《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 ============= 《华为数字化转型之道》 本书由华为公司质量与流程IT团队官方出品，从认知、理念、转型框架、规划和落地方法、业务重构、平台构建等多个维度全面总结和阐述了华为自身的数字化转型历程、方法和实践，能为准备开展或正在开展数字化转型的企业提供系统、全面的参考。

《神经网络与深度学习：案例与实践》是《神经网络与深度学习》（蒲公英书）的配套实践书，由复旦大学邱锡鹏教授和百度飞桨团队合作完成。本书在章节设计上和《神经网络与深度学习》一一对应，并以模型解读+案例实践的形式进行介绍。模型解读主要聚焦如何从零开始一步步实现深度学习中的各种模型和算法，并结合简单的任务来加深读者对模型和算法的理解；案例实践主要强调如何使用飞桨预定义API来更好地完成实际任务，会涉及一些数据预处理问题。建议读者将本书和《神经网络与深度学习》结合阅读，在动手实践中更深入地理解深度学习的模型和原理。

本书全面阐述了现代因果关系分析，展示了因果关系如何从一个模糊的概念发展成为一套数学理论，并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论，它统一了因果关系的概率、操作、反事实和结构方法，并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息，为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。

本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。 本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。第5版基于Python2.7和3.3版本，同时也适用于其他Python版本。无论你是编程新手还是其他编程语言的资深开发者，本书都会是你学习Python的理想选择。 本书主要内容： * 学习Python的主要内置对象类型，如数字、列表和字典。 * 使用Python语句创建和处理对象，并学习Python的通用语法模型。 * 使用函数减少代码冗余，使用包代码结构实现代码重用。 * 学习Python模块，从而封装语句、函数和其他工具，以便构建大型组件。 *

在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。

《华为数据之道》 《华为数据之道》 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在优选170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（～3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细

穿戴式设备集人类与科技各种交互方式之大成，覆盖了广泛的研究和技术领域，甚至涉及一些看起来不相关的跨领域的知识。 有多少电子工程师会学习纺织知识？有多少行为学家了解传感器？这样的例子不胜枚举。基于此，本书从不同的领域出发，意在对穿戴式技术的各方面做一个全面的勾勒。 本书分成7大部分，涵盖了穿戴式技术的多个重点领域，虽不可能做到包含全部内容，但可以帮助读者尽可能学习掌握穿戴式设备。书中所有章节均由世界上相关领域的知名优秀专家撰写，分享了他们对该领域的独特见解。

本书对早期的Ｌｉｎｕｘ操作系统内核（ｖ０.１１）全部源代码文件进行了详细的注释和说明，旨在帮助读者够在短时间内对Ｌｉｎｕｘ的工作机理获得全面而深刻的理解，为进一步学习和研究Ｌｉｎｕｘ系统打下坚实的基础。书中首先介绍了Ｌｉｎｕｘ系统的发展历史，着重说明了各个内核版本之间的重要区别，给出了选择０.１１版作为研究对象的原因；然后依据内核源代码的组织结构对所有代码进行了详细注释。在注释的同时，还介绍了读者应该了解的相关知识，并给出了相关的硬件信息。本书还介绍了内核源代码的组织结构及相互关系。

本书是Python领域备受推崇的经典作品，致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，写出简洁、流畅、易读、易维护，并且地道的Python代码。本书着重讲解Python语言所独有的功能，助你成功进阶为Python高手。第2版与时俱进，教你跳出旧有经验，探索并运用地道的Python3功能。第2版主体内容分为五部分：数据结构、函数即对象、类和协议、控制流、元编程。每一部分都精彩纷呈，通过丰富的示例和细致的讲解，教你充分利用Python特性，写出有效且现代的Python3代码。对于所有想提升Python开发技能的读者，本书不容错过。

本书全面介绍贝叶斯推理与机器学习，涉及基本概念、理论推导和直观解释，涵盖各种实用的机器学习算法，包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。本书在介绍方法的同时，强调概率层面的理论支持，可帮助读者加强对机器学习本质的认识，尤其适合想要学习机器学习中的概率方法的读者。本书首先介绍概率论和图的基础概念，然后以图模型为切入点，用一种统一的框架讲解从基本推断到高阶算法的知识。本书不仅配有BRML工具箱，而且提供大量MATLAB代码实例，将概率模型与编程实践相结合，从而帮助读者更好地理解模型方法。

本书创新性的提出新的CTF知识学习框架，按照安全杂项入门、隐写术、Web渗透、密码学基础、软件逆向工程、二进制程序漏洞利用（PWN）的顺序构建知识体系，每节附有大量实操练习，即使是完全没有网络安全基础的 新人 ，也能对照书中操作，独立复现实验内容。

