word排版、excel表格制作、PPT设计是职场的必备三大技能，你能想象有人辞去工作在家专职做word排版、excel表格制作、PPT设计吗？反正小编之前跟一些客户提这件事的时候，很多人都一脸的惊讶，“代做PPT还能成为一种职业？”但当小编以紫泪公主工作室等为例子，跟这类客户讲时，他们只能兴叹“世界之大，真是无奇不有！”

说起PPT代做，小编在淘宝上搜索了下，目前排名第一的天猫店月订单量达到了9067单，月成交金额达到436090元，平均每单成交48元左右，而这家店号称有15万PPT设计师。光做PPT的就有15万吗？小编认为，单这家店，不一定有15万名PPT设计师，但国内专职从事PPT设计的至少几十万。

PPT代做行业为何会应运而生呢？其实，最主要原因是PPT为刚需。现在出去谈个客户，特别是IT行业，都得提前准备些公司介绍PPT、产品介绍PPT，通过图文并茂的展示，以及富有激情的解说，试图在最短时间能实现成交。但术业有专攻，比如小编，对互联网推广倒是很懂，word排版、excel表格制作，这些倒是常用，但PPT设计，真的只能是略懂，弄个PPT模板，插入文字、插入图片，做出来的PPT超级简单，内部用下就可以了，但要真拿出去给客户，还真担心，给公司丢面子，影响成交，所以每次涉及到产品宣传的PPT，小编总得找公司的设计师帮忙润色下，还别说专业搞设计的，做出来的PPT还真是挺棒。而很多老板、业务经理们，真的很忙，每天加班是家常便饭，恨不得时间能掰成两半用，所以特殊场合要用PPT，只能委托公司员工或者第三方公司帮忙做了，但找第三方公司，肯定希望对方能代为保密，毕竟一些数据，可能涉及到商业机密。

那么什么人会专业从事PPT代做呢？小编调查后获悉，主要分为三类：1、网络设计公司的专职设计师。这类PPT设计师水平相对较高，报价也相对较高，之前小编曾看到一个号称资深的PPT设计师一页PPT就收费300元，好吧，感觉他们赚钱好轻松啊。

2、家庭主妇。韩国的家庭主妇当编剧的比较多，但中国的家庭主妇除了豪门富太太们，很大一部分都要在家做点小兼职什么的，来贴补家用。她们辞去工作前，大多经历过高等教育，办公软件基本熟悉，而目前中国计算机非常普及，网络速度也基本达到百兆宽带以上，所以她们除了照顾丈夫、孩子，空闲的时间可以接些单子，赚点外快。她们中卧虎藏龙的很多，全职、兼职的都有，报价中等，一般在一页30元到100元之间。

3、业余时间兼职的。都说大学生活是最幸福的，除了上课，就是玩，而毕业后生活压力实在是太大了，单靠工资很难过上小康生活，只能晚上加班加点做点兼职，让生活更滋润些。而PPT制作其实是一项很基础的办公技能，所以只要多加练习，制作水平还是很不错的。刚好有的人是太忙，没时间做，有空闲时间的上班一族，可以晚上加个班，收费少些，帮代做下PPT，一举两得。

PPT代做发展成为一种职业，说明了职业划分越来越精细化，只要有一技之长，即使非常小众，也会有不错的市场前景。

大家好！

鲜枣课堂又有新课程上线啦！

这次是现在的热门专业——

华为认证（路由与交换方向）

课程概述华为认证，即通常我们所说的HCNA/HCNP/HCIE认证，目前是ICT领域的热门认证之一。

拥有该认证，无论是在就业上，还是具体工作应用上，都有很大的帮助。

本课程是“鲜枣课堂”推出的通信入门课程之一。

适用人群：

高等院校通信、电子、计算机专业学生IT和通信行业专业技术人员想了解掌握网络知识的人

课程完整目录

1、网络基础概念、IP网络架构2、OSI、TCP/IP模型3、IPv4子网划分4、ARP原理5、TCP/UDP原理6、路由基础7、以太网基础、交换机基本原理8、OSPF基础（即将更新）

首先上线的，是1-7节

还剩下OSPF，本周会继续更新

（注意：前6节全部可以免费试听）

一次付费，终身有效

老规矩，付费学员将获得以下权益：

1 本次课程全套教材电子版附件2 用于学习的大量技术资料3 加入学习交流QQ群4 讲师在线答疑和指导…

怎么样，很不错吧？

赶紧来一起学习吧！（课程在网易云课堂上，现在特价哦）

新智元推荐

来源：专知(Quan_zhuanzhi)

