本书是一本关于人物建模、贴图、骨骼、疸染等方面的教材，全书系统地讲解了与三维角色有关的知识与软件操作步骤。全书一共分为5个项目。项目一主要围绕角色的鞋子进行，其中涵盖多边形建模、UV、贴图、渲染等操作；项目二为角色建模，其中主要包含头部和服装建模；项目三为角色的UV和贴图；项目四为表情设置和绑定操作；项目五为渲染输出。本书严格按照动画制作流程进行讲解。读者可以快速上手操作，但需要按照项目顺序进行学习。本书适合高等学校动画及数字媒体等相关专业作为建模课程的教材使用，也适合具有一定平面软件及Maya操作基础的读者自学。

本书采用案例教程的编写形式，兼具技术手册和应用技巧参考手册的特点，在实践应用中体现软件的功能和知识点，通过54个经典案例，使读者循序渐进地掌握Animate软件的操作方法，以及二维动画制作的各种技巧。本书共分8章，包括Animate 2022软件基础、Animate绘图功能、制作基础动画、制作 动画、制作文字与按钮动画、应用声音和视频、应用ActionScript 3.0脚本和商业动画案例。本书提供所有案例的素材文件、源文件、教学视频，以及PPT教学课件、教案和教学大纲等立体化教学资源，并附赠40集动画运动规律演示视频，获取方式见前言。本书可作为高等院校影视动画、数字媒体艺术等专业的教材，也可作为相关从业人员和广大动画制作爱好者的参考书。

遥远的大陆上，有人们在传唱那无数纪元之前荒古时代的故事，一切未知，都由这里开启。设定集将带你深入探索狼人杀庞大世界观，了解每一个角色背后的故事，女巫、预言家他们究竟背负着怎样的秘密？答案，即将揭晓！

《Python 机器学习入门与实践——从深度学习到生成对抗网络 GAN》是一本用 Python 进行机器学习编程的入门书，书中采用了欧洲童话故事中的人物角色“王后”“魔镜”“白雪公主”等，通过阅读不同角色的 Python 学习笔记中的示例代码和讲解，让读者在追寻奇幻故事的同时，享受编程的乐趣。另外，为了让程序可以单独或组合使用，书中对每个任务的过程和必要的库进行了分组，以使程序模块化。这是一种通过实际编写代码来加深理解的结构化方式。《Python 机器学习入门与实践——从深度学习到生成对抗网络 GAN》一书语言通俗易懂，图文并茂，并加入了生动的故事情节，特别适合有一定 Python 编程基础，想学习机器学习、深度学习的高校计算机、人工智能专业学生和想研究人工智能方向的程序员学习。

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 理论模型与研究进展，具有较强的理论价值与应用价值。

暂缺简介...

人工智能方兴未艾，机器学习算法作为实现人工智能 重要的技术之一，引起了无数相关从业者的兴趣。本书详细介绍了机器学习算法的理论基础和 实践案例，理论部分介绍了机器学习项目体系搭建路径，包括业务场景拆解、特征工程、模型评估和选型、模型优化；实践部分介绍了业界常见的业务场景，包括计算广告、供需预测、智能营销、动态定价。随书附赠所有案例源码，获取方式见封底。本书内容深入浅出，理论与实践相结合，帮助计算机专业应届毕业生、跨专业从业者、算法工程师等读者能够从零构建机器学习项目实现流程，快速掌握关键技术，迅速从小白成长为独当一面的算法工程师。

本书主要结合高校信息化发展建设历程，研究了大数据及云计算技术在智慧校园建设中的地位和作用，提出利用云计算技术对在校园信息化过程中产生的大数据进行分析处理，将大数据及云计算技术应用于智慧校园的建设，对校园信息化能够起到推动作用。全书指出，大数据技术包含大数据分析、云数据库、内存数据库等技术，是将高校智慧校园中的人才培养、科学研究、管理决策、生活服务、社会服务功能与大数据技术紧密融合的参考。本书理论清晰，适合相关人员参考阅读。

本书按照项目-任务体例编写，主要内容包括9个项目，即创建自由表、数据库管理、查询与视图创建、结构化查询语言SQL、报表设计、表单创建、程序设计基础、菜单设计与应用、应用系统开发。全书知识点清晰、语言简明扼要，按学生认知规律编排内容，符合职业教育教改理念，使读者逐步掌握Visual FoxPro的基本操作及面向对象程序设计，并能独立进行小型应用系统开发。每个项目下设任务，每个任务包括工作任务、任务实施、知识链接、考核评价；知识链接内容图文并茂，结合大量实用、丰富的实例，深入浅出地介绍编程方法和应用程序开发等方面的理论知识；考核评价采用“2+1”评价机制，即任务完成情况、自我评定和同学评定；每个项目还配有巩固训练、视频操作、PPT课件及其他在线资源等供教师和学生使用，符合教学逻辑，实用性强。

本书全面介绍贝叶斯推理与机器学习，涉及基本概念、理论推导和直观解释，涵盖各种实用的机器学习算法，包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。本书在介绍方法的同时，强调概率层面的理论支持，可帮助读者加强对机器学习本质的认识，尤其适合想要学习机器学习中的概率方法的读者。本书首先介绍概率论和图的基础概念，然后以图模型为切入点，用一种统一的框架讲解从基本推断到高阶算法的知识。本书不仅配有BRML工具箱，而且提供大量MATLAB代码实例，将概率模型与编程实践相结合，从而帮助读者更好地理解模型方法。