《C Primer Plus（第6版）中文版》详细讲解了C语言的基本概念和编程技巧。 《C Primer Plus（第6版）中文版》共17章。第1章、第2章介绍了C语言编程的预备知识。第3章～第15章详细讲解了C语言的相关知识，包括数据类型、格式化输入/输出、运算符、表达式、语句、循环、字符输入和输出、函数、数组和指针、字符和字符串函数、内存管理、文件输入和输出、结构、位操作等。第16章、第17章介绍C预处理器、C库和高级数据表示。本书以丰富多样的程序为例，讲解C语言的知识要点和注意事项。每章末尾设计了大量复习题和编程练习，帮助读者巩固所学知识和提高实际编程能力。附录给出了各章复习题的参考答案和丰富的参考资料。 《C Primer Plus（第6版）中文版》可作为C语言的教材，适用于需要系统学习C语言的初学者，也适用于想要巩固C语言知识或希望进一步提高编程技

本书采用大量图片，通过详细的分步讲解，以直观、易懂的方式展现了各种数据结构和算法的基本原理。第1章介绍了链表、数组、栈等数据结构；从第2章到第8章，分别介绍了和排序、查找、图、安全、聚类、数据压缩等相关算法，较为全面地介绍常见算法与数据结构知识。 本书没有枯燥的理论和复杂的公式，而是通过大量的步骤图帮助读者加深对数据结构原理和算法执行过程的理解，易于理解，便于学习和记忆。将本书作为算法入门的第一步，是非常不错的选择。

随着机器视觉技术的飞速发展，大量需要使用机器视觉代替人工检测的需求应运而生。Halcon在开发机器视觉项目中表现出的高效性和稳定性，使其应用范围非常广泛。本书将针对机器视觉的原理和算法，以及如何应用算法解决问题进行探讨和说明，并利用Halcon对各种机器视觉算法进行举例，让读者全面、深入、透彻地理解Halcon机器视觉开发过程中的各种常用算法的原理及其应用方法，提高实际开发水平和项目实战能力。同时，也为机器视觉项目的管理者提供项目管理和技术参考。 《Halcon机器视觉算法原理与编程实战》适合需要全面学习机器视觉算法的初学者，希望掌握Halcon进行机器视觉项目开发的程序员，需要了解机器视觉项目开发方法的工业客户、机器视觉软件开发项目经理、专业培训机构的学员，以及对机器视觉算法兴趣浓厚的人员阅读。

软件质量，不但依赖架构及项目管理，而且与代码质量紧密相关。这一点，无论是敏捷开发流派还是传统开发流派，都不得不承认。 本书提出一种观点：代码质量与其整洁度成正比。干净的代码，既在质量上较为可靠，也为后期维护、升级奠定了良好基础。作为编程领域的佼佼者，本书作者给出了一系列行之有效的整洁代码操作实践。这些实践在本书中体现为一条条规则（或称 启示 ），并辅以来自实际项目的正、反两面的范例。只要遵循这些规则，就能编写出干净的代码，从而有效提升代码质量。 本书阅读对象为一切有志于改善代码质量的程序员及技术经理。书中介绍的规则均来自作者多年的实践经验，涵盖从命名到重构的多个编程方面，虽为一 家 之言，然诚有可资借鉴的价值。

为了帮助有一定编程基础的人群进一步提升自己的Python编程水平及应对编程工作的压力，《算法实例精讲 Python语言实现》全面讲解了9种经典算法理论、65个典型实例的算法设计与分析以及Python语言的代码实现过程。首先从Python数据结构基础入手，然后讲解了各种算法，包括排序算法、动态规划算法、双指针算法、深度优先搜索算法、广度优先搜索算法、贪心算法、递归算法、分治算法、回溯算法等，*后归纳了数据结构中的一些经典问题。这既能帮助初学者理清算法的基本结构，融会贯通地掌握好算法基础知识；又能帮助有一定工作经验的读者巩固基础，进一步提升编程水平；也能帮助求职者为未来面试与工作做好必要的知识储备。 《算法实例精讲 Python语言实现》理论基础与实例应用相结合，实例分析与图解相结合，每个实例均设有详细的思路解析和代码实现，

