&#23448;&#26415;&#32593;&#95;&#20070;&#21451;&#26368;&#20540;&#24471;&#25910;&#34255;&#33;

網絡規劃與設計實用教程

本書根據網絡工程項目工作安排知識點，脈絡清晰，理論知識系統。注重理論與實踐的緊密結合，充分考慮了各類型、各層次學生的學習需求。本書共分11章，主要包括：網絡規劃概述、IP地址規劃、網絡規劃需求分析、邏輯網絡設計、網絡設備選擇、交換機配置、路由器配置、網絡工程測試與驗收、網絡系統集成內容和方法、網絡故障檢測與排除、網絡性能管理等內容。每章都有綜合案例和案例分析，章后附有習題以及實訓案例。

·16萬字

產品經理方法論

本書結合案例介紹了產品經理需要用到的各種產品設計方法和思路，幫助讀者將從本書所學到的知識靈活地運用到自己的工作中。本書主要內容包括產品原型設計過程中輸入、反饋、輸出等類型控件的使用方法，產品原型的設計方法，通用的產品功能設計方法，通用的產品邏輯，基礎系統產品的設計思路，通用的產品體系，通用的產品設計方法，通用的產品設計原則，通用的產品管理方法。本書不僅適合產品經理閱讀，還適合運營人員、設計人員閱讀。

·16萬字

NoSQL數據庫原理（第2版·微課版）

本書對統稱為NoSQL的分布式非關系數據庫的原理和使用方法進行介紹。第1章，首先介紹NoSQL的起源背景和設計理念，以及相關技術概念。然后介紹大數據技術體系，以及NoSQL在云計算和容器化趨勢下的發展。第2章，首先回顧關系型數據庫的主要機制，然后介紹NoSQL數據庫的常見技術原理，以及NoSQL的常見數據模型等。第3章，對MongoDB進行介紹，重點介紹基本使用方法和編程方法。第4章，對MongoDB的集群部署、安全運維等原理和方法進行介紹。第5章，對Neo4J的基本原理、使用方法等進行介紹。第6章，對Redis的基本原理、使用方法和集群部署方法等進行介紹。第7章，介紹Cassandra的基本原理和使用方法。首先介紹AmazonDynamo的相關原理，然后介紹Cassandra的安裝、配置與CQL。第8章，對Hadoop大數據體系和HBase進行簡要介紹。第9章，介紹其他一些知名的NoSQL數據庫技術與工具。

·16萬字

深度學習的數學：使用Python語言

深度學習是一門注重應用的學科。了解深度學習背后的數學原理的人，可以在應用深度學習解決實際問題時游刃有余。本書通過Python代碼示例來講解深度學習背后的關鍵數學知識，包括概率論、統計學、線性代數、微分等，并進一步解釋神經網絡、反向傳播、梯度下降等深度學習領域關鍵知識背后的原理。本書適合有一定深度學習基礎、了解Pyho如編程語言的讀者閱讀，也可作為拓展深度學習理論的參考書。

·15.8萬字

PyTorch自動駕駛視覺感知算法實戰

《PyTorch自動駕駛視覺感知算法實戰》全面介紹了自動駕駛系統中深度學習視覺感知的相關知識，包括深度神經網絡和深度卷積神經網絡的基本理論，深入講解了自動駕駛中常用的目標檢測、語義、實例分割和單目深度估計四種視覺感知任務。《PyTorch自動駕駛視覺感知算法實戰》對自動駕駛工程實踐中很重要但經常被忽略的知識進行了全面總結，包括多任務模型的損失平衡、Ubuntu操作系統、Anaconda和Docker等環境配置工具、C++開發環境搭建、神經網絡壓縮、模型導出和量化、TensorRT推理引擎等和部署相關的技術。《PyTorch自動駕駛視覺感知算法實戰》各個任務都由PyTorch實現，模型部署的代碼則提供C++實現，并附帶一個中等規模的自動駕駛數據集用于示例。所有代碼都公開在Github公開源碼倉庫上，很多代碼可以直接用于生產環境，且提供了商業友好的代碼許可證。《PyTorch自動駕駛視覺感知算法實戰》適用于具備基本機器學習知識，有志于從事自動駕駛算法工作的學生，也適用于剛邁入職場，面對各種陌生技術無所適從的初級工程師。同時，本書也可供中高級算法工程師作為案頭常備書籍，以便查閱。

