统计学习导论

1 未来思想导论

未来思想导论

《未来思想导论》是希腊裔法国哲学家科斯塔斯•阿克塞洛斯唯一一部用德文写就的著作。该书汇集了作者在1956年至1966年间用德文所作的论文、演讲、提纲、文本和谈话。阿克塞洛斯试图通过在马克思和海德格尔之间建构一种创造性的对话,阐发一种从二者而 科斯塔斯•阿克塞洛斯 2023-04-10 17:57:38
1 Processing编程学习指南(原书第2版)

Processing编程学习指南(原书第2版)

在这本书中,你可以通过视觉化界面来学习电脑编程的基本原理。本书涵盖创建最前沿的图形应用程序所需的基础知识,如互动艺术、实时视频处理和数据可视化等。它是一本实验风格的手册,精心挑选了部分高级技术进行详尽解释,可以让图形和网页设计师、艺术家及平 [美]丹尼尔希夫曼(DanielShiffman) 2023-04-09 18:39:43
1 统计学的世界

统计学的世界

统计学的思想和各种统计数据对政府、社会乃至我们的工作和日常生活都有着不可忽视的影响,甚至超乎你的想象。通过阅读本书,你将会对我们生活的这个世界有更完整、更清晰的认识。本书重点介绍统计学概念的应用,以及其对日常生活、公共政策和许多其他领域的影 [美]戴维·穆尔/[美]威廉·诺茨 2023-04-09 11:42:34
1 当代中国政治制度导论(第二版)

当代中国政治制度导论(第二版)

本书基于新中国政治发展和当代中国政治基本性质的阐述,系统且深入地考察了当代中国政治的演进历程。其中,分别从“党和国家领导体制”以及“立法-行政-司法体制”两个方面,详细介绍了当代中国的政治制度。另外,本书还对政治制度下的动态、真实的政治关系 杨光斌 2023-04-08 23:32:16
1 话语研究:多学科导论

话语研究:多学科导论

【编辑推荐】你是否还苦于写论文无选题?找不到研究对象?其实日常对话、电影对白、小说文本、医患问答……皆可为研究对象,我们缺的只是研究视角和方法。【内容简介】《话语研究:多学科导论》由话语分析开创者之一的梵·迪克主编,收录的18篇文章,主要来 [荷]图恩·梵·迪克 2023-04-08 23:24:52
1 电影导论

电影导论

本书适用于高校影视艺术专业的基础教材,也适用于其他专业选修类课本。本书不仅具有一定的学术价值,还兼具一定的流行读物性质。在结构上,本书主要内容分成三大部分共十五章,每一章以电影的一个基本概念为核心,简明扼要地介绍相关电影理论,并精选重要的中 陈涛 2023-04-08 13:14:46
1 经典电影理论导论

经典电影理论导论

迄今为止梳理得最清晰透彻的电影理论入门导读,《经典电影理论导论》是一份经典理论的导览地图。作者达德利·安德鲁教授是耶鲁大学电影中心的创建者,他的力作让读者迅速了解巴赞、麦茨等理论名家的核心观点和逻辑体系。台湾新电影运动时期,曾由陈国富导演亲 [美]达德利·安德鲁 2023-04-08 12:39:13
1 剧本设计学

剧本设计学

北京电影学院编剧课精华大公开,全程共七小时。在这门课上,您将学习到《天下无贼》编剧邹静之25年的创作与教学经验,以及与张艺谋合作多年的编剧经历,包括《一秒钟》、《归来》、《千里走单骑》等影片。想要更快速地掌握剧本写作技巧吗?金马奖最佳改编剧 林黎胜 2023-04-08 11:57:35
1 向拉斯维加斯学习

向拉斯维加斯学习

《向拉斯维加斯学习》与罗伯特•文丘里所著的《建筑复杂性与矛盾性》被认为是后现代主义建筑思潮的宣言。文丘里认为,群众不懂现代主义建筑语言,而群众喜欢的建筑往往形式平凡、活泼、装饰性强,具有隐喻性。他认为,赌城拉斯维加斯的面貌正好反映了群众的喜 [美]罗伯特•文丘里/[美]丹尼斯•斯科特•布朗/[美]史蒂文•艾泽努尔 2023-04-08 09:02:19
1 统计学入门很简单看得懂的极简统计学

统计学入门很简单看得懂的极简统计学

推荐一:本书主要针对那些想从日常繁忙的工作生活中抽出一点时间来了解如何处理信息的人。我们用图解的方式教授科学决策工具,让您轻松掌握相关知识。市面上的入门统计学教材,大多数面向的是已经具备一定统计学知识的人或统计学专业的学生,对于毫无统计学背 涌井良幸/涌井贞美 2023-04-08 03:20:15
1 机器学习中的数学

机器学习中的数学

《机器学习中的数学》是一本入门图书,旨在系统介绍机器学习涉及的数学知识。本书以展示数学的友好性为原则,讲述机器学习中的常见数学知识,并力求为数学基础薄弱的读者铺平在机器学习中陡峭的台阶。全书共19章,分为线性代数、高等数学和概率3个组成部分 孙博 2023-04-08 03:13:01
1 机器学习的数学

机器学习的数学

本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成,力求精准、最小地覆盖机器学习的数学知识。包括微积分,线性代数与矩阵论,最优化方法,概率论,信息论,随机过程,以及图论。本书从机器学习的角度讲授这些数学知识,对它们 雷明 2023-04-08 02:30:55