微信读书

周三多《管理学——原理与方法》（第7版）笔记和课后习题（含考研真题）详解

圣才电子书主编

47人今日阅读 推荐值 90.7%

本书是周三多《管理学——原理与方法》教材的配套电子书，主要包括以下内容：（1）整理名校笔记，浓缩内容精华。本书每章的复习笔记均对该章的重难点进行了整理，每个考点都按重要程度作了星级标记（其中五星为要求掌握，三星为熟悉，一星为了解，中间依此类推）。本书参考了国内名校名师讲授该教材的课堂笔记，其内容几乎浓缩了该教材的所有知识精华。（2）解析课后习题，提供详尽答案。本书参考大量管理学相关资料对周三多《管理学——原理与方法》的课（章）后习题进行了详细的分析和解答。（3）精选考研真题，补充典型题。为了强化对重要知识点的理解，本书精选了部分名校近年的管理学考研真题，同时补充了典型试题，这些高校大都以该教材作为考研参考书目。说明：本书根据周三多《管理学——原理与方法》（第7版）近期印刷版次，增添了第三章“效益原理”相关内容。

《马克思主义基本原理》学习辅导

李包庚

47人今日阅读

本书以全国高校统一使用的马克思主义理论研究和建设工程重点教材《马克思主义基本原理》为编写依据，每章均设有“知识网络”“学习指南”“要点归纳”“答疑解惑”“案例精选”“习题演练”“学习延伸”七个模块。其中“知识网络”总结每章的知识点，以结构图的形式呈现，一目了然，帮助学生从整体框架上了解每章的知识大纲；“学习指南”分析每章的学习目标、学习要点和学习难点，让学生有目的性、方向性、侧重性地对每章展开学习；“要点归纳”对每章的知识要点、难点进行具体讲解，有助于学生更好地学习马克思主义基本原理；“答疑解惑”对每章的重难点问题进行深入解析，启发学生思考；“案例精选”精心挑选与教学内容相关的案例，帮助学生更加全面而深刻地理解每章的理论知识；“习题演练”设置多种题型，学生能通过做题的方式，巩固每章的理论知识；“学习延伸”推荐相关名著和视频，供学生在课余时间进行阅读、观看。此外，书中还穿插有“相关链接”“知识链接”“名人名言”等其他线上或线下的学习小模块，增加学生的学习趣味。本书理论性、可读性和实用性相统一，学习重点突出，疑点难点阐述深入浅出、通俗易懂，既有马克思主义基本原理的学理探究，又有相关知识点的精选案例；既有基础知识和基本原理的梳理剖析，又有相应的习题以便复习巩固，可有效帮助学生多层次、多角度地认识、理解和掌握马克思主义基本原理的理论成果，从而提高学生运用马克思主义基本原理分析问题和解决问题的能力。

深度学习原理与PyTorch实战（第2版）

集智俱乐部

45人今日阅读 推荐值 79.1%

本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。 第2版基于PyTorch 1.6.0，对全书代码进行了更新，同时增加了Transformer、BERT、图神经网络等热门深度学习技术的讲解，更具实用性和时效性。

从零开始：机器学习的数学原理和算法实践

大威编著

29人今日阅读 推荐值 74.8%

零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助读者回顾本书内容，进一步巩固所学知识。《机器学习的数学原理和算法实践》适合对机器学习感兴趣但数学基础比较薄弱的读者学习，也适合作为相关专业的学生入门机器学习的参考用书。

经济学原理 微观经济学分册 考点归纳、习题详解、考研真题

圣才考研网

26人今日阅读 推荐值 84.9%

《经济学原理（微观经济学分册）考点归纳、习题详解、考研真题》的对应教材为[美]曼昆著梁小民等译的《经济学原理（微观经济学分册）》第7版。

强化学习：原理与Python实现

肖智清

24人今日阅读 推荐值 70.5%

全书分为三个部分。第壹部分了解强化学习应用，了解强化学习基本知识，搭建强化学习测试环境。该部分包括：强化学习的概况、强化学习简单示例、强化学习算法的常见思想、强化学习的应用、强化学习测试环境的搭建。第二部分介绍强化学习理论与深度强化学习算法。强化学习理论部分：Markov决策过程的数学描述、Monte Carlo方法和时序差分方法的数学理论；深度强化学习算法部分：详细剖析全部具有重要影响力的深度强化学习算法，结合TensorFlow实现源码。第三部分介绍强化学习综合应用案例。