本书是一本C# 10的技术指南，在上一版的基础上进行了全面更新，围绕概念和用例进行组织，系统、全面、细致地讲解了C# 10从基础知识到各种高级特性的命令、语法和用法。本书首先介绍C#和.NET，第2-4章详细介绍C#语言的语法、类型和变量。其余各章则涵盖.NET 6基础类库的功能，包括LINQ、XML、集合、并发、I/O 和联网、内存管理、反射、动态编程、属性、加密和原生互操作性等主题。第5章和第6章是后续主题的基础，除这两章之外，其余各章可以根据需要按任意顺序阅读。本书的讲解深入浅出，同时为每一个知识点都专门设计了贴切、简单、易懂的学习案例，从而可以帮助读者准确地理解知识点的含义并快速地学以致用。

本书涵盖了完整的对高级UI特性、企业编程、网络、安全和Java强大的模块系统等内容的讨论。

本书通过实例以逻辑直观的方式解释概念。本书强调模型构建 建立适当的统计模型是任何回归分析的基础，还将回归分析作为解决问题的工具。书中大量基于真实数据的示例、练习和案例研究，使读者将关于模型的问题与现实世界的问题联系起来，本书还通过SAS、 SPSS、 MINITAB的输出结果分析模型并解释样本数据。这本书可作为统计或非统计专业本科生统计课程的教材，以及其他工科领域研究生的应用回归分析课程的教材。 br /

本书对所有重要的机器学习方法和新近研究趋势进行了深入探索，新版重写了关于神经网络和深度学习的章节，并扩展了关于贝叶斯学习的内容。书中首先讨论基础知识，包括均方、 小二乘和 似然方法，以及岭回归、贝叶斯决策理论分类、逻辑回归和决策树。然后介绍较新的技术，包括稀疏建模方法、再生核希尔伯特空间和支持向量机中的学习、关注EM算法的贝叶斯推理及其变分近似推理、蒙特卡罗方法、关注贝叶斯网络的概率图模型、隐马尔可夫模型和粒子滤波。此外，书中还讨论了降维、隐变量建模、统计参数估计、维纳和卡尔曼滤波、凸优化等技术。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。

本书主要介绍用于支持企业决策的分析、数据科学和人工智能技术。除了传统的决策支持应用外，本书还介绍了人工智能、机器学习、机器人技术、聊天机器人、物联网和互联网技术。 全书分为五部分，部分（第1~3章）概述分析与人工智能，第二部分（第4~7章）介绍预测性分析和机器学习，第三部分（第8和9章）深入研究规范性分析和大数据，第四部分（第10~13章）介绍机器人、社交网络、人工智能和物联网，第五部分（第14章）讨论分析与人工智能对安全、隐私和社会等方面的影响。 本书的读者对象包括数据分析、商务智能相关专业的学生和研究人员，以及商业分析、决策支持系统相关从业人员。

本书主要介绍计算机取证的相关概念和实践，目的是帮助读者通过完成各种实践练习，获得收集和保存数字证据的实践经验。本书共21章，每一章都集中于一个特定的取证主题，且由两个部分组成：背景知识和实践练习。本书以经验为导向，包含了20个以探究为基础的实践练习，以帮助读者更好地理解数字取证概念和学习数字取证调查技术。 本书适用于正在学习数字取证相关课程或从事数字取证研究的本科生和研究生。它还适用于数字取证从业者、IT安全分析师、IT安全行业的安全工程师，特别是负责数字调查和事件处理的IT专业人士或在这些相关领域工作的研究人员。

《Java高并发编程详解：深入理解并发核心库》 本书由浅入深、循序渐进地介绍Java高并发核心库的精髓，帮助读者掌握相关内容的技术细节。 内容讲解以真实问题为导向，层层递进，环环紧扣，详细阐述每一个解决方案的来龙去脉。 通过大量的实际案例，原理剖析和实战代码相结合，让读者能够更加清晰深入地理解每一个技术细节的用法和实用技巧。 详细介绍Java微基准测试工具集JMH与平台级性能指标数据度量工具Metrics的使用方法，帮助读者快速开发出高效、健壮的并发应用程序。 本书共包含四大部分。 第①部分（第1章）详细介绍了JMH微基准测试工具的使用细节。该工具是由Oracle JVM开发团队相关成员开发的，开发者借助它能够了解自己编写的程序代码以及程序在运行期的精确性能表现。在本书的其他章节对API之间的性能进行对比时，主要也是依赖该工具

本书共分为六部分。部分介绍了如何编写ROS节点和ROS工具，也覆盖了消息、类和服务器。第二部分是用ROS进行模拟和可视化，其中包括坐标转换。第三部分讨论了ROS的感知过程。第四部分介绍了ROS中的移动机器人控制和导航。第五部分介绍了ROS机器人臂的相关知识。第六部分涉及系统集成和更高级别的控制，包括基于感知的移动操作。

本书详实介绍了数据挖掘与机器学习相关的各种内容，包括数据矩阵、图数据、核方法、项集挖掘、聚类、贝叶斯分类器、决策树、支持向量机、线性回归、逻辑回归、神经网络、深度学习等，介绍其相关概念和基础算法，并在每章的末尾配有相关练习。第二版新增了几个关于回归的章节，包括神经网络和深度学习的内容。