《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。
本书示例丰富，图文并茂，以简明易懂的方式阐释了算法，旨在帮助程序员在日常项目中更好地利用算法为软件开发助力。前三章介绍算法基础，包括二分查找、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，比如何时采用分而治之、贪婪算法或动态规划，哈希表的应用，图和树算法，K最近邻算法等。这一版将示例代码更新到了Python 3，并新增了两章专门讨论树，加之诸多修订，使得内容更加完善。
本书是备受广大读者推崇的数据结构与算法入门教程，已在GitHub获得超60k的 Star，并多次登顶GitHub Trending。书中系统介绍了数据结构与算法基础、复杂度分析、数组与链表、栈与队列、哈希表、树、堆、图、搜索、排序、分治、回溯、动态规划和贪心算法等核心知识，通过清晰易懂的解释和丰富的代码示例，以及生动形象的全彩插图和在线动画图解，揭示算法工作原理和数据结构底层实现，教授读者如何选择和设计算法来解决不同类型的问题，切实提升编程技能，构建完整的数据结构与算法知识体系。
《计算机视觉：算法与应用》探索了用于分析和解释图像的各种常用技术，描述了具有一定挑战性的视觉应用方面的成功实例，兼顾专业的医学成像和图像编辑与交织之类有趣的大众应用，以便学生能够将其应用于自己的照片和视频，从中获得成就感和乐趣。《计算机视觉：算法与应用》从科学的角度介绍基本的视觉问题，将成像过程的物理模型公式化，然后在此基础上生成对场景的逼真描述。作者还运用统计模型来分析和运用严格的工程方法来解决这些问题。 《计算机视觉：算法与应用》作为本科生和研究生 计算机视觉 课程的理想教材，适合计算机和电子工程专业学生使用，重点介绍现实中行之有效的基本技术，通过大量应用和练习来鼓励学生大胆创新。此外，《计算机视觉：算法与应用》的精心设计和编排，使其可以作为计算机视觉领域中一本独
本书是蓝桥杯大赛软件类入门教程，详细讲解了蓝桥杯大赛软件类入门阶段的核心知识点，也是大赛必考和常考的知识点，包括数据结构、基本算法、搜索、数学、动态规划、图论等。 本书用大量的大赛真题作为例题，帮助读者巩固知识点的应用； 代码简洁精要，可作为比赛模板； 文字简洁明快，实现了较好的易读性。 本书适合正在学编程语言或刚学过编程语言，算法和数据结构零基础的算法竞赛初学者，帮助读者学习的知识点、建立计算思维、提高建模能力和编码能力； 本书也可用于其他算法竞赛（全国青少年信息学奥林匹克竞赛（NOI）、国际大学生程序设计竞赛（ICPC）、中国大学生程序设计竞赛（CCPC）、中国高校计算机大赛 团体程序设计天梯赛等）的入门学习。
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。
《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（
本书共13章，第1章引入了微服务架构模式语言的概述；第2章解释了为什么软件架构很重要，并描述了可用于将应用程序分解为服务的模式；第3章介绍了微服务架构中强大的进程间通信的几种模式；第4章介绍Saga模式；第5章介绍领域驱动设计（DDD）的聚合和领域事件等模式的使用；第6章介绍如何使用事件溯源模式；第7章介绍如何使用 API 组合模式或命令查询责任隔离（CQRS）模式；第8章介绍外部 API 模式；第9章和第10章介绍微服务自动化测试技术；第11章介绍开发生产就绪服务的各个方面；第12章介绍部署模式；第13章介绍绞杀者模式。
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。
作者莱维汀基于丰富的教学经验，开发了一套全 新的算法分类方法。该分类法站在通用问题求解策略 的高度，对现有大多数算法准确分类，从而引领读者 沿着一条清晰、一致、连贯的思路来探索算法设计与 分析这一迷人领域。本书作为第3版，相对前版调整 了多个章节的内容和顺序，同时增加了一些算法，并 扩展了算法的应用，使得具体算法和通用算法设计技 术的对应更加清晰有序；各章累计增加了70道习题， 其中包括一些有趣的谜题和面试问题。 《算法设计与分析基础（第3版）》十分适合用作 算法设计和分析的基础教材，也适合任何有兴趣探究 算法奥秘的读者使用，只要读者具备数据结构和离散 数学的知识即可。
