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。

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，

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

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。

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

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。

《算法零基础一本通（Python版）》使用 Python 指导读者从零开始学习算法 ：由基础数据结构开始，逐步解说信息安全算法，*后也讲解了人工智能入门领域的 KNN 和 K-means 算法。《算法零基础一本通（Python版）》包含约 120 个程序实例，使用约 600 张完整图例，深入讲解了 7 种数据结构和数十种算法，此外也针对国内外著名公司招聘程序员的算法考题做了讲解。《算法零基础一本通（Python版）》实用性强、案例丰富，适合有一定 Python 基础的读者使用，也可作为大中专院校及培训机构的参考教材。

本书内容包括经典的算法设计技术，主要介绍数据结构和标准模板库、递归与分治策略、动态规划、贪心算法、回溯算法、分支限界算法、图的搜索算法、图论、数论和组合数学问题。本书包括大量的问题实例，并在北京大学、浙江大学和杭州电子科技大学在线题库中精选原题，详细地分析解题的方法，深入浅出地讲解用到的算法，章后的上机练习题也选自在线题库中的典型题目，供读者练习，以巩固所学算法。本书内容基本上涵盖了目前大学生程序设计竞赛所要掌握的算法。 本书结构清晰、内容丰富，适合作为计算机科学与技术、软件工程以及相关学科算法课程的教材或参考书，特别适合有志于参加信息学竞赛和ACM大学生程序设计竞赛的读者学习和训练。

《算法新解》同时用函数式方法和传统方法介绍了主要的基本算法和数据结构，数据结构部分包括二叉树、红黑树、AVL树、Trie、Patricia、后缀树、B树、二叉堆、二项式堆、斐波那契堆、Pairing堆、队列、序列等；基本算法部分包括各种排序算法、序列搜索算法，字符串匹配算法（KMP等），深度优先、广度有限搜索算法、贪心算法以及动态规划。

本书撷取生活中的趣闻逸事，将它们抽象成一个一个算法，寓教于乐，阐述了主流算法背后的来龙去脉，包括贪心算法、排序算法、RSA 算法、递归、分治、动态规划等经典内容。本书适合任何对算法有好奇心的人群阅读。

算法是一系列解决问题的清晰指令，是程序设计的灵魂。同一问题可采用不同的算法解决，而一个算法的优劣将直接影响程序的执行效率。本书以ACM程序设计竞赛的题目为基础，详细介绍一些常用的算法以及相关的理论知识，主要内容包括高级数据结构、字符串、动态规划进阶算法、图论高级算法、经典算法问题、组合数学、计算几何、组合游戏论。

本书以MATLAB R2016a为平台，在讲解各种智能算法的过程中给出相应的实例。全书共分30章，主要介绍了控制系统设计应用、神经网络设计应用、数字图像处理算法分析及应用、通信系统的实际应用和数字信号处理技术等内容。本书可作为控制工程、通信工程、电子信息工程专业广大科研人员、学者、工程技术人员的参考书，也可作为从事高等教育的教师、高等院校的在读理工科学生及相关领域的科研人员用书。

本书是一本解谜式的趣味算法书，从实际应用出发，通过趣味谜题的解谜过程，引导读者在愉悦中提升思维能力、掌握算法精髓。此外，本书作者在谜题解答上，通过算法的关键原理讲解，从思维细节入手，发掘启发性算法新解，并辅以Ruby、JavaScript等不同语言编写的源代码示例，使读者在算法思维与编程实践的分合之间，切实提高编程能力。 本书适合已经学习过排序、搜索等算法，并想要学习更多有趣算法以提升编程技巧、拓展程序设计思路的程序员，以及对挑战算法问题感兴趣、爱好解谜的程序员阅读。

