本书分为引入篇、票据篇、结算篇和单据篇4篇共12章。引入篇介绍结算业务与对外进出口贸易的关系。票据篇、结算篇和单据篇按结算业务的构成分别成篇，使初入行的人能一目了然地了解结算业务的构成情况，进而一步步地掌握各部分的具体内容、相互关系以及在实务操作中的整体配合。

本书主要用书对象为非保险学专业学生。主要内容如下：第一篇，保险的风险基础，主要包括风险理论简介、风险管理概述；第二篇，保险的经济基础，主要包括保险概述、保险的产生与发展、保险市场供需分析；第三篇，保险的法律基础，主要包括保险合同、保险合同原则；第四篇，保险产品及其规划基础，主要包括人身保险产品及合同条款、财产保险产品及合同条款、保险规划基础；第五篇，保险的运行基础，主要包括保险公司的运行、保险的数理基础、保险的财务基础。

本书分为海上保险原理和海上保险实务操作两大部分，系统、全面地介绍了包括海上保险遵循的原则、海上保险合同、海上保险损失界定、海上保险的承保、报上保险费率、海上保险的理赔、海上保险的追偿等在内的海上保险基本原理；同时，辅以包括客户投保、保险公司承保、保险单批改、客户索赔、保险人理赔、保险人追偿等在内的实训内容，强化学习者将理论与实践进行融合。《海上保险原理与实务》(第七版)更新了立体化教学资源，并配有《海上保险实训和习题集》。

本书以主教材《离散数学》(第三版,刘任任等主编,中国铁道出版社有限公司出版)为主要依据,对主教材中集合论与数理逻辑、图论与组合数学、代数结构与初等数论、线性规划与博弈论等方面的习题进行了较详细的分析与解答,帮助读者加深对主教材中基本概念、基本定理以及运算规律的理解。本书力求概念阐述严谨,证明推演详尽,较难理解的概念用实例说明。全书共分四篇：第1篇(第1~6章)是集合论与数理逻辑,第2篇(第7~18章)是图论与组合数学,第3篇(第19~22章)是代数结构与初等数论,第4篇(第23~24章)是

本书根据高等学校非数学类专业“高等数学”课程的教学要求和教学大纲，将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，并结合山东大学数学团队多年的教学经验编写完成．全书分为上、下两册，上册内容包括函数、极限与连续，导数与微分，微分中值定理与导数的应用，不定积分，定积分及其应用，常微分方程．下册内容包括无穷级数、向量代数与空间解析几何、多元函数微分学及其应用、重积分及其应用、曲线积分与曲面积分．每节配有不同层级难度的同步习题，各章配有不同层级难度的总复习题，以便学生巩固和掌握基础知识和基本技能

本书根据高等学校非数学类专业“高等数学”课程的教学要求和教学大纲编写而成，内容体现了新工科理念与国际化的深度融合．本书在编写中结合了山东大学数学团队多年的教学经验，同时借鉴了国内外优秀教材的特点．全书分为上、下两册，下册是多元函数微积分部分，共5章，主要内容为无穷级数、向量代数与空间解析几何、多元函数微分学及其应用、重积分及其应用、曲线积分与曲面积分．每节配有不同层级难度的同步习题，每章最后有对应知识的MATLAB程序实例和核心知识点的思维导图，并配有不同层级难度的总复习题.

本

本书全面介绍使用Dreamweaver、Photoshop、HTML、CSS、JavaScript等软件和技术进行电子商务网页设计与制作各方面的内容。本书共9章，包括电子商务网页制作与网站建设基础、使用Photoshop处理商品图片、使用Photoshop设计网页中的图片元素、使用Dreamweaver制作基本网页、使用CSS美化和布局网页、使用表格布局网页、使用模板和库快速制作网页、使用行为创建特效网页、使用JavaScript制作交互页面。

本书采用案例教学方式，每章有应用举

本书基于CentOS 8系统地介绍Linux系统的使用与开发，共4部分，主要内容包括Linux概述、Linux桌面环境的使用、Linux文本编辑器、Shell环境与命令基础、系统管理、网络管理、Shell程序设计、基于Linux的C编程、GTK 图形界面程序设计、SSH服务、Linux网络防火墙、Linux日志分析工具及应用、Linux数据备份等。此外，为了使读者更好地掌握各章知识，本书提供相应的习题及实验指导，同时针对书中的重难点部分配备讲解视频，读者可通过扫描对应的二维码进行查看。

《资产评估学教程（第3版）》共分为10章，包括资产评估概述、资产评估的基本方法、机器设备评估、不动产评估、长期投资评估、流动资产评估、无形资产评估、企业价值评估、以财务报告为目的的评估、资产评估报告。
《资产评估学教程（第3版）》适用于评估、财经、管理类专业的本科生、研究生，也可以作为在各级政府管理部门、企事业单位、社会中介机构等从事资产评估理论研究、管理工作、实务工作的人员的学习参考书。

本书包含六大部分：第一部分主要介绍深度学习Python语言的基础知识，讲述Python基本语法（输入、输出、数据类型、流程控制、函数、文件和目录）、数组计算（NumPy库）、绘图库（Matplotlib库）等；第二部分主要介绍Keras编程基础，以及?Keras?中提供的大量的深度学习API；第三部分主要介绍数据处理方法，包括对类别的数据处理方法和对特征的数据处理方法，以及对缺失数据处理方法等；第四部分主要介绍各种深度模型原理及应用Keras搭建各种深度学习模型的方法，如卷积神经网络、循环神经网