为算法交易配置合适的Python环境。 了解如何从公共和专有数据源检索金融数据。 使用NumPy和pandas探索金融分析的矢量化。 掌握不同算法交易策略的矢量化回测。 使用机器学习和深度学习生成市场预测。 使用套接字编程工具对流数据进行实时处理。 使用OANDA和FXCM交易平台实施自动算法交易策略。

本书由江苏省信息学奥林匹克竞赛委员会组织富有算法竞赛教学经验的省内知名一线教师编写。以程序设计中的常用算法与数据结构为主要内容，来训练计算思维，提升用算法和数据结构来解决实际问题的能力。力求用浅显易懂的语言来描述数据结构中的哈希表、树、图的概念及其存储。通过经典的问题分析，来渗透动态规划的状态表示及其常用的优化策略。结合算法和数据结构，系统的介绍树和图的基本算法及其初等数论和组合数学相关知识。 本书可以作为中小学生程序设计的拓展教材，也可供大学生及算法爱好者参考。

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。 本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。 本书适合机器学习相关研究人员及互联网从业人员学习参考。

《算法竞赛入门笔记》从参赛者的视角出发，结合编者丰富的亲身竞赛经验，系统地介绍算法竞赛的关键知识点和核心技能。《算法竞赛入门笔记》共13章，内容涵盖赛前准备、基础算法、STL容器、搜索技巧、动态规划、图论、数论、博弈论以及真题解析等重要主题。 《算法竞赛入门笔记》的独特之处在于将算法竞赛中的实用知识点与竞赛题目紧密结合，并对高频考点和重要内容进行归纳总结。书中不仅详细讲解理论知识，还结合大量实战例题，使读者能够在实际问题中灵活运用所学算法。此外，书中提供的C 代码模板简洁高效，易于阅读和理解，便于快速上手练习。对于复杂的概念与核心算法，还配以直观的手绘图示说明，大大降低了学习难度，提高了学习效率。 《算法竞赛入门笔记》讲解深入浅出，代码注释详尽，内容丰富实用，特别适合参加各类算法竞赛（

大多数软件开发人员在复杂的代码上浪费了大量的时间。《整洁代码的艺术》提出的九大原则将教会您如何编写清晰、可维护且功能完备的代码。本书的指导原则很简单：缩减和简化，将精力投入到重要的工作上，省下大量的时间，卸下代码维护的重担。 热销书作者克里斯蒂安 迈尔在本书中利用他的经验帮助许多程序员完善他们的编码技能。他给出专业建议和真实例子，展示如何：利用80/20原则，专注于重要任务 要紧的那20%代码；避免孤立编码，创建小可行产品，获得早期反馈；编写整洁、简单的代码，排除混乱；避免导致代码过度复杂的过早优化；平衡您的目标、能力与反馈，达到高产出的心流状态；应用 做好一件事 哲学，极大地提升代码功能；利用 少即是多 哲学，设计有效用户界面；用 专注 原则贯穿所学的这些新技能。 本书采用Python作为示例语言，但

"《算法不难 》结合300多幅示意图与70个算法示例（Python实现）直观地讲述36种常用经典算法的相关知识和9种经典算法思想，帮助读者深入理解相关算法的原理与设计思想，为后续学习高级算法夯实基础。 《算法不难 》分为5章。第1章介绍算法的基本概念以及如何正确使用和设计算法等相关知识；第2章介绍排序算法的基本思想以及冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序、计数排序、桶排序和基数排序十大排序算法；第3章首先介绍图算法的基础知识，然后介绍路径搜索、广度优先搜索、深度优先搜索、最小生成树、单源最短路径、最大流等常用图算法。第4章介绍字符串处理算法的相关知识，涵盖字符串基础知识以及字符串判断、字符串匹配、字符串排序和字符串压缩等。第5章介绍枚举、递推、递归、分治、贪心、动态规划、迭代