本书收集了历年来国家统考和985、211等重点高校和研究院、所的350多套硕士研究生入学“(算法与)数据结构”考试试卷的2100多道试题。作者按照数据结构课程的知识点对这些题目进行分类。在回顾知识点的基础上，对每一类题目进行分析、归纳答题思路，并给出了参考答案。本书收录的题目具有典型性，充分理解这些题目有助于学生更好地掌握数据结构课程的核心内容，以及应用知识解决实际问题的方法。 本书可以作为高等院校计算机及相关专业学习数据结构课程的参考书，对于报考相关专业硕士研究生的考生也极具价值，同时也适用于讲授该课程的教师以及自修该课程的其他人员。
《数值分析》介绍现代科学与工程计算中常见的数值计算方法及理论.《数值分析》内容包括:数值计算的误差和基本原则、线性方程组的直接解法和迭代解法、非线性方程(组)的数值解法、矩阵特征值问题的数值解法、插值法、函数逼近与*线拟合、数值积分与数值微分和常微分方程初值问题的数值解法.《数值分析》既注重数值计算方法及理论,又注重数值计算方法的实用性,主要算法都给出了数值实例和Python程序实现,在书末以二维码的形式呈现,感兴趣的读者可以下载源代码进行学习.每章章末配备了适量的练习题和上机实验题,书末附有部分习题的参考答案.
《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。
本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。本书总计8章。第1章讲解STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通分量的缩点和Tarjan算法；第6章讲解图论算法，涉及最小生成树、最短路径、拓扑排序和关键路径；第7章讲解搜索算法提高方面的知识，涉及剪枝优化、嵌套广度优先搜索、双向广度优先搜索和启发式搜索；第8章讲解动态规划
本书归纳了程序员面试中的经典算法题，并按照由浅入深、循序渐进的顺序讲解。本书首先讲解程序员面试时需要了解的制作简历的技巧和IT名企的面试流程，以及面试时经常忽略的代码规范性问题。然后详细分析程序的时间复杂度和空间复杂库，包括如何把控程序的实际运行时间，以及编程语言的内存管理。接着讲解数组、链表、哈希表、字符串、栈与队列、二叉树、回溯算法、贪心算法、动态规划的理论基础及其相关题目。本书采用了力扣（LeetCode）的原题，方便读者在学习算法的同时，及时练习相关代码，加深对相关概念的理解。本书适合所有程序员阅读，特别是正在准备面试的程序员。希望本书可以帮助读者循序渐进地学习算法，并搭建起知识框架，提升算法功力。
本书将数学理论与实例相结合，这些实例以*先进的通用机器学习框架为基础，由Python实现，向读者介绍更复杂的算法。全书共25章，包括机器学习模型基础、损失函数和正则化、半监督学习导论、高级半监督分类、基于图的半监督学习、聚类和无监督学习模型、高级聚类和无监督学习模型、面向营销的聚类和无监督学习模型、广义线性模型和回归、时序分析导论、贝叶斯网络和隐马尔可夫模型、*大期望算法、成分分析和降维、赫布学习、集成学习基础、高级提升算法、神经网络建模、神经网络优化、深度卷积网络、循环神经网络、自编码器、生成对抗网络导论、深度置信网络、强化学习导论和高级策略估计算法。
本书是用轻松有趣的方法学习算法的入门指南。按照算法策略分为8章。第1章以算法之美、趣味故事引入算法，讲解算法复杂度的计算方法，以及爆炸性增量问题。2～7章讲解经典算法，包括贪心算法、分治算法、动态规划算法、回溯法、分支限界法、网络流算法。第8章讲解实际应用中的算法和高频面试算法，包括启发式搜索、敏感词过滤、LRU算法、快慢指针、单调栈、单调队列、零钱兑换、股票交易等。每一种经典算法都有4～8个实例，多数按照问题分析、算法设计、完美图解、算法详解、算法分析及优化拓展的流程进行讲解。全书讲解清晰，通俗易懂，紧扣工程教育认证的要求和实用性，力求满足新工科人才培养的需要。 本书为河南省 十四五 普通高等教育规划教材，提供了丰富的教学资源与答疑服务，包括源代码、课件、教案、习题、在线答疑和在线测试系
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