深度学习和传统机器视觉技术相融合，可以大大提高AI 技术的效率和精度。本书分上、下两篇，共19 章内容，详细讲解了机器视觉及深度学习的理论和编程实践。上篇介绍理论算法。包括机器视觉的经典图像处理算法、深度学习的理论基础和目前常用的深度学习框架。下篇介绍编程环境及系统搭建。讲解了机器视觉图像处理算法及深度学习的编程工具 VC 、Python 和 OpenCV；利用 VC 和 Python 工具，搭建图像处理的工程界面；介绍了常用的9 种深度学习框架的获得方法、安装设置、工程创建，以及深度学习工程的编译、训练、评估与部署方法。每一个搭建的工程，都提供一套可下载的源代码程序，方便读者下载学习。本书理论与实践兼顾，可为从事机器视觉技术及人工智能研究和应用的工程技术人员提供帮助，也可供高等院校相关专业师生学习参考。

在线广告是一个多学科交融的领域，本书力求系统地讲解在线广告的架构和算法，让读者对在线广告有一个整体的认识。全书共15章，第1~3章介绍在线广告的发展简史、样式与创意以及广告系统的架构流程等基础知识；第4~7章从品牌广告、搜索类广告、社交类广告和视频类广告4种典型的广告出发，详细讲解广告系统的更多设计细节； 第8~14章分类讲述在线广告中的重要研究领域，包括用户数据和定向算法、点击率预估与推荐算法、在线匹配、机制设计、低质量和敏感控制、实验架构和调参，以及数据监控和效果衡量； 第15章简要介绍在线广告的发展趋势。本书可作为对在线广告感兴趣的初学者的入门书籍，也可供在线广告相关领域的从业者阅读参考。

本书通过大量示例介绍了算法设计、算法的复杂度分析以及计算复杂度。主要内容有：算法设计与分析、分而治之方法、动态规划方法、贪婪方法、回溯算法、分支定界算法、计算复杂度、难解性和NP理论、遗传算法和遗传编程、数论算法、并行算法等。此外，本书在每章末尾都提供了大量练习，而且还提供了全面的教辅材料及答案，是教授和学习算法设计与分析的理想教材。

本书重点向大家展示了区块链在金融和国际贸易两个领域的落地案例，是一本实际业务落地案例与区块链技术相结合的实战型图书。本书从区块链技术的背景和发展现状出发，分析了当前金融领域和国际贸易领域的一些业务痛点，以及如何使用区块链技术来解决这些问题，并说明了其优势。本书着重介绍了区块链上的数据隐私、身份隐私及其技术原理，同时进一步讲解了零知识证明的概念和原理，以及当前的零知识证明技术，包括ZK-SNARK、ZK-STARK、Bulletproofs等，并对超级账本的核心技术架构进行了详细的解释。本书*后介绍了区块链在保理业务中的实践案例，并且挑选出几个*适合应用区块链的国际贸易子领域，针对其对应的区块链解决方案及区块链在该子领域中的应用现状进行了详细的介绍。

本书系统地阐述了蚁群算法、粒子群算法、传染病优化算法三类典型的群集智能优化方法。本书既涵盖算法原理、数学模型、改进方法的理论知识，又注重理论联系实际，以实际应用问题为导向进行算法设计。针对无线传感器网络目标联合预警与跟踪中的能耗-性能优化问题、机场停机位分配优化问题、空间站组装姿态指令优化问题，给出了具体求解思路，力求使读者能较快掌握和应用这三类典型的群集智能优化算法。

本书围绕新基建的云计算、大数据及人工智能进行介绍，分为以下五个部分。 部分介绍大数据的概念与特点，以及典型的产业应用场景；第二部分介绍目前云计算中的一个重要的研究与应用领域 容器云，包含应用容器引擎Docker与容器编排工具Kubernetes；第三部分是大数据分析的基础，也是大数据分析技术的重点，包含Hadoop、HBase、Hive、Spark的环境搭建及开发流程；第四部分是机器学习相关算法的应用，包含scikit-learn、SparkML、TensorFlow工具的使用；第五部分，以实例介绍如何使用Spark机器学习库中的协同过滤算法，来实现一个基于Web的推荐系，以及介绍如何使用OpenCV与TensorFlow构建卷积神经网络来实现基于Web的人脸识别。 本书轻理论，重实践，适合有一定编程基础，且对云计算、大数据、机器学习、人工智能感兴趣，希望投身到新基建这一伟大事业的读者学习。同时