【新智元导读】图神经网络GNN是最近特别火的一个深度学习方向。本文带来AAAI-19 Tutorial的《图表示学习》180页PPT，全面概述图表示学习的当前进展，非常干货！

图表示学习，是 2018 年火爆全球的一个深度学习方向，从以 Line, meta-path 等为首的节点表示学习，到以 GCN，GraphSAGE，为首的图卷积方法，在到近期的以 GraphVAE 为首的生成图模型，图表示学习方向的文章如过江之鲫。

在最近的 AAAI 2019 Tutorial 环节，来自 Facebook AI Research 的 William Hamilton和加拿大蒙特利尔算法研究所的 Jian Tang 跟大家交流了图表示学习的当前进展。

报告简介

图上的机器学习，是一项很重要且普遍存在的任务，无论是社交网络上的朋友推荐还是化学药物上的分子式的链接，都能从中获益。

目前这个领域的主要挑战是找到一种方法来表示或者编码图的结构，以便机器学习模型能够轻松利用它们。

传统的机器学习方法依赖于用户定义的启发式模型来提取关于图的结构信息的特征编码 (例如，度统计或核函数)。然而，近年来，使用基于深度学习和非线性降维的技术，自动学习将图形结构编码为低维嵌入的方法激增。

在本教程中，我们将对图表示学习领域的主要进展进行技术介绍，包括基于矩阵分解的方法、基于随机游走的算法、图神经网络和图生成模型。在此过程中，我们开发了一个统一的框架来描述这些最新的方法，并强调了涉及大规模社会和生物网络的实际应用。

报告人简介

William Hamilton

Facebook AI Research

William Hamilton (wlh@fb) 目前是 Facebook AI Research 的访问学者，McGill 大学计算机系助理教授. 2018 年博士毕业于斯坦福大学。 他的研究兴趣是图表示学习与大规模社会网络计算。

Jian Tang

Montreal Institute for Learning Algorithms

Jian Tang 目前是加拿大蒙特利尔算法研究所（Montreal Institute for Learning Algorithms ）和 HEC Montreal 的助理教授. 2014 年博士毕业于北京大学，2014-2016 在任微软研究院研究员，2016-2017 年在密歇根大学和卡内基梅隆大学做博士后。

报告内容简介

【节点表示学习】

【图神经网络】

【图生成模型】

【未来方向】

180页PPT下载：

https:///s/1hRjm1nbMcj4_ynZ0niE2JA

新智元AI技术+产业社群招募中，欢迎对AI技术+产业落地感兴趣的同学，加小助手_2 入群;通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位;专业群审核较严，敬请谅解）。

作为人工智能领域一个重要的研究分支，深度学习技术几乎出现在当下所有热门的AI应用领域，包括语音识别，语义理解，图像识别，大数据分析等等，甚至有人把当前的人工智能等同于深度学习。面对如此重要的江湖地位，我们相信一定有为数众多的 AI 开发者对深度学习技术充满了好奇心，想要快速着手使用这项强大的技术来解决现实生活中的实际问题。因此，雷锋网将围绕深度学习技术整理一个系列文章，全面覆盖与其相关的各项知识点。

本文针对如何入门深度学习这一话题，整理了若干参考资料，希望对广大开发者有所裨益。

需要提前说明的是，无论教程怎样浅显易懂，如果要深刻理解深度学习的技术原理，一些基础的数学知识还是必不可少的，包括微积分、线性代数和概率论等。这些都是各高校的必修课，大家可以轻松找到丰富的中文教程。这里仅列出三个值得参考的免费的英文教程。

MIT本科线性代数公开课

链接： https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm

MIT微积分公开课

链接： https://edx.org/course/calculus-1a-differentiation-mitx-18-01-1x

MIT概率论公开课

链接：https://edx.org/course/introduction-probability-science-mitx-6-041x-2

当然，大家也可以在 coursera 和各种慕课类网站挑选自己喜欢的数学基础课程，此处不再赘述。

下面进入本文的正题。

要入门深度学习，首选的一个教程是来自台湾大学电机系李宏毅教授的演讲 PPT。该 PPT 共计301页，源于 IEEE DSC 2016 系列活动，当时打出的标题是“一天搞懂深度学习”。该课程非常适合初学者，以最简单易懂的图示和文字阐述了深度学习的基本原理、深度学习模型的各种训练小技巧、递归神经网络和一些常见的深度学习应用。

