卓越的软件架构师从何而来？所有程序员都有成为架构师的潜力，只要掌握了架构师的思维方式和工作方法，你也能成长为架构师。《架构师修炼之道》教你像架构师那样思考问题、理解需求、设计架构、评估结果、编写文档。本书不但通过真实案例讲解架构设计流程和经验，还总结了丰富的架构师工作原则和技巧，尤其适合广大程序员进阶学习。同时也有助于产品经理、测试人员、运维人员和其他行业从业者理解软件架构设计工作。

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，

《深入浅出算法竞赛（图解版）》是为帮助读者理解基本的算法思想和编写高效的解决问题的程序而编写的。全书共6章，第1章概述了算法与算法竞赛的知识；第2章介绍了计算机程序解决问题的基本方法 穷举算法与贪心算法；第3章讲解了随机算法，如何利用概率与期望优化算法的效率；第4章讲解了AI的思维模式 搜索算法，如何用更灵活的方式遍历每一种可行解；第5章讲解了动态规划，如何通过状态间的转移，巧妙地规划解；第6章讲解了将大事化小、小事化了的分治算法，如何将问题拆分为易于解决的小问题。 本书配备了大量的算法竞赛试题，使用算法竞赛常用的C 语言编写。同时，本书不拘泥于算法竞赛，在第2 ～ 6章的后每一节给出一段阅读材料，介绍算法有趣的应用，帮助读者拓宽思维。 本书的讲解避开了繁琐枯燥的理论，采用浅显易懂的语言和大量生动

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。

自动驾驶汽车、自然语言识别、内容推荐引擎的实现都离不开人工智能和机器学习算法。机器学习算法只有在解决具体问题时才能体现价值。本书以解决各种趣味问题为目标，教读者用Python、JavaScript、C 编写机器学习算法，内容深入浅出，兼具实用性与大局观。读者将学习编写遗传算法、启发式算法、爬山算法、模拟退火算法，运用蒙特 卡洛模拟、点格自动机、适应函数解决问题。本书尤其适合对人工智能和机器学习感兴趣的程序员进阶学习。

物联网、人工智能、大数据解析和机器人工学等，日新月异的科学技术每天都在给人类的生活带来重要的变化。身处这样的一个时代，我们面临一个选择，即怎样面对日新月异的科学技术的发展。在这样的变化中，是作为被动的一方，还是成为主动的一方，抑或是站在时代的前端成为创造的一方？这将取决于我们的选择。只要我们不想成为被动的一方，掌握编程的基本技能就是必不可少的。 本书从讲解学习编程的益处出发，向读者介绍了*好的学习编程的方法。紧接着，介绍了主要编程工具的概要和特点，包括 编程一小时 点灯机器人 Scratch 编码猴 等编程工具。了解这些编程工具后，书中又教读者使用 Scratch 从头到尾制作了一个游戏，从而提高他们的编程技能。*后，作者分析了各编程语言的特点，并为读者学习编程提供了真正有益的指导。本书讲解由浅入深，

本书基于Python语言介绍了数据结构与算法的基本知识，主要内容包括抽象数据类型和Python面向对象程序设计、线性表、字符串、栈和队列、二叉树和树、集合、排序以及算法的基本知识。本书延续问题求解的思路，从解决问题的目标来组织教学内容，注重理论与实践的并用。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的“百

本书主要介绍了一种新型的元启发式全局优化算法 类电磁机制（EM）算法。首先针对EM算法的一些不足，对其进行了改进，提出了多种改进EM算法，这些算法为后续的研究提供了指导；然后以改进的算法为基础，分别提出了求解带约束优化问题、多目标优化问题、神经网络训练问题以及模式分类问题的EM算法；并提出了采用离散排列编码方式的离散化EM算法，用来求解流水车间调度问题和装配序列规划问题；zui后介绍了基于EM算法的函数优化软件。附录中给出了本书中使用的标准测试问题的详细介绍。本书可作为计算机、自动控制、人工智能、管理科学和工业工程等专业高年级本科生和研究生的学习参考书，也可供从事计算智能、生产调度等工作的研究人员和工程技术人员参考使用。