本书兼顾深度学习的理论和应用，特别强调大规模训练应用案例，引导学生进人深度学习的前沿领域．主要内容有深度学习的核心理论问题：网络拓扑结构设计、网络参数初始化方法. 大规模网络训练的优化方法、正则化方法、激活函数的研究方法. 书中引人深度学习在计算机视觉中的大型经典和前沿应用案例，包括图像分类任务. 目标检测与跟踪任务、多源遥感图像融合任务、超分辨率任务. 图像隐写与图像信息安全任务等内容. 本书拥有丰富的数字化资源，扫描每章末二维码即可观看学习.

在数字化时代，嵌入式人工智能系统和深度学习等技术变得越来越重要。在嵌入式平台上进行深度学习推理时会受到计算能力、存储空间、能耗等资源限制的挑战。本书从深度学习模型在资源受限的硬件平台上部署的角度，介绍嵌入式AI系统的基本概念、需求、挑战，以及其软硬件解决方案。 本书共分为7章。第1章介绍了边缘计算； 第2章介绍了嵌入式AI系统的基本概念及其面临的需求与挑战； 第3章介绍了嵌入式AI系统的硬件解决方案； 第4~6章介绍了嵌入式AI系统的软件解决方案，包括DNN模型的构建及实现、轻量级DNN模

本书全面介绍了统计机器学习的主要算法，内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法，也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法，并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础，便于读者理解相关算法推导。 本书可以作为统计机器学习等相关专业的教材和参考书，也可供从事相关领域研究的人员参考。

本套教材包括主教材《机器学习-工业大数据分析》，一套多媒体课件，一个工业大数据集，一套完整代码集。由授课教师在进行教学实践的基础上，适应当前国内教学改革的需要，结合清华大学《机器学习与大数据》的教学经验编写而成。本书以机器学习理论方法和工业大数据实践为两条并行主线贯穿整个课程。以经典机器学习、深度学习以及强化学习部分为理论主体，重点介绍方法原理、公式推导、算法设计和分析；以生产系统、交通系统、能源系统、电信系统、医疗系统为主体实践领域，重点介绍大数据与机器学习方法的联合应用以及评估。全书共分2篇

数据驱动的在线协作学习分析是提升协作学习效果的重要基础，是推动在线学习变革的重要力量。本书系统梳理了学习分析的研究现状，阐释了协作学习的理论基础与研究热点，构建了在线协作学习分析模型——KBS模型，设计了面向学习者和教师的群体感知工具，分别从学习者和教师视角分析了群体感知工具对学习者学习和教师教学的支持与指导，探讨了社会调节学习在协作学习中的发生机制，展望了在线协作学习交互分析的发展趋势，为研究者刻画了协作学习分析领域的最新理论模型与研究进展，具有较强的理论价值与应用价值。

本书介绍计算机算法分析与设计的基本概念、典型算法和经典案例，使读者掌握常用的算法分析与设计技术。全书共分为8章，第1章介绍算法的概念与特征，算法分析与设计的相关数学基础，算法复杂性的概念、表示方法和衡量刻度标准；第2章讲述了算法相关的数据组织方式和组织结构，包括线性表、树、二叉搜索树、红黑树、B树、散列表、最小生成树等；第3～8章分别介绍分治法、动态规划法、贪心算法、回溯法、分支限界法、概率分析和随机算法等经典算法，并通过典型案例加以分析和说明。本书给出了各种算法的具体代码实现，其中，分治法、动

本书简要介绍了算法设计、分析和优化的基础知识，并重点讲解了算法设计方法。书中先结合大量的典型例题分别讲解常用的10种算法设计方法——求值法、累加法、累乘法、递推法、递归法、枚举法、分治法、贪心法、回溯法和动态规划法，最后通过实例给出算法设计的综合应用。每个例题都从问题描述、问题分析、算法说明、算法设计、运行结果和算法优化6方面讲解。
本书结合实例、内容丰富、深入浅出、结构清晰，可以作为高等院校计算机及相关专业本科生和研究生算法设计课程的教材，也适合IT从业人员和计算机编程爱好者学习参考。

"本书第一版为普通高等教育“十五”国家级规划教材。本次修订充分考虑了近年来教学改革的新需求，在介绍利用计算机求解数值问题的各种数值方法的同时，更加侧重对数值计算方法一般原理的介绍，更加注重理论与实际应用的结合。本书叙述由浅入深，简洁严谨，系统性强，易教易学。    本书内容包括矩阵分析及其基础、插值与逼近及其应用，数值微积分，常微分方程数值解法和小波变换、线性方程组及矩阵特征对的数值解法等，以及作为附录的相关基础知识简介和数值实验，每章后附有习题，供任课教师选用。      本书可作为

本书全面、系统地介绍Photoshop CC 2019的基本操作方法和图形图像处理技巧，包括初识Photoshop CC 2019、图像处理基础知识、绘制和编辑选区、绘制和修饰图像、编辑图像、调整图像的色彩和色调、图层的应用、文字的使用、图形与路径、通道的应用、滤镜效果、动作的制作和商业应用实战等内容。 本书将案例融入软件的功能介绍中，在讲解完基础知识和基本操作后，设置了多个课堂案例，帮助学生掌握软件的操作技巧；课后习题可以拓展学生的实际应用能力。第13章安排了专业设计公司的7个商业案例，旨在提

本书共分9章。第1章综述Python语言的基本语法知识和数据结构； 第2章介绍Python常用的图像处理第三方库的预备知识和安装方法； 第3章系统介绍数字图像处理技术； 第4~8章系统介绍常用图像库处理图像的增强、分割、配准、融合、可视化和形态学操作的应用； 第9章是图像处理技术的综合应用，展示了两个应用案例： 一是纳米材料SEM图像的结构颗粒统计分析； 二是小儿肺部X光片的医学图像分析。 本书适合高等院校本科生和研究生作为图像处理技术类课程的教材，也可作为相关领域研究人员的学习或参考资料。