目前已经有网友针对李教授的PPT进行了视频讲解，视频链接也贴在下面。最后一个链接是李教授整个学期课程的资料，除了深度学习之外，还包括了线性代数的相关内容。

台大李宏毅教授讲义

PPT链接：http://slideshare/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3

视频链接：http://v.youku/v_show/id_XMTc0MDQ3Mzk0NA==.html?spm=a2h0j.8191423.module_basic_relation.5~5!2~5~5!3~5!2~1~3~A&from=y1.2-1-87.3.1-2.1-1-1-0-0#paction

李宏毅教授其他课程：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html

其次推荐来自斯坦福大学的卷积神经网络课程，即 CS231n: Convolutional Neural Networks（CNN） for Visual Recognition。该课程由著名华人 AI 学者李飞飞担任主讲，虽然课程名称是卷积神经网络和图像识别，但前期进行了大量关于 Python 开发环境搭建、神经网络原理等基础知识的介绍，适合初学者认真研读。目前该课程已经有了中文字幕版，链接如下。

李飞飞CNN课程

英文链接：http://cs231n.github.io/

中文链接：http://study.163/course/introduction/1003223001.htm#/courseDetail

说起深度学习的著名学者，则不得不提 Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著的一篇综述：《Deep learning》。三位世界级AI大牛合力编写的这篇文章虽然只有不到 7 页 A4 纸，但参考文献却超过百篇，被引用更是不计其数，含金量可想而知。这是一篇科普类的深度学习综述性文章，并没有介绍特别高深的技术细节，因此比较适合初学者。论文从非常专业的角度深入浅出地讲解了深度学习的基本原理，以及深度卷积网络和递归神经网络等较深入的话题。

Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著论文《Deep learning》

英文链接：https://cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

中文链接：http://csdn/article/2015-06-01/2824811

下面推荐两本适合初学者的免费的书籍。

一本来自上文提到的 Yoshua Bengio，他与另外两位同事合著了一本名为《Deep learning》的教科书。该书主要分为以下三个部分：机器学习和数学基础，深度学习的基础实践，深度学习的进一步研究，内容全面、讲解细致，特别适合深度学习的初学者，完全免费。

Yoshua Bengio教科书《Deep learning》

英文链接：http://deeplearningbook.org/

中文链接：https://github/exacity/deeplearningbook-chinese

另一本是 YC Research 研究员 Michael Nielsen 所著的《Neural Networks and Deep Learning》。该书首先讲述了神经网络的基本原理，然后基于该原理介绍了深度学习中的若干核心概念，同样非常适合于初学者的入门学习，完全免费。值得一提的是，本书现在已经有了中文版。

Neural Networks and Deep Learning

英文链接：http://neuralnetworksanddeeplearning/

中文链接：http://wiki.jikexueyuan/project/neural-networks-and-deep-learning-zh-cn/

说了这么多英文课程，下面推荐一个中文的：《Deep Learning（深度学习）学习笔记整理系列》。该系列文章从人脑的视觉机理入手，讲述了深度学习的基本思想、深度学习与神经网络之间的关系、深度学习的训练过程和常用模型算法等，几乎囊括了深度学习入门所必备的所有知识，被视为中文版的深度学习白皮书。对英文资料的理解有障碍的读者可以认真阅读本教程。

Deep Learning（深度学习）学习笔记整理系列

链接：http://blog.csdn/zouxy09/article/details/8775360/

到这里，雷锋网相信经过上述教程的学习，各位开发者对深度学习的入门应该不会再有太大的障碍了。下面将推荐三个和深度学习相关的资料大集合，都是来自相关专业人士的权威总结。除了入门知识之外，这几个集合还囊括了其他各种与深度学习相关的内容，包括各种编程语言的总结 、基础的数学知识、高阶的深度学习应用实例等等，可谓“包罗万象”。