·15.8萬字

Python極客項目編程（第2版）

Python是一種解釋型、面向對象、動態數據類型的高級程序設計語言，通過Python編程能夠解決現實生活中的很多問題。本書并不介紹Python語言的基礎知識，而是通過一系列有趣的項目，展示如何用Python解決各種實際問題，以及如何使用一些流行的Python庫。本書共15章，每章講解一個有趣的Python項目，這些項目可以分成5個部分：第一部分是熱身，包括科赫雪花、繁花曲線；第二部分是模擬生命，包括康威生命游戲、使用Karplus-Strong算法生成泛音、群體行為模擬；第三部分是好玩的圖形，包括文本圖形、照片馬賽克、裸眼立體畫；第四部分是走進三維，包括理解OpenGL、圓環面上的康威生命游戲、體渲染；第五部分是玩轉硬件，包括在樹莓派Pico上實現Karplus-Strong算法、樹莓派激光音樂秀、物聯網花園、樹莓派音頻機器學習。此外，本書還通過附錄介紹如何安裝Python和設置樹莓派。本書適合已經了解了基本的Python語法和編程知識、想要嘗試和探索通過Python編程解決實際問題的讀者閱讀，也可作為Python初學者練習項目開發的參考用書。

服務互聯網運行原理與實踐

本書是國家重點研發計劃“現代服務業共性關鍵技術研發及應用示范專項”中的“服務互聯網理論與技術研究”項目有關服務互聯網理論和技術介紹的系列圖書之一。本書的幾位作者是承擔和參與項目課題“服務互聯網云平臺的運行機制與演化技術”的主要人員。本書內容主要聚焦于服務互聯網運行環境及其機制，通過系統地分析服務互聯網運行環境的需求及其特性，對服務互聯網運行的相關基本概念、運行原理、關鍵技術和應用案例進行系統介紹。

MindSpore科學計算

本書全面、系統地探討科學計算的背景、機器學習的重要性以及昇思MindSpore框架在科學計算中的廣泛應用。科學計算作為一門交叉學科，融合了數學、計算機科學與技術等領域的專業知識，在現代科學研究和工程實踐中起著關鍵作用。本書以MindSpore為平臺，深入研究這一全場景AI框架在科學計算中的探索與實踐，通過對基礎理論、行業應用和實際案例的詳細介紹，為讀者提供全方位的學習和參考資料。全書共8章，首先詳細介紹科學計算的基礎理論，包括數學模型、算法原理等，為讀者打下堅實的理論基礎。然后，通過MindSpore在電磁學、生物計算、流體力學、氣象學、材料化學及量子計算等領域的實際案例，幫助讀者深刻理解MindSpore在現實場景中的應用，為未來的科學計算實踐提供實際的指導和參考。本書不僅適合AI、智能科學與技術、計算機科學與技術、電子信息工程、自動化等相關專業的本科生和研究生閱讀，也可為軟件開發工程師和科研人員提供深入了解MindSpore框架及其實踐的豐富資料。

