1.计算机科学和算法问题具有非常广泛的应用领域，而且经常出现在程序员面试题中； 2.本书所采用的Python语言是当前*流行的程序设计语言，基于Python3.7版本； 3.将计算机科学与应用程序、数据、性能等现实问题深度关联。 看似新颖或独特的计算机科学问题，往往根植于经典算法、编码技巧和工程原理。经典方法仍然是解决这些问题的*途径！理解用Python实现的这些技巧，可以扩展你在Web发、数据处理、机器学习等方面获得成功的潜力。 本书详细介绍一些经过时间验证的方案、练习和算法，以提升你解决计算机科学问题的技能。从二分搜索算法这种简单的任务，到用k 均值聚类算法对数据行聚类，很多编码挑战都将迎刃而解。破解将计算机科学与应用、数据、性能等真实世界相关联的问题，会让你特别享受那种满足感，甚至可以让你在下一次工作面试中应对自如！
算法详解四部曲*卷，详解算法基础，展现算法本质集斯坦福大学教授多年教学经验，深浅出，通俗易懂算法是计算机科学的核心与灵魂。算法的应用范围极广，网络路由、计算基因组学、公钥加密学和数据库系统等的实现都需要算法。研究算法可以帮助我们成为更优秀的程序员，可以让我们具有更缜密的思维，并成功应对各种场合的技术面试。这是一本非常容易上手的算法门图书，它可作为程序员的学习用书，也适合想要学习算法和想提升算法思维能力的读者阅读。本书主要包括以下内容：渐性分析；大O表示法；主方法；快速分治算法；随机化算法；排序算法；选择算法。
1.本书主要讲解推荐系统中的推荐算法 召回算法和排序算法，以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。 2.本书本着循序渐的原则行讲解，配有丰富的工程案例和源代码，可以帮助读者行工程实践并在实际工作中应用。 3.本书适合 AI、数据挖掘、大数据等领域的从业人员阅读，书中为发者展现了推荐算法的原理、实现与应用案例。
本书第1版曾获第18届Jolt生产效率奖，Jolt大奖被誉为 软件行业的奥斯卡奖 。新版凝结了第1版的精华，同时与时俱，讲述了软件系统如何能够通过生产环境的残酷考验。 迈克尔是软件行业杰出的思想家和传播者。这本书文笔优美，有助于构建和运维大规模软件系统。 Randy Shoup，Stitch Fix公司工程副总裁 这本书通过易读的文字和紧凑的形式展现了作者在该领域所获得的丰富经验，对任意系统的发布都具有特别重大的指导意义。 Michael Hunger，Neo4j公司发者关系工程总监 对那些在发布软件后仍然希望睡个好觉的人来说，这本书有助于建立自信，并学会预估和受系统故障。 Matthew White，Deliver Audacious Web Apps with Ember 2作者 如果你正在编写用于互联网的软件，那么在将其投生产环境之前，一定要阅读这本书。如果你是工程师或发经理，这本书可以帮助你了解如何投精力和分
1.结构合理：内容和实例先易后难，循序渐； 2.涵盖学习经验总结：在讲解知识、分析实例及调试程序时，加了作者在学习过程中的经验总结，指出了初学者常犯的错误，让读者少走弯路； 3.代码均通过调试：所有代码在Visual C 6.0中调试过。代码也可以在Visual Studio 2003以上版本中直运行，在代码*后加上system("pause")使程序暂停，以便查看运行结果； 4.实例丰富：剖析了高等院校的部分考研题目。 本书不仅介绍了数据结构和算法设计方面的理论知识，还结合具体案例讲述了算法的设计思路和实现过程。通过本书，读者不仅可以深理解线性表、栈、队列、串、数组、广义表、树、图等数据结构，还可以掌握查找算法、排序算法、递推算法、递归算法、枚举算法、贪心算法、回溯算法、数值算法和实用算法等的实现方式。本书适合计算机专业的师生和软件发人员阅读。
内容详细，涉及排序、哈希、动态规划与近似算法、高斯消去法、图论与线性规划、无约束优化、迭代法、插值与拟合等。重讲解算法的核心思想。注重用算法解决实际问题，如相似性搜索、负载均衡等。详细讲解算法涉及的数学理论及编程实现上的具体技巧。避了以应试为导向的灌输式讲解。语言精练，无废话；视独到，不复制。
随书提供实例源程序下载，读者可以登录www.hxedu.com.cn（华信教育资源网）查找本书下载（须先注册成为会员）。