集合1：Awesome Deep Learning

链接：https://github/ChristosChristofidis/awesome-deep-learning

集合2：机器学习 (Machine Learning) & 深度学习 (Deep Learning) 资料

第一部分：https://github/ty4z2008/Qix/blob/master/dl.md

第二部分：https://github/ty4z2008/Qix/blob/master/dl2.md

集合3：干货分享 | 深度学习零基础进阶大法！

链接：http://leiphone/news/201610/tgtcVePX2kdDlHfL.html

大家可以抱着“淘宝”的心态在上述三大资料库中寻找对自己有帮助的内容，再加本文前面提到的几篇入门资料，相信各位开发者会对深度学习的相关技术形成一个基本的认识。

雷锋网相关阅读：

Tensorflow 全网最全学习资料汇总之Tensorflow的迭代更新【1】

Tensorflow 全网最全学习资料汇总之Tensorflow 的入门与安装【2】

Tensorflow 全网最全学习资料汇总之框架平台的综合对比【3】

TensorFlow 全网最全学习资料汇总之TensorFlow的技术应用【4】

选自GitHub

Bayesian Methods Research Group

机器之心整理

在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。

项目地址：https://github/bayesgroup/deepbayes-2018视频地址：https://youtube/playlist?list=PLe5rNUydzV9Q01vWCP9BV7NhJG3j7mz62PPT 地址：https://drive.google/drive/folders/1rJ-HTN3sNTvhJXPoXEEhfGlZWtjNY26C

教师

多数讲师和助教都是贝叶斯方法研究团队的成员以及来自世界顶级研究中心的研究者。很多讲师曾经在顶级国际机器学习会议例如 NIPS、ICML、ICCV、CVPR、ICLR、AISTATS 等发表过论文。贝叶斯方法研究团队已经开发了一系列的大学课程，包括贝叶斯方法、深度学习、优化以及概率图模型，拥有大量的教学经验。

学生

该夏季课程面向：

本科生（最好已完成至少两年的大学课程），以及拥有很强数学背景、具备足够机器学习知识（包括深度学习）的硕士生。想要扩展知识和技能的机器学习领域或相关领域研究者和行业专家。

学习本课程的必备基础

机器学习的扎实基础，熟悉深度学习。数学：熟练线性代数和概率论（很重要）。编程：Python、PyTorch 和 NumPy。Deep|Bayes 2018 夏季课程中使用英语，因此学生应该熟悉技术英语。

我在 Deep|Bayes 能学到什么？

贝叶斯方法为什么（在机器学习和日常生活中）这么有用？随机性到底是什么？隐变量模型。如何训练模型识别在训练前未知的模式？可扩展的概率模型。为什么将概率推断问题转换为优化问题是有用的？强化学习和贝叶斯方法之间的联系。如何训练随机计算图？自动 Dropout 率的微调。神经网络会过拟合吗？（会的）随机优化。如何以比计算一个点的函数值更快的速度来优化函数？

该课程的目标是展示在深度学习中使用贝叶斯方法可以扩展其应用范围，并提升性能。尽管机器学习中有很多不同的问题设定，但贝叶斯网络的概率推断可以用相似的方式来解决它们。你，心动了吗？

课程主要内容

整个课程涉及贝叶斯学习的方方面面，从最基础的贝叶斯原理到比较难的变分推断和马尔可夫链蒙特卡洛方法。以下展示了整个课程的主题列表，机器之心将简要介绍部分课程内容。

第一天：

贝叶斯方法简介贝叶斯推理隐变量模型和 EM 算法EM 算法

第二天：

随机优化简介可扩展贝叶斯方法变分自编码器狄利克雷隐变量

第三天：

变分推断高级方法变分推断视角下的强化学习强化学习分布式强化学习

第四天：

生成模型对抗学习扩展再参数化的技巧

第五天：

高斯过程贝叶斯优化深度高斯过程马尔可夫链蒙特卡洛方法随机马尔可夫链蒙特卡洛方法

第六天：

贝叶斯神经网络和变分 Dropout稀疏变分 Dropout 和方差网络信息瓶颈

整个课程需要六天才能完成，且每一天的的课程量都非常大，因此机器之心只简要介绍最基本的贝叶斯方法和隐变量模型，其中贝叶斯方法是整个课程的核心思想，而隐变量模型又是生成模型等很多高级方法的基础。

贝叶斯方法简介

我们首先围绕「盲人摸象」的例子来介绍贝叶斯定理，然后简单描述频率学派和贝叶斯学派的区别。

1 贝叶斯定理：

首先贝叶斯定理的基本形式为

即后验=似然度 x 先验/证据

形式化的样子是

现在我们开始讨论「盲人摸象」问题。

一群「盲人」在摸一头大象，试图猜测摸的是什么东西，然而没有一个人猜的是正确的。在不确定的世界里，这就是我们在用概率论理解世界时的样子。

为简单起见，我们把问题设置得简单一些：一群「盲人」在摸一头大象，并且知道这是一头大象，他们希望根据摸到的东西猜测大象的重量。

贝叶斯方法是怎么解决这个问题的呢？

我们假设这些盲人之间会互相交流观察结果，并且都拥有一定的共同常识，也就是对大象重量的最初猜测：

然后他们可以这样：

第一个人的观察结果是摸到了尾巴，以及尾巴的长度 y1，然后重新猜测大象的重量；

第二个人将第一个人的猜测作为先验，并且观察结果是摸到了肚子，以及肚子的面积 y2，然后再次猜测大象的重量；

第三个人同理，根据第二个人的猜测，继续观察、猜测……

在此过程中，他们一开始的共有常识、大象的猜测重量即先验 P(x)，第一个人的观察结果即似然度 P(y1|x)，观察结果本身出现的可能性就是证据 P(y1)，最后就得到的是 P(x|y1)，也就是根据观察结果 y 得到的大象重量为 x 的可能性（概率分布）：

