"《机器学习项目成功交付》详细阐述了与机器学习成功交付相关的基本知识，主要包括项目前期，开始工作，深入研究问题，探索性数据分析、道德和基线评估，使用机器学习技术制作实用模型，测试和选择模型，系统构建和生产，发布项目等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。
本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。"

"本书讲述了一个开源Web框架从无到有，直至发布上线的开发历程，逐步实现Web框架的核心对象管理、Web路由及数据库支持等三大组成部分并集成多个常用服务，完成框架中三十多个TypeScript装饰器的设计与开发。通过本书，读者能够从最基础的代码开始，轻松掌握Web框架的开发技能，为深入探索高级Web技术奠定坚实基础。
本书分为三大模块。Web框架基础模块（第1章）从编写最简单的HTTP服务开始，介绍Web框架的基础知识；框架开发模块（第2~5章）详细阐述框架核心对象管理的实现、集成Expr

"本书作为新媒体平台运营与管理的教学用书，采用任务式教学模式，融合丰富的项目实训案例，系统、全面地介绍新媒体平台的运营策略、管理技巧和营销方法。
本书共分为9个项目，项目1讲解新媒体与新媒体运营的基础知识；项目2讲解新媒体账号的创建与设置；项目3讲解新媒体的内容运营；项目4讲解新媒体的用户运营；项目5讲解新媒体的活动运营；项目6讲解新媒体的产品运营；项目7讲解新媒体的社群运营与管理；项目8讲解新媒体平台渠道推广；项目9讲解新媒体数据化运营。
本书内容全面，专业性较强，能够切实有效地帮

"本书以中国古代不同历史时期的物质文化发展为脉络，以宏观与微观相结合的视角梳理了从史前文明直至明清时期的室内装饰与陈设发展历程与艺术技术特点。本书共七个章节，各对应七个装饰与陈设的重要历史发展阶段，分别是史前居住环境、先秦时期室内装饰与陈设、秦汉时期室内装饰与陈设、魏晋南北朝时期室内装饰与陈设、隋唐时期室内装饰与陈设、宋元时期室内装饰与陈设、明清时期室内装饰与陈设。全书文字简要精练，并精选各个时期有代表性的考古文物、壁画和历史名画等图片逾百幅，图文并茂。
本书可以作为建筑装饰、室内陈设、环

"随着现代人工智能技术的迅速发展，其在医学领域中的应用也越来越广泛、越来越深入，Python在数据挖掘、机器学习、神经网络、深度学习等方面得到了广泛的支持和应用。本书以医学应用案例的形式介绍了Python程序设计的基础知识及医学应用实践，其中，在Python程序设计的基础部分介绍了Python基本语法、数据类型、程序控制结构、函数、文件处理和异常处理等程序设计与开发知识，还介绍了Python开发环境、开发软件PyCharm和第三方库的安装与配置等；在医学应用实践部分介绍了用Python实现自然语

本书探讨了科研工作的意义及特点, 介绍了科研素材的获取和管理、使用与成果撰写、科研成果分享与交流的基本要点。其中, 科研素材的获取和管理部分聚焦文献的获取时机、获取方式、文献属性和要素、文献分类与管理, 引用与查重等, 为读者提供系统的文献检索与管理技能; 科研素材的使用与成果撰写部分着眼于科研论文的基本格式和要点, 总结了Word、LaTeX、Visio、MATLAB、Python等工具的使用技巧; 科研成果的分享与交流包括学术会议基本常识、PPT制作、演讲汇报技巧及慕课视频录制等。

《调度问题求解与优化》系统论述调度系统的设计、优化和重调度。本书介绍了调度系统特征，期望理论分析，时间窗及需求动态变化情况的调度方案实时优化与设计，基于前景理论的用户期望感知预测，基于干扰管理策略调度因素分析，智能量子算法下的重调度方案实施与验证，低碳冷链物流调度、不确定需求物流调度、动态物流调度、末端配送干扰管理以及医疗物资配置等多场景的调度约束和优化策略。

本书共八个项目, 分别为认知主题公园、主题公园组织结构与人力资源管理、主题公园游客服务管理、主题公园安全与风险管理、主题公园设施设备管理、主题公园财务管理、主题公园市场营销管理、主题公园运营管理趋势。

本书分为四部分共22章, 涵盖AI的基本理论、核心技术和广泛应用, 介绍了AI的历史沿革、全球发展态势及中国的成果, 探讨了AI对未来就业市场的影响、机器学习、大数据、计算机视觉等技术原理, 以及AI在无人驾驶、智能制造、智慧医疗等领域的具体应用。同时, 强调了AI技术与国家未来发展的战略联系, 倡导科技创新与社会责任感, 并讨论了AI伦理的重要性。

"本书循序渐进地介绍了深度学习的基础知识与常用方法，全面细致地提供了深度学习操作的原理和在深度学习框架下的实践步骤。本书共分为三部分，理论基础、实验和案例。第一部分理论基础，包括第1~7章，主要介绍深度学习的基础知识、深度学习在不同领域的应用、不同深度学习框架的对比以及机器学习、神经网络等内容； 第二部分实验，包括第8~9章，主要讲解常用深度学习框架的基础以及计算机视觉、自然语言处理、强化学习和可视化技术领域的一些实验讲解。第三部分案例包括第10~17章，通过8个案例介绍深度学习在图像分类、目标