本书讲解了版式设计的基础知识和实战项目。全书共9 章，内容包括版式设计概述、版式设计的要素、版式的视觉流向与基本类型、版式设计中文字的处理和表现、版式设计中图片图形的处理和表现、版式设计中色彩的处理和表现、版式设计的基本版型、版式细节设计与印刷尺寸及版式设计综合运用。本书每章都采用基础知识与综合项目实战相结合的编写方式，并在全书很后一章设置版式设计综合应用，通过商业画册、文化折页、电子报刊、网页、文字宣传招贴、企业画册等多个实战项目，让读者掌握版式要素和设计方法在纸质媒介和网络媒介中的具体应用。本书适合作为高等院校、高职高专院校版式设计相关课程的教材，也可供版式设计相关从业人员自学参考。
本书全面系统地介绍了Illustrator CC 2019的基本操作方法和矢量图形制作技巧，包括初识Illustrator CC 2019、图形的绘制与编辑、路径的绘制与编辑、图像对象的组织、颜色填充与描边、文本的编辑、图表的编辑、图层和蒙版的使用、使用混合与封套效果、效果的使用、综合设计实训等内容。 本书内容的讲解均以课堂案例为主线，通过对案例的实际操作，学生可以快速熟悉软件功能和图形设计思路。书中的软件功能解析部分可以使学生深入了解软件的功能；课堂练习和课后习题可以拓展学生的实际应用能力，使学生掌握软件的使用技巧；综合设计实训可以帮助学生快速地掌握商业图形的设计理念和设计元素，顺利达到实战水平。
本书全面、系统地介绍Illustrator 2021的基本操作方法和矢量图形制作技巧，包括初识Illustrator 2021、图形的绘制与编辑、路径的绘制与编辑、图像对象的组织、颜色填充与描边、文本的编辑、图表的编辑、图层和蒙版的使用、使用混合与封套效果、效果的使用、综合设计实训等内容。本书以课堂案例为主线，通过案例的操作，学生可以快速熟悉Illustrator 2021的操作方法。书中的软件功能解析可以帮助学生深入了解软件功能；课堂练习和课后习题可以拓展学生的实际应用能力，提高学生的软件使用技巧；综合设计实训可以帮助学生熟悉商业项目的设计理念和设计要素，使其顺利达到实战水平。本书适合作为高等职业院校数字媒体类专业Illustrator 课程的教材，也可作为Illustrator 初学者的参考书。
本书全面、系统地介绍了InDesign CS6 的基本操作技巧和核心功能，包括初识InDesign CS6、InDesign 的基础知识、常用工具与面板、基础绘图、不错绘图、版式编排、页面布局、制作书籍与目录和商业案例实训等内容。 本书内容均以课堂案例为主线，每个案例都有详细的操作步骤，学生通过实际操作可以快速熟悉软件功能和艺术设计思路。每章的软件功能解析部分使学生能够深入学习软件功能和制作特色。主要章节的很后还安排了课堂练习和课后习题，以拓展学生对软件的实际应用能力，提高学生的软件使用技巧。商业案例实训可以帮助学生快速地掌握商业图形图像的设计理念和设计元素，顺利达到实战水平。 本书可作为院校数字媒体艺术类专业InDesign 课程的教材，也可供初学者自学参考。
全书共分10章，内容包括局域网、通信网、广域网、因特网、网络管理、网络安全和网络实训等。本教材图文并茂，循序渐进，注重体现知识的实用性、前沿性、技能性、系统性以及计算机网络和电信网络技术的融合性，每章都有不同类型的习题，并配有习题答案和多媒体课件。
本书详细介绍了UG NX 10.0软件的应用方法，以及使用UG NX 10.0进行模型设计与处理的方法与技巧。全书内容共分为12章，包括项目文件的基本操作、设置个性化的工作界面、绘制与编辑曲线对象、创建与编辑草图对象、创建实体特征、处理实体特征、创建与编辑曲面对象、装配三维实体模型等。
本书按照一般的微积分学教材的编排方式，系统地论述了基于MATLAB 语言编程的方法来实现微积分问题的求解。全书内容包括函数与序列的描述及图形绘制、极限问题的求解、导数与微分问题的求解、积分问题的求解、函数的逼近与级数求和、数值导数与数值积分等。此外，书中还概括性地介绍了积分变换、分数阶微积分等内容。 本书可以作为高等学校理工科各类专业的本科生与研究生学习计算机数学语言（MATLAB）的教材，也可以作为一般读者学习微积分学的辅助教材，帮助读者从另一个角度认识微积分学问题的求解方法，并可以作为查询微积分数学问题求解方法的工具书。
将深度学习方法应用于各种自然语言处理任务可以将你的计算算法在速度和准确性方面提升到一个全新的水平。本书首先介绍自然语言处理领域的基本构件，接着介绍使用 进的神经网络模型可以解决的问题。深入研究各种神经网络架构及其特定的应用领域将有助于你理解如何选择 模型来满足你的需求。随着学习的深入，你将学到卷积神经网络、循环神经网络、递归神经网络以及长短期记忆网络。在后面的章节中，你将能够使用自然语言处理技术（如注意力机制模型和集束搜索）开发应用程序。 学完本书，你不仅能具备自然语言处理的基础知识，还能选择 的文本预处理和神经网络模型来解决一些自然语言处理的问题。 了解深度学习问题的各种预处理技术。 用word2vec和GloVe构建文本的矢量表示。 使用Apache OpenNLP创建命名实体识别器和词性标注器。 在Kera