而第二个人在此基础上，将能得到 P(x|y1,y2)：

第三个人将能得到 P(x|y1,y2,y3)……

好了，随着观察报告的增加，这头大象的重量也越来越藏不住了（峰值变得尖锐）：

当然，授课人在课程中会很详细地把概念一步一步讲清楚，包括条件分布、联合分布、边缘分布之间的关系，以及乘积规则、和规则的介绍，可以把上面这个例子涉及的各个概念串联起来，帮助学生理解得更加透彻。

2 频率学派和贝叶斯学派的联系和区别：

频率学派不假设任何的先验知识，不参照过去的经验，只按照当前已有的数据进行概率推断。而贝叶斯学派会假设先验知识的存在（猜测大象的重量），然后再用采样逐渐修改先验知识并逼近真实知识。但实际上，在数据量趋近无穷时，频率学派和贝叶斯学派得到的结果是一样的，也就是说频率方法是贝叶斯方法的极限。

以上就是贝叶斯方法的基础理论部分的大致内容，之后还有生成、判别模型的区别，贝叶斯训练过程以及贝叶斯方法优势的讨论。

隐变量模型

前面简要介绍了贝叶斯方法的核心思想贝叶斯定理，而在这一章节中，Dmitry Vetrov 重点介绍了隐变量模型。隐变量模型是很多复杂方法的基础，例如在变分自编码器这一生成模型中，我们希望将图像压缩为一系列的隐变量，这些隐变量表示了图像的高级语义信息，例如图像主体的倾角、颜色和位置等。

这一部分我们会根据 Dmitry Vetrov 介绍的内容讨论隐变量模型的直观概念、KL 散度、混合分布和变分下界等。

如前所述，VAE 最大的优势即中间编码的短向量代表了图像的某些语义特征，但又因为我们不能明确地知道具体是哪些图像特征，因此我们可以把这个短向量称之为隐变量。直观上来说，完全从整体上一个个像素生成图像是非常困难的，因为我们需要考虑的可能性太多。而如果先决定要生成图像的特征，再根据这幅蓝图生成图像就会容易很多。

VAE 正是这样，先学习如何将图像正确地压缩为一组隐变量，然后再学习如何根据隐变量生成图像。当模型完成学习后，我们给定任意一组隐变量，模型都会尝试生成正确的图像。这也就是隐变量模型的直观概念。

KL 散度一般作为两个分布间距离的度量方法，它常用于生成模型的损失函数。以下展示了 KL 散度的直观理解，即分布 Q(z) 与分布 P(Z) 之间越重合，那么 KL 散度就越小，两个分布之间的距离就越近。

在离散型变量的情况下，KL 散度衡量的是，当我们使用一种被设计成能够使概率分布 Q 产生的消息的长度最小的编码，发送包含由概率分布 P 产生的符号的消息时，所需要的额外信息量。KL 散度有很多有用的性质，最重要的是它是非负的。KL 散度为 0 当且仅当 P 和 Q 在离散型变量的情况下是相同的分布，或者在连续型变量的情况下是 『几乎处处』相同的。

随后 Dmitry Vetrov 展示了隐变量建模的案例，如果我们有一些服从未知高斯分布的样本，那么我们可以用最大似然估计或点估计等方法将该未知分布的均值和方差推断出来。

而现在如果我们假设有一组采自不同高斯分布的样本，且我们需要估计这些高斯分布的参数。这个问题看上去不能解决，但如果我们知道哪些样本是从具体哪一个高斯分布中采样，这个问题就比较容易解决。

但是如果我们不知道样本是从哪个高斯分布中采样的，那么我们就只能使用隐变量模型。它主要的思想即先估计这些样本属于哪一个高斯分布，也就是将样本映射到隐变量「均值」和「方差」。然后再基于隐变量完成对三个高斯分布的建模。

