《用户体验与系统创新设计》集用户体验设计研究之大成，旨在系统性地介绍用户体验设计这门跨学科新兴技术的全貌，拓展创新思维、启迪体验设计智慧。全书分为基础篇、原理篇、应用篇、实战篇和发展篇（共15章），另有绪论（即第0章）和附录。其中，基础篇（包括第1～4章）介绍了人类感觉的要素、产品因素、环境因素和人类行为等与交互体验息息相关的要素的科学定义、构成及其研究方法。原理篇（包括第5～11章）是对现有用户体验设计原理与方法的科学总结，从KANO模型到用户体验五层设计法，从定性到定量的用户体验测试与评价方法，关键在于通过对相关原理的学习，建立正确的体验设计思维、对现象的洞察力以及培养综合应用、创造性地解决问题的能力。应用篇（包括第12、13章）是对不同领域应用体验设计原理时思维方式的理解和对相关知识索引的建立。实战篇（第14章）通过对成功企业体验设计案例的剖析，帮助读者思考如何建立属于自己的、适合的创新体验设计方法。发展篇（第15章）是来自体验设计一线有影响力的专家，在自己长期实践经验的基础上从不同视角对用户体验设计未来发展的展望。 \n《用户体验与系统创新设计》写作目的不是为某种产品或某个行业提供量身定制的解决方案，而是在厘清学科边界的基础上，透过对学科内涵的系统剖析，引导正确体验设计思维的建立，为设计师针对特定应用创造属于自己的、适用的个性化体验设计方案提供一般的遵循及知识索引，是在校大中专学生、教师和科研人员、设计从业者不可或缺的学习用户体验设计入门的基础参考读物。 \n

《PowerPiont 2010多媒体课件制作》是介绍利用PowerPoint 2010制作多媒体课件的实用教材。全书共分10章，结合实例深入浅出地介绍多媒体课件的基础知识、教学设计过程、多媒体课件制作过程，PowerPoint 2010界面及基本操作等，微课基础知识及通过Camtasia Studio将PPT课件制作成微课的基本操作方法。《PowerPiont 2010多媒体课件制作》通俗易懂，结构编排合理，可操作性强，可作为师范类院校的多媒体课件制作教材，也可供广大学习课件制作的相关人员阅读参考。

本书全面地介绍了信息技术与计算机、计算机基础知识、计算机网络技术、多媒体技术等基础知识，并详细地介绍了Windows 7操作系统及Office办公软件Word 2010、Excel 2010、PowerPoint 2010和Adobe Photoshop的功能及操作方法。本书深入浅出、通俗易懂，注重培养学生的实际操作能力和使用常用软件工具的能力。本书适合作为应用型本科及高职高专各专业的计算机公共基础课教材，也可作为计算机基础知识的培训教材及全国计算机等级考试（一级）的培训教材。

《AutoCAD2018中文版机械制图》是以AutoCAD 2018中文版为软件平台组织编写的，主要内容包括AutoCAD概述及基础操作、设置绘图环境、绘制与编辑简单平面图形、绘制与编辑复杂平面图形、尺寸标注、绘制零件图、绘制装配图、绘制轴测图、创建3D实体、图形打印。为了方便学习，书中提供了大量的图例及习题，且书后附有附录（练习图精选、制图员技能检测模拟题、AutoCAD2018常用快捷命令）。《AutoCAD2018中文版机械制图》可作为职业院校机械类专业相关课程的教材，也可供工程技术人员参考。

暂缺简介...

本书是与《计算机应用基础》（第三版，聂玉峰、朱倩主编，科学出版社）配套使用的实验指导与习题集。全书分为两部分：部分为实验指导，由10个实验组成，实验内容与课堂教学紧密结合，与主教材在内容上形成互补，给出了详细的实验步骤，非常适合学生自学；第二部分为习题，与主教材各章内容相对应，供学生课后练习使用。本书适合作为应用型本科及高职高专学生计算机公共基础课的实验指导书，也可作为计算机基础知识培训及全国计算机等级考试（一级）培训的实验指导教材。

暂缺简介...

目前，互联网产品开发对质量要求越来越高，而开发与测试的周期越来越短。如何做到快速测试？精准测试无异于是一种新思路。试想在软件研发过程中，有一种方法能使得代码经过评估后少测乃至不测，这是怎样的一种体验？假如测试团队具备了金庸笔下高手的能力，化繁为简，四两拨千斤，这是怎样的一种成就？来自腾讯的测试专家们齐聚一堂，通过总结实战经验，告诉读者在移动互联网浪潮中如何生存。本书将从专业的角度，以轻松易懂的方式介绍精准测试思想、要点和工程实践，以达到测试的高境界“不战而屈人之兵”。本书主要内容包括：传统测试与自动化测试的利弊分析，开发与测试的关系调整，精准测试技术的产生与实践方法。本书用生动有趣的故事，总结了精准测试技术的九个方面：差异化、技术治理、质量分析及闭环、知识库、用例预分析、知识库优化、用例预分析消振、精准测试执行手段、质量评估。

暂缺简介...

本书介绍使用 R 语言和深度学习库 TensorFlow、H2O 和 MXNet 构建不同的深度学习模型的方法和原理。本书共 10 章，其中第 1、2 章介绍如何在 R 中配置不同的深度学习库以及如何构建神经网络；第 3 ～ 7 章介绍卷积神经网络、自动编码器、生成模型、循环神经网络和强化学习的构建方法和原理；第 8、9 章介绍深度学习在文本挖掘以及信号处理中的应用；第 10 章介绍迁移学习以及如何利用 GPU 部署深度学习模型。本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习；内容上覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景。同时，书中包含大量实用的示例代码，方便读者应用到实际项目中。本书适合有一定 R 语言编程基础，并且希望使用 R 语言快速开展深度学习项目的软件工程师或高校师生、科研人员阅读。