八年前， 数学之美 系列文章原刊载于谷歌黑板报，获得上百万次点击，得到读者高度评价。读者说，读了 数学之美 ，才发现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。 在纸本书的创作中，作者几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。 本书*版荣获国家图书馆第八届文津图书奖。第二版增加了针对大数据和机器学习的内容。第三版增加了三章新内容，分别介绍当今非常热门的三个主题：区块链的数学基础，量子通信的原理，以及人工智能的数学极限。
计算已经成为人们生活中不可或缺的组成部分，人类社会享受了计算技术的红利得以飞速发展。可以说当今的计算机科学和产业应用的成就是人类文明有史以来所有智慧的结晶。解释、澄清和发展“计算”这一重要概念，即本书之写作目的。本书从探索数学的起源开始，细数了数学 三次危机的来龙去脉，逐渐引出计算理论的诞生和发展，以及这些过往是如何影响当今计算机科学 前沿方向的。 本书从哲学层面探讨了计算的边界，将其视为人类需要继续探索的未解之谜。本书横跨了人类3000年的文明史，综合了数学、哲学、物理学、计算机科学、人工智能、复杂系统科学等多门学科，呈现出一种独特的计算主义的世界观。
本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识
本书讲述了利用硬件描述语言(VerilogHDL)设计复杂数字系统的方法。这种方法源自20世纪90年代的美国,在美国取得成效后迅速在其他先进工业国得到推广和普及。利用硬件描述语言建模、通过仿真和综合技术设计出极其复杂的数字系统是这种技术的*优势。 本书从算法和计算的基本概念出发,讲述如何用硬线逻辑电路实现复杂数字逻辑系统的方法。全书共五部分。*部分Verilog数字设计基础与第二部分Verilog数字系统设计和验证共18章;第三部分共12个上机练习实验范例;第四部分是Verilog硬件描述语言参考手册,可供读者学习、查询之用;第五部分为SystemVerilog与UVM 验证篇。本书第3版后,在语法篇中增加了IEEEVerilogl364 2005标准简介,以反映Verilog语法的*变化。 本书的讲授方式以每2学时讲授一章为宜,每次课后需要花10h来复习思考。完成10章学习后,就可以开始做上机练习,从简单
知识图谱是较为典型的多学科交叉领域，涉及知识工程、自然语言处理、机器学习、图数据库等多个领域。本书系统地介绍知识图谱涉及的关键技术，如知识建模、关系抽取、图存储、自动推理、图谱表示学习、语义搜索、知识问答、图挖掘分析等。此外，本书还尝试将学术前沿和实战结合，让读者在掌握实际应用能力的同时对前沿技术发展有所了解。本书既适合计算机和人工智能相关的研究人员阅读，又适合在企业一线从事技术和应用开发的人员学习，还可作为高等院校计算机或人工智能专业师生的参考教材。
本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。
本书详细介绍了构建大语言模型的四个主要阶段：预训练、有监督微调、奖励建模和强化学习。每个阶段都有算法、代码、数据、难点及实践经验的详细讨论。 本书以大语言模型的基础理论开篇，探讨了大语言模型预训练数据的构建方法，以及大语言模型如何理解并服从人类指令，介绍了大语言模型的应用和评估方法，为读者提供了更全面的视野。 本书旨在为对大语言模型感兴趣的读者提供入门指南，也可作为高年级本科生和研究生自然语言处理相关课程的补充教材。
《具体数学：计算机科学基础(第 2版)》是一本在大学中广泛使用的经典数学教科书。书中讲解了许多计算机科学中用到的数学知识及技巧，教你如何把一个实际问题一步步演化为数学模型，然后通过计算机解决它，特别着墨于算法分析方面。其主要内容涉及和式、整值函数、数论、二项式系数、特殊的数、生成函数、离散概率、渐近式等，都是编程所必 备的知识。另外，《具体数学：计算机科学基础(第 2版)》包括了六大类500 多道习题，并给出了所有习题的解答，有助读者加深书中内容的理解。 《具体数学：计算机科学基础(第 2版)》面向从事计算机科学、计算数学、计算技术诸方面工作的人员，以及高等院校相关专业的师生。