數字安全網絡戰

在數字化的浪潮下，網絡攻擊頻繁發生，威脅數字化的發展，網絡安全向數字安全的新一輪轉型升級已迫在眉睫。《數字安全網絡戰》一書回顧了我國和全球網絡安全的發展史，展望了未來數字安全領域的發展藍圖，本書通過以下案例，帶人們走入了數字文明時代驚心動魄的網絡戰爭：西北工大事件，境外情報機構對我國敏感機構的網絡攻擊；俄烏沖突，開啟網絡戰向數字戰的演化；“震網”行動，和平時期首個國家級的破壞性網絡戰；永恒之藍，國家級網絡武器在民間的無差別攻擊；油管事件，對大型企業勒索攻擊的新商業化。在數字文明時代，周鴻祎先生以“看見”為核心能力，打造全新的數字安全環境，提倡“上山下海助小微”，不僅對數字安全的大量實例做了深入的思考與分析，而且提出了很多新穎的觀點和建議，視野開闊，具有較強的前瞻性和實用性。

智能風控平臺：架構、設計與實現

本書第1章介紹了信息安全人員做安全評估、滲透測試常用的系統環境與網絡環境配置。第2章介紹了黑客入門基礎——社會工程學。第3章介紹了密碼學理論和開源工具GnuPG與OpenSSL的配置與使用。第4章介紹了一些常用的黑客手法，然后引出相對應的防護策略，并且介紹了一款開源漏洞掃描工具。第5章介紹了三種常見的Web安全問題：欺騙攻擊、數據庫注入與XSS跨站攻擊。第6章介紹了入侵檢測工具Snort和開源蜜罐體系Honeyd。第7章介紹了WiFi中WEP和WPA/WPA2的破解方法以及無線路由中常見的UPnP帶來的安全隱患。第8章介紹了國家推動信息安全戰略的依據及測評流程，并針對與真實測評一致的部分內容進行模擬測評。本書既可作為面向計算機工程、軟件工程、信息工程等IT相關學科的信息安全實訓教材，還可作為信息安全相關人員的培訓教材。

機器學習編程：從編碼到深度學習

本書從一個完全不了解機器學習的程序員的視角出發，通過一系列生動有趣的具體應用實例，運用詼諧的語言以循序漸進的方式比較系統地介紹機器學習的本質思想、基本理論和重要算法，比較細致地剖析線性模型、感知機模型、淺層神經網絡、深度神經網絡的設計原理與編程方法，引導讀者親自動手從零開始打造和完善機器學習的底層代碼，逐步消除對機器學習算法原理的認知盲點，讓廣大初學者能夠較為輕松地掌握機器學習和深度學習的基本理論和編程技術。本書是從零基礎初學者的思維角度編寫的，適合作為智能科學與技術、數據科學與大數據技術、計算機科學與技術以及相關專業的本科生或研究生的機器學習入門教材，也可供工程技術人員和自學讀者學習參考。

跟老齊學Python：輕松入門

Python是一種被廣泛用于網站開發、數據處理和機器學習等領域的高級編程語言，同時也是一種學習門檻較低的高級編程語言。本書是Python語言的入門讀物，旨在引導初學者能夠在輕松的環境中，掌握Python的基礎知識，包括基本對象類型、函數、類、模塊以及數據存儲方式。

大模型工程化：AI驅動下的數據體系

大模型在眾多領域得到了廣泛應用，促進了AI技術的整合和創新。然而，在實際應用過程中，直接將大模型應用于特定行業常常難以達到預期效果。本書詳細闡述如何在游戲經營分析場景中利用大模型實現數據體系的建設。本書分為6個部分，共16章。第1部分主要介紹大模型技術的發展與應用，從大模型的發展現狀展開，重點介紹大模型與數據體系的相關知識。第2部分主要介紹大模型下的關鍵基礎設施，涵蓋湖倉一體引擎、湖倉的關鍵技術、實時數據寫入和高效數據分析等內容。第3部分主要介紹大模型下的數據資產，圍繞數據資產重塑、數據資產標準、數據資產建設、數據資產運營展開。第4部分主要介紹自研領域大模型的技術原理，涵蓋領域大模型的基礎、需求理解算法、需求匹配算法、需求轉譯算法等內容。第5部分主要介紹大模型的工程化原理，涉及工程化的基礎、技術籌備、建設要點、安全策略等內容。第6部分介紹大模型在游戲領域的應用，通過游戲領域的經營分析案例，系統地闡述如何實現業務需求。本書適合致力于大模型技術應用的數據工程師閱讀，也適合尋求AI自動化編程解決方案的軟件開發者閱讀，還適合希望利用AI提升業務效率的企業決策者閱讀。