随后顺着这个想法，我们可以构建一个混合高斯模型，并希望将数据编码为隐变量 Z，再根据该隐变量完成建模。如下所示当我们不知道隐变量 Z 的情况下，最大化从 Z 中采样出样本 X 的概率，就能推导出最大化变分下界，这也是变分自编码器最核心的表达式。

变分自编码器中最大化变分下界（ELBO）就可以作为整个模型的优化目标，或者说整个模型的损失函数。在上面的案例中，最大化这个变分下界就代表着找出一些高斯分布，且每一个样本都最可能属于某个高斯分布。

整个课程介绍了非常多的理论知识，尤其是关于贝叶斯学派的各种理论。如果读者对数学比较有自信的话，可以详细学一学该系列教程。

扫描下图二维码，参与Arm人工智能开发者全球峰会↓

抖音究竟有多火？

先看一组官方数据，从今年第一季度，抖音的下载量为4580万次，超过Facebook和YouTube，占据苹果商店下载量首位。

民间有云：抖音五分钟，人间三小时

抖音刷起来可以说是根本停不下来，这种魔性更是疯狂传播，让用户越来越多。

在抖音上要想分分钟获赞过万，无非就是长得好看，多才多艺，还有就是酷炫多变的视频效果。

如果你还比较豁得出去，那么你就多了一丝成为网红的机会，

比如像别人眼中的蛇精病一样拍抖音：

又比如美若天仙的小姐姐为了拍好一个抖音必须手脚并用。

在颜值即是正义的年代，想要快速蹿红网络全靠一张脸。这让很多长相平平无奇的人感动苦恼，就拿小艾来讲，混迹新媒体行业多年依然默默无闻，想要靠着抖音火一下，发现自己是一个无颜值、无才艺、无富可炫的三无青年。

后来转念一想，既然有人可以靠做菜、化妆、手绘这样的技能获得关注，那我们能否用一些自己熟练的技能在抖音上秀一把呢?

是的，至少我还有PPT可以秀，

今天为大家带来三个酷炫PPT动画，承包你的抖音点赞。

快闪动画

在抖音的PPT话题活动中，

排在第一的便是快闪文字动画，共收获了76.1w个赞

我们模仿文字快闪风格，为大家准备了这种PPT模板，只需要改动其中的文案。

除了文字快闪，还可以利用插图和图标的组合快闪，

配上抖音里面的人气背景音乐，瞬间营造迷幻的效果。

各大高校logo快闪

叠影动画

这种叠影效果来自插件里的补间动画功能，原本是一个为了做动画而开发的功能，基本原理是在两个元素A和B之间插入若干过渡关键帧，在放映过程中这些“关键帧”以极快的速度依次闪现一次，由于人眼的视觉暂留现象，我们会看到连贯的由A变化为B的完整动画过程。

然而，这个为动画而生的小众功能，却被大神们玩出了新境界：

例如上图类似光晕圈圈的制作方法超级简单，看@Simon_阿文 大神提供的制作动图：

这里给大家简单分解一下稍微复杂点的补间动画教程：

上图动画制作：

1.插入文本框，写入文字“iSlide”；

2.文字矢量化（该功能会在本周发布的新版本推出，敬请期待）。选中文本框，点击“文字矢量化”功能按钮。（在新版本的iSlide插件“设计排版”菜单中的“设计工具”中，提供了一个新功能叫做“文字矢量化”，可以将选中的文本一键转化为形状。）

3.将上一步得到的形状复制一份，设置透明度到97%。然后将两个形状摆放成下图所示的位置：

4.选中两个形状，打开“补间动画”功能，设置补间帧数为10，不要勾选“添加动画”选项，点击应用。（在新版本中，“补间动画”可以隐藏高级模式中复杂的选项，还可以自己选择是否添加补间动画。）

应用补间动画以后，在两个形状之间被自动插入了10个过渡关键帧，而且透明度也是依次变化的：

5.将这一页幻灯片复制出一页，在新的页面中，将这12个形状全部选中，左右居中，上下居中。

6.在这两页幻灯片之间，设置切换效果为：平滑。（office2016较低版本中叫“变体”，更低版本无此功能，请升级office后使用“平滑”切换效果）

7.放映幻灯片，从第一页切换到第二页看动画效果。

8.如果做出来满意，在PPT里直接导出视频发到朋友圈或抖音上去吧。

屏保动画

除了“补间动画”功能以外，利用“环形布局”+基础动画也可以创造出很多有趣的动画效果：

把这种动画导出视频传到抖音上，再加上抖音自带特效，

简直就是屏保级的动画，还可以在抖音内直接保存为动态壁纸

转载自百家号作者：办公软件基础与技巧

我们经常会为了一个PPT，疯狂的上网找模板，为了能找到一个合适的模板，需要花费很久的时间游荡于网络上。很纠结，很难过。今天简单说一下，如何制作出自己想要的ppt模板。今天的教程是在office2007上做的，与其他版本有一点点不同之处，但是大同小异。