本书定位于夯实数学建模基础，采用主流编程方法和简洁代码实现常用的数学建模算法，以案例为导向，围绕数学建模知识体系展开。全书分5篇，共11章。前两章是数学建模基础篇，包括数学建模介绍、数学建模的一般流程（初等模型）、如何从算法到编程实现（层次分析法与自定义函数）；接着按算法板块组织内容，包括微分方程模型篇（人口模型、传染病模型）、优化模型篇（规划模型、投资优化策略、优化模型进阶）、评价模型篇（经典评价模型、模糊理论）、预测模型篇（常规预测模型、时间序列分析）。本书有配套源码资源和电子课件。 本书可作为高等院校数学建模的入门教材，也可作为数学建模指导教师的参考资料，还可作为其他相关行业人员、科研人员使用数学模型解决实际问题的参考用书。

《算法竞赛入门经典 算法实现》精选《算法竞赛入门经典（第2版）》和《算法竞赛入门经典 训练指南（升级版）》中的经典题目，按算法要点和竞赛考点重新进行分拆和归类，提供了240余套简洁、高效、规范的完整代码模板。此外，也加入了一些虽然未在两本书中出现，但实际上对初学者入门非常重要的题目代码。借助于这些模板，读者在练习环节和比赛时，可大大减轻因来回琢磨代码实现细节而导致调试时间大幅增加的压力。 《算法竞赛入门经典 算法实现》共分7章，第1章介绍C 编程基础与STL，第2章介绍算法设计与优化，第3章介绍数学相关算法，第4章介绍数据结构，第5章介绍字符串，第6章介绍计算几何，第7章介绍图论。 《算法竞赛入门经典 算法实现》题目覆盖了ACM/ICPC/NOI/NOIP等算法竞赛的大多数经典题型和细分算法要点，内容全面，信息量

本书全面、系统地总结了在准备程序员面试过程中的数据结构与算法。本书首先详细讨论整数、数组、链表、字符串、哈希表、栈、队列、二叉树、堆和前缀树等常用的数据结构，然后深入讨论二分查找、排序、回溯法、动态规划和图搜索等算法。除了介绍相应的基础知识，每章还通过大量的高频面试题系统地总结了各种数据结构与算法的应用场景及解题技巧。本书适合所有正在准备面试的程序员阅读。无论是计算机相关专业的应届毕业生还是初入职场的程序员，本书总结的数据结构和算法的基础知识及解题经验都不仅可以帮助他们提高准备面试的效率，还可以增加他们通过面试的成功率。

本书由具有丰富编程竞赛经验的作者执笔撰写，荣获日本“2021年IT工程师图书特别大奖”。作为一本算法和数据结构的入门书，本书内容充实、深入浅出，包含了来自知名编程竞赛平台AtCoder的丰富例题和大量配以详细注释的C 代码片段，不仅系统讲解了常见的各类算法，而且还通过图解、代码和思考题的方式，致力提高读者的算法实践能力和问题解决能力。因此这既是一本入门书，能够激发初学者对算法的兴趣，又是一本注重实践的书，让想成为算法高手的读者可以在深入理解算法和数据结构的基础上，快速掌握编程思维，终身受用。 本书既适合初学算法的读者，也适合希望深入掌握各类实用算法设计技术的读者阅读和参考。

本书编者倡导 自主编程 ，以问题解决为主线，致力于提升读者的计算思维与编程技能，引导读者科学地学习算法。全书共分为四章：第一章重点阐述数据抽象的方法及如何选择合适的数据结构，并介绍线性数据结构的基本应用；第二章通过生动的例子，详述了模拟、解析和贪心这三种策略，展示了如何结合严密的算法逻辑与实际操作经验来解决问题；第三章则以深入浅出的方式，讲解了 大化小 的思维方式，介绍了如何利用递推、分治和动态规划等算法来简化和解决复杂问题；第四章全面剖析了好算法的标准，并详细介绍了优化算法时间复杂度和空间复杂度的常用技巧。 本书可以作为数据结构和算法入门的培训教材，也可以作为准备参加全国信息学奥林匹克竞赛的学生赛前集训用书，还可以作为有一定编程语言基础的算法爱好者的参考书籍。