人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2S），注意力机制，Transformer，从初代GPT到ChatGPT再到GPT-4等一系列突破性技术的诞生与演进。 本书将以生动活泼的笔触，将枯燥的技术细节化作轻松幽默的故事和缤纷多彩的图画，引领读者穿梭于不同技术的时空，见证自然语言处理技术的传承、演进与蜕变。在这场不断攀登技术新峰的奇妙之旅中，读者不仅能深入理解自然语言处理技术的核心原理，还能自己动手，从零开始搭建起一个又
《Grasshopper参数化非线性设计》一书主要内容是对参数化设计中的非线性设计所用到的插件Grasshopper应用指导。全书共七章，前两章主要是对Grasshopper的基本设置、理论基础及数据结构进行讲解，然后通过三个章节对Vector、 Surface、Mesh的操作原理进行讲述，并以案例演示来加深对GH的应用理解。后两章属于Grasshopper的进阶应用，包含常用插件介绍，以及算法建模专题，同时还会对Grasshopper在结构优化方面进行介绍。
《麻省理工科技评论》（ MIT Technology Review）从2001年开始，每年都会发布“全球十大突破性技术”，并预测其大规模商业化的潜力，以及对人类生活和社会的重大影响。 这些技术代表了当前世界科技的发展前沿和未来方向，集中反映了近年来世界科技发展的新特点和新趋势，将引领面向未来的研究方向。其中许多技术已经走向市场，主导着产业发展，极大地推动了科技创新和经济社会发展。 《科技之巅（20周年珍藏版）：全球突破性技术创新与未来趋势》对过去二十年（2001年—2021年）《麻省理工科技评论》发布的“全球十大突破性技术”进行系统性总结，按照“生命科学、信息技术、资源与能源、工程制造、智慧生活”五大领域，深度解读和梳理了 200 余项全球突破性技术，同时邀请学术、产业、资本界专业人士对关键领域技术的特点、产业应用现状、未来发展
Kubernetes是由谷歌开源的容器集群管理系统，为容器化应用提供了资源调度、部署运行、服务发现、扩缩容等一整套功能。Kubernetes也是将 一切以服务（Service）为中心，一切围绕服务运转 作为指导思想的创新型产品，它的功能和架构设计自始至终地遵循了这一指导思想。构建在Kubernetes上的系统不仅可以独立运行在物理机、虚拟机集群或者企业私有云上，也可以被托管在公有云上。本书总计12章，分别讲解Kubernetes的基本概念、实践指南、核心原理、开发指南、网络与存储、运维指南、新特性演进等内容。全书图文并茂、内容丰富、由浅入深、讲解全面，并围绕在生产环境中可能出现的问题，给出了大量典型案例，比如安全配置方案、网络方案、共享存储方案、高可用方案及Trouble Shooting技巧等，有很强的实战指导意义。本书的内容也随着Kubernetes的版本更新不断完善，
本书原为麻省理工学院计算机科学与工程专业的数学课程讲义，谷歌技术专家参与编写，涵盖计算机科学涉及的全部基础数学知识，包括形式逻辑符号、数学证明、归纳、集合与关系、图论基础、排列与组合、计数原理、离散概率、递归等，特别强调数学定义、证明及其应用方法。本书因具有系统、完整，以及有趣、易读等明显优势，现已被全球IT技术相关从业者及准从业者奉为圭臬、广泛传阅，在人工智能日益普及的全新信息时代，更是大放异彩。本书适合计算机相关专业学生及从业人员作为数学入门教材，亦可作为统计、机器学习、数据挖掘等课程的宝贵资料。
世界范围内主要的人工智能玩家有哪些？ 哪家公司在这场脑力与毅力的角逐中脱颖而出？ 深度学习革命如何颠覆了整个人工智能领域？ 人工智能还会经历第三次寒冬吗？ 长期以来，人工智能一直被视为一种遥远的未来技术，它是一个被委托给科学界边缘的项目，甚至在历史上两次走入绝境，陷入寒冬，直到一些孤注一掷的研究人员用一场新的变革打破了宁静——深度学习革命。 近年来，让人工智能受到全世界瞩目的高调事件，基本上都是基于深度学习的。比如，AlphaGo击败了世界围棋冠军，自然语言处理催生了智能语音助手，自动驾驶、人脸识别在世界范围内得到广泛应用，AI绘画更是以假乱真、火遍全球……可以说，深度学习已经浸入了我们的日常生活，从边缘走到了舞台的中心，正蓄势待发，即将掀起一场惊人的变革。 这是一本讲述人工智能，尤其是深度学