第一步，新建一个ppt文件并打开，点击ppt软件上的视图标签，点击下方的幻灯片模板。如下图，这里我们是一个空白模板，软件已经给了很多的版式，并插入了好多的占位符。其实我们是不需要的。删除所有多余的页面及占位符，只留一个版式。

第二步，添加内容，需要说明一下，添加到大最上面那个页面的内容，会在下面所有小页面上显示出来，最上面那个页面叫做母版，下面的叫做版式。一般情况，我会把母版留空，只在下面的版式上进行编辑。一个ppt需要几个版式？我总结了一下：首页，目录页，内容页，结束页。首页和目录页各自有一页就够了，内容页可以根据自己的需求多做几个。

（1）插入图片：在母版视图下，我们可以通过软件外复制，进软件粘贴；或者软件内插入标签，插入图片。以首页版式为例，我们把从网络下载到的图片插入版式中。插入的图片可以进行编辑，尺寸，位置，旋转等。

（2）插入占位符：占位符，在你做ppt的时候，新建页面，出来的框框让你输入文字的，叫做占位符，当然，不光是文字，可以是图片表格媒体等等。如下图。转回来，我们要在首页版式插入占位符，点击占位符中文本即可。点击完成后用鼠标在版式页面拉出一个框，会出现很多级别内容之类的。我们删掉多余的，只留一行，对格式进行编辑，文字内容可以随心输入，在运用版式的时候，这些内容会被你输入的内容替换，输入的内容格式，与你当前编辑出来的格式是相同的。

（3）其他页面的制作，上面两步如果操作熟练，基本上就可以无障碍添加其他版式了。在母版视图标签下，点插入版式，就可以进行新的版式编辑。我们的成品是这样的。

第三步，关闭母版视图，新建一张幻灯，点右键，版式选择，即可选择我们刚做好的版式了。

PPT母版制作过程其实不难，根据自己的用途要求制作ppt母版，用起来才得心应手。

贵州贵阳警方最近通报了一起特大网络婚恋诈骗案，共捣毁诈骗窝点27个，查封涉案商铺8家，目前已有85名犯罪嫌疑人落网，初步查明涉案金额超过287万元。

今年4月11日凌晨，警方在寻找两名走失的学生时，意外发现了一处可疑民房。

贵阳市观山湖区公安分局刑侦民警 杨恒：都是住在一起的年轻男女，而且我们进屋看，里面不是平常人家那种家具摆设，都是摆了大量的电脑，点开电脑页面发现全是婚恋网聊天的内容，而且电脑页面上有很多PPT流程，专门介绍如何与未婚男性聊天。

这样的情景立即引起了民警的警觉。经盘问，警方发现，这是一个从事网络婚恋诈骗的窝点。

民警：你就是假装成女的，和男的聊天？

犯罪嫌疑人：对。

民警：以什么形式和他聊天？

犯罪嫌疑人：男女朋友关系。

民警：就是和他谈恋爱嘛。

犯罪嫌疑人：对。

民警：如果谈成功之后干什么？

犯罪嫌疑人：让他买东西。

原来，该窝点的男性被称为“键盘手”，他们冒用女性的身份和照片，在婚恋网站上寻找作案目标，和对方谈情说爱；而团伙中的年轻女性作为“接单员”，负责见面相亲，并最终唆使受害人在涉案商铺里购买所谓的“见面礼”。

贵阳市观山湖区公安分局刑侦民警 杨恒：这些礼品他们购买以后，受害人就会被嫌疑人拉黑，把联系方式删掉，删掉后嫌疑人将会把这些礼品让特定的送货员送回商家，重新销售，金额低的从几千元钱到金额大的十几万元不等。

嫌疑人还交代，该团伙在贵阳还有二十多个窝点，每天各个窝点都会通过一个微信群交流业务。得知这一线索，警方立即对这个微信群进行监控，并锁定了其它所有窝点的位置。4月11日晚，数百名警力分头行动，一举将其它二十七个窝点全部打掉。4月13日，该案主犯王某落网。此后，办案民警又前往多家婚恋网站的总部排查该案的受害人。

