俗精練、配套文案精美三大特色。本書還為讀者提供PPT課件、學習大綱、習題、知識點
本書內容圍繞程序設計的基礎知識、過程式和面向對象程序設計基本內容進行展開, 主要包括: 計算機基礎知識、基本數據類型、常量、變量、操作符、表達式、流程控制、結構化程序設計、過程抽象、遞歸函數、復雜數據類型 (數組、結構等)、數據抽象、繼承、類屬類型 (STL)、輸入/輸出、異常處理以及事件驅動和基于MFC“文檔-視”結構的面向對象的Windows應用程序框架等。
Java EE包含一系列的技術，對于Web開發人員來說，關鍵是掌握Web組件技術、JDBC編程及常用框架等。本書主要分為四部分：第一部分介紹Servlet/JSP入門，并通過對簡單示例的演示來講解MVC模式的含義及使用；第二部分詳解Servlet組件開發，對Servlet相關技術進行深入剖析；第三部分深入介紹JSP組件開發；第四部分介紹與Java EE架構設計相關的幾個高級主題，包括Log4j、Ajax、JSF框架。本書在第一部分便設計了一個案例，并貫穿始終，隨著介紹的深入不斷完善案例，將所學技
主要內容？ 在機器學習生命周期的不同階段規劃和實施 XAI？ 評估目前流行的各種XAI開源工具的優缺點？ 介紹如何處理機器學習數據中的偏見問題？ 介紹處理機器學習數據中的道德倫理和法律問題的工具和相關知識？ 介紹XAI 設計和可視化方面的**實踐？ 將XAI集成到Python模型中？ 在整個機器學習生命周期中使用對應的XAI工具來解決業務問題
本書以After Effects 2022為寫作平臺，以實際應用為指導思想，用通俗易懂的語言對After Effects影視后期制作軟件的相關知識進行詳細介紹。 全書共10章，內容涵蓋After Effects基礎入門、項目與合成、圖層與關鍵幀、蒙版與形狀、文字動畫、調色濾鏡、視頻特效、粒子特效、光線特效以及摳像與跟蹤技術的使用等。為了提高學習效率，書中穿插了動手練，結尾包含案例實戰等。 全書結構編排合理，所選案例亦貼合影視后期實際需求，可操作性強。案例講解詳細，一步一圖，即學即用，非常適
本書以Python中的pandas庫為主線，介紹各類數據處理與分析方法。 本書共包含13章，第一部分介紹NumPy和pandas的基本內容；第二部分介紹pandas庫中的4類操作，包括索引、分組、變形和連接；第三部分介紹基于pandas庫的4類數據，包括缺失數據、文本數據、分類數據和時間序列數據，并介紹這4類數據的處理方法；第四部分介紹數據觀測、特征工程和性能優化的相關內容。本書以豐富的練習為特色，每章的最后一節為習題，同時每章包含許多即時性的練習（練一練）。讀者可通過這些練習將對數據科學的宏觀
本書分為6章，內容分別是認識剪映的界面和功能布局，視頻剪輯及調整，視頻調色，音頻的添加及調整，視頻的包裝，制作封面、片頭和片尾。這些都是后期制作短視頻必備的基礎知識，只要能熟練掌握并靈活運用這些知識，就能縮短從入門到精通的過程。 在編寫本書時，考慮到初學者可能對視頻剪輯無從下手，因此本書將知識點進行了拆分和詳細講解，幫助讀者由淺入深地掌握短視頻剪輯的技巧。
作者根據自己多年的前后端開發經驗，站在完全零基礎讀者的角度，詳盡介紹了Python編程語言的基礎知識，以及大量的開發技巧，包括Python語基本語法、運算符與表達式、流程控制語句、列表與元組、字符串、字典與集合、Python中使用正則表達式、函數、數值計算、時間日期等。所有知識都結合具體實例進行介紹，涉及的程序代碼都給出了詳細的注釋，讀者可輕松領會Python程序開發的精髓，快速提升開發技能。每章最后還提供了難度適中的習題，檢驗學習效果。
本書先介紹預測分析的重要概念和原則，然后給出一系列的代碼示例和算法講解，引導讀者了解完整的預測分析流程，進而用Python工具構建高性能的預測分析解決方案。全書所涵蓋的內容包括預測分析過程、理解問題和準備數據、理解數據集—探索性數據分析、基于機器學習的數值預測、基于機器學習的類別預測、調整模型和提高性能、基于Dash的模型實現等。 本書適合想要學習預測建模并對用Python工具實現預測分析解決方案感興趣的數據分析師、數據科學家、數據工程師和Python開發人員閱讀，也適合對預測分析感興趣的讀者參
新書資訊 新書推薦