本书以探索之旅的形式，从在浏览器中输入网址开始，一路追踪了到显示出网页的内容为止的整个过程，以图配文，讲解了网络的全貌，并重点介绍了实际的网络设备和软件是如何工作的。目的是帮助读者理解网络的本质意义，理解实际的设备和软件，进而熟练运用网络技术。同时，专设了“网络术语其实很简单”专栏，以对话的形式介绍了一些网络术语的词源，颇为生动有趣。 本书图文并茂，通俗易懂，非常适合计算机、网络爱好者及相关从业人员阅读。
本书以Python软件为基础，详细介绍了数学建模领域各种经典算法以及其软件实现。内容涉及线性代数、运筹学、插值拟合、微分差分方程、数据处理、多元统计分析、评价预测等领域的经典算法，既有对数学原理的详述，又有与例题和案例配套的Python程序。适合于没有Python语言基础的读者快速上手Python语言。本书可以作为"数学建模"课程的主讲教材，也可以作为"数学实验"课程的参考教材，以及"运筹学"课程的扩充阅读教材和教学参考书。
本书以海量图解的形式，详细讲解常用的数据结构与算法，又融入大量的竞赛实例和解题技巧。通过对本书的学习，读者可掌握12种初级数据结构、15种常用STL函数、10种二叉树和图的应用，以及8种搜索技术，并领悟不同的数据结构和算法的精髓，熟练应用各种算法解决实际问题。本书总计9章。第1章讲解C++语言基础，包括语法、函数、递归和数组；第2章讲解算法入门知识，包括算法复杂度计算、贪心算法、分治算法和STL应用；第3章讲解线性表的应用，包括顺序表、单链表、双向链表、循环链表和静态链表；第4章讲解栈和队列的应用，包括顺序栈、链栈、顺序队列和链队列；第5章讲解树的应用，包括树的存储、二叉树遍历与还原、哈夫曼编码；第6章讲解图论基础，包括图的存储、图的搜索和图的连通性；第7章讲解图的应用，包括最短路径、最小生成树、拓扑排序
AIGC的应用领域日益广泛，而在图像生成领域，扩散模型则是AIGC技术的一个重要应用。本书以扩散模型理论知识为切入点，由浅入深地介绍了扩散模型的相关知识，并以大量生动有趣的实战案例帮助读者理解扩散模型的相关细节。全书共8章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM反转等重要概念与方法，此外还介绍了Stable Diffusion、ControlNet与音频扩散模型等内容。最后，附录提供由扩散模型生成的高质量图像集以及Hugging Face社区的相关资源。 本书既适合所有对扩散模型感兴趣的AI研究人员、相关科研人员以及在工作中有绘图需求的从业人员阅读，也可以作为计算机等相关专业学生的参考书。
2010年以来，网络空间 治理逐渐成为 治理的重要议题。与其他 治理问题不同的是，随着以互联网为代表的数字技术的快速发展和广泛应用，网络空间 治理的议题范围不断扩大，呈现出多元化、多维度、多层级的特点，在开辟了 活动新空间的同时，也给传统的 主权、安全和发展带来了新的挑战。本书从三个维度分析了过去十年中网络空间对 关系的影响和冲击：（1） 治理之维：从网络空间治理到数字空间治理；（2） 安全之维：从网络空间安全到数字时代的 安全；（3）大国博弈之维： 综合国力，迈向“融合国力”。
本书第1版于2020年11月出版发行后大获成功，Python及NetDevOps技术在国内计算机网络圈子里迅速走红，国内与NetDevOps相关的技术文章在网络上如雨后春笋般大量涌现，行业里也出现了很多要求掌握NetDevOps技术的网络工程师职位，并且需求越来越多，NetDevOps是“下一代网络工程师”必须掌握的技能已经成为既定且不可逆的事实。 以Python为主的NetDevOps技术知识更迭很快，第2版将在第1版的基础上添加TextFSM详解、Netmiko详解、Nornir详解、NETCONF详解及RESTCONF详解等5章内容，并去掉pyping、pyntc、netdev等一些不再流行或者作者已经公开宣布不再维护的模块内容。 另外，第2版将在思科设备的基础上添加华为设备的内容，由朱嘉盛老师执笔，相信能对主要使用国产设备的国内网络工程师更加有益。