大模型技术掀起了新一轮人工智能浪潮，以ChatGPT 为核心的大模型相关技术可以应用于搜索、对话、内容创作等众多领域，在推荐系统领域的应用也不例外。 本书主要分为3部分。 第1部分简单介绍大模型相关技术，包括大模型的预训练、微调、在线学习、推理、部署等。 第2部分将大模型在传统推荐系统中的应用抽象为4种范式 生成范式、预训练范式、微调范式、直接推荐范式，并对每种范式给出算法原理说明、案例讲解和代码实现。 第3部分以电商场景为例，讲解大模型在电商中的7种应用，包括生成用户兴趣画像、生成个性化商品描述信息、猜你喜欢推荐、关联推荐、冷启动问题、推荐解释和对话式推荐，每种应用场景都包含完整的步骤说明和详细的代码实现，手把手教你构建大模型推荐系统。 本书适合有一定推荐系统基础，期望深入了解和学习大模型技术

本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习

本书围绕黎曼流形优化发展过程中的理论前沿与热点问题，比较全面和系统地介绍了黎曼流形优化的基本原理和应用实践的最新成果。全书共7章，分为理论与应用两个部分。理论部分包括黎曼流形内涵、常用黎曼流形及其几何结构、收缩、低秩流形收缩、黎曼最速下降法、黎曼牛顿法、黎曼共轭梯度法、黎曼信赖域法和黎曼拟牛顿法等内容。应用部分包括鉴别性结构化字典学习、多源多波段图像融合、特征值问题求解（单位球面约束的Rayleigh商最小化、Stiefel流形上的Brockett函数最小化）等。本书内容新颖、体系完整，具有系统性、实用性、先进性和前瞻性。

本书首先从迁移学习采用的技术出发，系统地介绍每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。然后针对迁移学习的应用场景，介绍典型的应用案例。后，介绍迁移学习在百度飞桨平台上的实践。本书旨在让迁移学习或者相关领域研究人员系统地掌握迁移学习的各类算法，熟悉各类应用场景，为迁移学习落地实践提供指导和帮助。

本书主要关注如何构建高能效具有学习能力的脉冲型神经元网络硬件，并且提供建立具有学习能力的脉冲型神经元网络硬件协同设计、协同优化方法。完整地描述从高级算法到底层硬件实现的细节。本书同样涵盖了脉冲型神经元网络中的许多基础知识和关键点。 本书从对脉冲型神经元网络的概述开始，讨论基于速率的人工神经网络的应用和训练，介绍实现神经网络的多种方法，如通用处理器和专用硬件，数字加速器和模拟加速器。同时展示了一个为能适应神经网络动态编程而建立的高能效加速器，验证脉冲神经网络的基础概念和流行的学习算法，简介脉冲神经网络硬件。后面的章节为读者介绍三个实现前述章节学习算法的设计案例（两个基于传统CMOS工艺，一个基于新兴的纳米工艺）。本书的结尾对脉冲型神经元网络硬件进行总结与展望。

这是一本可帮助读者深度理解并全面掌握ClickHouse运行原理并进行实践开发的工具书，涵盖了ClickHouse的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容，尤其是在ClickHouse*核心的部分 MergeTree表引擎与分布式方面，书中对其实现原理和应用技巧进行了详细解读。 本书采用浅显易懂的语言 大量演示案例 大量示意图例的形式呈现，以求让读者在*短的时间内，以*舒服的方式，获得*核心的知识。本书的理论观点来自作者在OLAP领域10余年的工作思考与总结；功能与实操的素材来自作者在工作中对ClickHouse的深度应用与实践；原理解析部分的素材来自对大量专业文献的钻研与源码级的调试与解读。 本书在逻辑上分为三大部分： 第1~2章从宏观的角度出发，描述了时代背景、ClickHouse的发展历程及其核心特点。其中，对MOLAP、ROLAP和HORAP三

本书示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。书中的前三章将帮助你打下基础，带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法，具体内容包括：面对具体问题时的解决技巧，比如，何时采用贪婪算法或动态规划；散列表的应用；图算法；Kzui近邻算法。

这是一本关于数据结构和算法的书，以Java为描述语言，介绍了计算机编程中常用的数据结构和算法。全书共13章，讲述了常见的数据结构、排序算法、位运算、树、递归、回溯算法、贪心算法、双指针和滑动窗口、BFS和DFS、前缀和、动态规划、并查集、其他经典算法等知识。本书内容丰富，实用性强，通过示例练习和问题分析等方式，详细讲解了与算法有关的知识点。本书附赠视频讲解二维码，以及源代码。 本书适合程序员、计算机专业相关师生，以及对算法感兴趣的读者阅读。