Kotlin從基礎到實戰

本書從初學者的角度詳細講解了Kotlin開發中常用的多種技術。全書共13章，內容包括Kotlin入門、Kotlin編程基礎、函數、面向對象、集合、lambda編程、泛型、Gradle、協程、“坦克大戰”游戲開發、DSL、Kotlin與Java互操作、時鐘。本書通過典型的案例、通俗易懂的語言闡述面向對象中的抽象概念，在集合、Lambda編程、泛型、Gradle、協程等章節中，通過剖析案例、分析代碼結構、解決常見問題等方式，幫助初學者培養良好的編程習慣。第10章運用前幾章的基礎知識實現了一個坦克大戰的游戲案例開發。第11～13章分別介紹了DSL、Kotlin與Java進行互操作以及通過Kotlin語言實現一個JavaScript語言的時鐘項目，幫助初學者掌握Kotlin語言與Java語言、JavaScript語言的互操作。本書既可作為高等院校本、專科計算機相關專業的教材，也可作為社會培訓教材，是一本適合廣大編程愛好者參考和學習的書籍。為了幫助編程者更好地學習本書中的內容，本書還提供了配套的源代碼與視頻等資源，方便讀者學習。

·15.5萬字

Go底層原理與工程化實踐

全書分為2篇：第1篇詳細介紹Go語言高性能優勢是如何實現的，包括經典的GMP調度模型，Go語言調度器的實現，垃圾回收，以及如何基于管道、鎖等并發編程。第二篇主要是項目實戰，手把手帶領讀者從0開始搭建高性能、高穩定的Go服務。以及在面對線上問題時，如何調試、分析、解決。通過學習本書，讀者對Go語言的核心——高并發會有一個深刻的認識，具備一定的Go并發編程經驗，能夠獨立完成高性能、高穩定Go服務的架構設計，并且能夠基于一些工具進行Go線上問題分析與性能調優。

·15.4萬字

深度學習入門與實踐

大約在一百年前，電氣化改變了交通運輸行業、制造業、醫療行業、通信行業，如今AI帶來了同樣巨大的改變。AI的各個分支中發展最為迅速的方向之一就是深度學習。本書主要涉及以下內容：第1部分是神經網絡的基礎，學習如何建立神經網絡，以及如何在數據上面訓練它們。第2部分進行深度學習方面的實踐，學習如何構建神經網絡與超參數調試、正則化以及一些高級優化算法。第3部分學習卷積神經網絡(CNN)，以及如何搭建模型、有哪些經典模型。它經常被用于圖像領域，此外目標檢測、風格遷移等應用也將涉及。最后在第4部分學習序列模型，以及如何將它們應用于自然語言處理等任務。序列模型講到的算法有循環神經網絡（RNN）、長短期記憶網絡（LSTM）、注意力機制。

·15.2萬字

Python數據分析基礎

本書展示如何用Python程序將不同格式的數據處理和分析任務規模化和自動化。主要內容包括：Python基礎知識介紹、CSV文件和Excel文件讀寫、數據庫的操作、示例程序演示、圖表的創建，等等。本書適合數據分析與處理工作相關人員。

·15.1萬字

利用Python進行數據分析（原書第2版）

閱讀本書可以獲得關于在Python下操作、處理、清洗、規整數據集的完整說明。本書第2版針對Python3.6進行了更新，并增加了實際案例向你展示如何高效地解決一系列數據分析問題。你將在閱讀過程中學習到最新版本的pandas、NumPy、IPython和Jupyter。

·15萬字