贵阳市观山湖区公安分局刑侦民警 杨恒：通过这些账号，逐一对这些受害人打电话了解、回访，发现受害人大概有三百多名。

目前，此案已进入公诉阶段。

以婚恋为名诱骗钱财 警惕陷阱

此案的三百多名受害人分布在全国十多个省市。受害人是如何一步一步落入诈骗分子圈套的？

陈先生今年38岁，贵阳人，常年在外承包工程，几年前和妻子离异。此后，他在婚恋网站上注册了会员，希望在网上能遇到有缘人。去年底，贵阳的一名“女子”主动跟他取得了联系。

陈先生：聊了一段时间，她叫我回来，她过生日，回来见一下面，她就说见面要买个见面礼。

陈先生说，当时自己对女方的印象还不错，于是就跟着女方到一家服装店，为她购买了一套衣服，又在一家首饰店购买了一条项链，总共消费了七千多元。此后，两人在网上的联系更加密切。到了今年3月，女方再次提出，希望陈先生来贵阳见一下父母，买些礼品，把婚事定下来。

陈先生：买了八瓶酒，八条烟，买了一枚戒指。

记者：花了多少钱？

陈先生：烟是一千元一条的，酒是四千二百元一瓶的茅台。

这一次，陈先生一共花了五万多元钱，可是居然连对方父母的面都没见到。

陈先生：她说的，买了东西店里面包送。

记者：店里包送到家？

陈先生：对。我觉得像我们这样的，基本上都是面子上的问题，她又不向你要钱。

两次总共花了六万多元钱，但是陈先生期待的婚姻却成为了泡影。几天后，该女子称自己要前往上海打工，随后就和陈先生失去了联系。

办案民警告诉记者，受害人中有的感情投入很深，虽然多次被引诱到指定商店购物，却迟迟没有发现被骗。据统计，有的受害人被骗金额居然多达十多万元。

贵阳市观山湖区公安分局刑侦民警 杨恒：他们（受害人）也是被嫌疑人抓住了急于求婚的心理来实施诈骗的。

版权声明：如涉及版权问题，请作者持权属证明与本网联系

相信很多朋友都有一个共识，那就是ppt这款软件能够很好的帮助我们进行一系列的工作，它可以帮助我们进行成绩汇报，可以帮助我们进行创意提案，如果你是大学生，你还会用它进行毕业答辩等等，但是幻灯片对于我们的帮助性是建立在你能做好一份还不错的幻灯片前提下，他才能发挥应有的辅助功能。

而如果你的幻灯片做的连及格分都达不到，那么ppt不仅帮不了你，反而会拖累你，所以把幻灯片做的有逼格，是一件高附加值的的事情，但是很多时候你可能会发现，世界上的换个面子分为两种，一种是你的幻灯片，另一种是别人的幻灯片。

别人的幻灯片是这样的

而你的幻灯片是这样的

借用列夫托尔斯泰的一句话说就是，美的ppt总是相似的，而丑逼ppt却各用个这丑法。

那有什么方法可以快速提升幻灯片的逼格呢？首先跟大家分享，四个做幻灯片是不可避免的，设计内容，首先说第一点。

其实简单一点来讲一份幻灯片，包括什么内容呢？无非是内容加主题。内容咱们留在下面来说，这一部分主要说主题设计。powerpoint这款软件自带了一些主题魔板，蛋疼白来讲，我认为并不是十分美观，任选两个字主题我们仔细看，虽然设计难度很大，但不得不说，真丑。

文中图片据来自网络

很多人跟电脑里面的office天天见面，却无可奈何的跟office里面的软件我不认识你，你不认识我的，原因就是根本不会使用office里面的软件，也没有学。今日，俺就教教你使用office里面的powerpoint幻灯片软件（ppt幻灯片软件）。制作一份属于自己的幻灯片。制作教程如下：

制作幻灯片，当然得准备幻灯片软件啦，本次俺的幻灯片软件是现在powerpoint比较高级的版本：powerpoint2010，从幻灯片制作具体对象插入设置到如何制作ppt动画，powerpoint2010不亏是最高版本的，推荐你们用powerpoint2010哦！

编辑：肖春悦

来源：网络

点击下面条目阅读更多

还在纠结这顿吃什么？来这里一百天不会重样......

关注学生成长，奈曼旗举办了两次大会！

更多资讯请关注：

中国奈曼网：http://naimanwang

奈曼时讯：http://naimanwang/html/2014zt/nmsx/index.html

奈曼人民广播电台：调频FM91.6兆赫

奈曼旗电视台：有线网络72频道

“活力奈曼”投稿邮箱：nmxwzx@163