本書是最新的關(guān)于美國創(chuàng)新政策和經(jīng)濟發(fā)展的研究報告,作者匯集了諸多創(chuàng)新政策研究領(lǐng)域的著名學者。本書為NBER出版的關(guān)于美國創(chuàng)新政策和經(jīng)濟發(fā)展的研究報告,書中探討了全球人才流動,美國如何為創(chuàng)新吸引人才;美國創(chuàng)新結(jié)構(gòu)的變化;如何讓創(chuàng)新推動社會福利的改善;如何平衡創(chuàng)新和壟斷,反壟斷法或競爭政策如何既鼓勵創(chuàng)新又能防止壟斷,如何用實驗或者說試點的方法推動創(chuàng)新政策;以及創(chuàng)新的空間匹配和失業(yè)問題。該書對中國當下的創(chuàng)新政策和創(chuàng)新對經(jīng)濟發(fā)展的作用的研究,具有極大的借鑒作用。

高校翻譯教師譯得比較多的是文宣題材，而科技翻譯做得多的是語言服務(wù)產(chǎn)業(yè)的一線翻譯，所以科技翻譯教程在高校一直是比較稀缺的，科技翻譯教學特別需要校企合作。鑒于此，我們以校企合作的方式進行寫作，同時解決了語料、素材、案例與理論的問題。 《科技翻譯教程》基于一線科技翻譯工作者的經(jīng)驗，以案例為主，分門別類講述科技翻譯要義，全書分為三部分。第一部分是科技筆譯規(guī)范與注意點，包括術(shù)語的查尋與統(tǒng)一、網(wǎng)絡(luò)辨誤、國際科技行文規(guī)范，原文異常處、疑難點的處理與譯后自檢。第二部分為“應(yīng)用類文件翻譯要求英漢語篇注意點”。第三

今天以前的一切都是歷史，因而歷史本不分科，況且中國治學講究貫通，素來不重分科。可是今日的史學，無非分科的學史和分科的歷史兩種，前者為用各個學科現(xiàn)在的形態(tài)追述出來的學科發(fā)展史，后者為用不同學科的方法眼界研治的一般或分門別類的歷史。其共同性則是以后出外來的觀念系統(tǒng)重新組裝歷史。恰當把握一般倒述的分科之學史、近代以來學科發(fā)生演化的分科史，以及面向未來的分科之學三者的聯(lián)系分別，才能掌握關(guān)鍵，溝通而不附會。

本書為上海汽車博物館汽車知識微信內(nèi)容結(jié)集，共分七個板塊，49個小故事，進行了后期的改編和再創(chuàng)作，將比較零散的微信文章進行重新排列編輯。主要從汽車的發(fā)展歷史、技術(shù)的演變、著名的車型、著名女車手等幾個方面，講述了汽車及汽車運動發(fā)展史上有趣的故事和精彩瞬間。這些對于大部分車迷來說十分樂于也易于接受的故事，其實是難以進入相對較為正統(tǒng)嚴肅的汽車發(fā)展史的，然而這些故事也是汽車發(fā)展史的重要組成部分。用生動有趣、深入淺出的形式，讓讀者了解汽車歷史與文化。

知識圖譜旨在將人類知識組織成結(jié)構(gòu)化知識系統(tǒng)，是人工智能實現(xiàn)真正意義的理解、記憶與推理的重要基礎(chǔ)。知識圖譜作為典型的符號表示系統(tǒng)，如何有效用于機器學習算法，面臨著知識表示、知識獲取和計算推理等方面的諸多挑戰(zhàn)。近年來，以神經(jīng)網(wǎng)絡(luò)為代表的深度學習技術(shù)引發(fā)了人工智能的新一輪浪潮。本書介紹了作者團隊在知識圖譜與深度學習方面的研究成果，展現(xiàn)了數(shù)據(jù)驅(qū)動的深度學習與符號表示的知識圖譜之間相互補充和促進的技術(shù)趨勢。本書內(nèi)容對于人工智能基礎(chǔ)研究具有一定的參考意義，既適合專業(yè)人士了解知識圖譜、深度學習和人工智能的前沿