1.从技术出发，通过通俗简洁的语言介绍区块，帮助读者理解区块的概念和本质； 2.结合行业热现象和问题，由浅深、从宏观到微观，行全面准确的介绍，普及区块技术； 3.本书作者为ArcBlock区块基石团队，ArcBlock 加了全球领先的区块行业协会 美国数字商会 ，并且是 W3C 区块社区、IEEE 标准委员会区块社区和 Linux 基金会等组织的活跃成员，2018 年 7 月荣获人民网与闻联合评选的"2018 区块之星"奖项。
本书算法先，集合了当今热人工智能行了相关研究，非常适合现阶段出版。
本书系统、全面、深地解析了Spark MLlib机器学习的相关知识，着力于探索分布式机器学习的底层实现。以源码为基础，兼顾算法、理论与实战，帮助读者在实际工作中行MLlib的应用发和定制发。适合大数据、Spark、数据挖掘领域的从业人员阅读。
内容*，讲解深入，涵盖数据结构、设计模式、JVM内存管理等深度技术。- 案例式讲解，代码量高达3万行以上，*提升学习者的代码功底！基于企业主流的Java 8版本，同时融合了Java 9～Java 17各版本新特性。
深刻剖析Kaggle、阿里天池、腾讯广告算法大赛等算法竞赛内容，结合多个领域模块行实战讲解； 《计算广告》作者刘鹏、《深度学习推荐系统》作者王喆等倾力推荐！ 1.多年实战经验汇集 作者在众多竞赛平台多次获得好成绩，本书汇集了他们在竞赛圈多年的实战经验。 2.基本理论与竞赛技巧结合 本书系统的介绍了算法竞赛，包括算法竞赛的基本理论知识以及竞赛中的上分思路和技巧。 3.众多竞赛选手参与 结合国内多名竞赛选手建议，对本书结构行细致编排，结合多个领域模块行实战讲解，剖析竞赛本质的内容。 4.提供完整数据与代码 本书将会源大量的获奖竞赛完整数据与代码，供读者快速上手掌握常见的实践方法与竞赛技巧。
152张图表，轻松掌握17种常用算法！ 没有复杂公式，零基础也可轻松读懂！ 1.全面 网罗有监督学习和无监督学习的17种算法，涉及回归、分类、降维、聚类等问题。 2.直观 全彩图解，让原本抽象复杂的算法变得一目了然，方便读者快速了解各算法的特征，学会如何选择恰当的算法。 3.易懂 几乎没有数学公式和统计术语，零基础也可轻松读懂。 4.实现 各算法均用Python代码实现，基于Python 3.7版本，读者可下载配套代码资源，边试边学。
本书是Julia Programming for Operations Research的中文版，作者是美国南佛罗里达大学副教授Changhyun Kwon。他为了方便学生学习写下本书，因此本书可以作为高校计算机、运筹学及相关专业师生的优秀的参考书。 本书还可以作为Julia语言爱好者、IT从业者、技术尝鲜者的门图书，本书内容主要涉及Julia语言、科学计算、数学建模、数值优化、优化求解、运筹学等。 麻省理工学院（MIT）在读博士、Julia中文社区核心成员覃含章，Julia中文社区核心成员、Julia的量子算法包jl的作者之一罗秀哲（Roger）联袂为本书做序，他们皆在阅读本书的中、英文版本后才提笔写下客观的荐言，其诚足为读者阅读本书的 钥匙 。
1.Spring Cloud Alibba创始人倾力造 2.阿里云智能资深技术专家司徒放（姬风）、 阿里云智能高级技术专家张乎兴、 Spring Cloud Alibba项目架构师小马哥（mercyblitz）、 阿里云智能高级技术专家彭文杰、云集架构师冷冷、Nepxion源社区创始人任浩军联合力荐 3.理论与实践相结合，核心知识辅以案例讲解
VBA能做的Python也能做！详解xlwings，让Excel飞!
《深度学习算法实践》以一位软件工程师在工作遇到的问题为主线，阐述了如何从软件工程的思维向算法思维转变，以及深度学习算法的概念与实践：比如在哪些场景下需要运用深度学习算法、如何将深度学习算法应用到任务中、提高工作效率？不仅如此，作者还结合程序员在工作中经常面临的产品需求，详细阐述了应该怎样从算法的角度来看待、分解需求，并结合经典的任务对深度学习算法做了清晰的分析：如何用RNN和CNN结合来提取深度文本特征？如何始写一个Chatbot？如何在Chatbot中应用深度学习？强化学习为什么这么强大，它是*的吗？强化学习可以用在什么地方？对于图形领域的深度网络来说，是否有通用的提高模型精度的方法？如何利用深度学习来预测股票的趋势？YouTube是如何推荐影片的，我们如何将YouTube的深度学习经验应用在推荐系统中 这些经典的应
培养少儿得 逻辑思维能力、抽象思维能力，提升创造力，帮助孩子跳出思维定式。增强孩子自信心，提高做事情的专注力。
基于大数据分析实战，图文并茂，系统讲解Spark内核的原理，有助于读者快速掌握Spark源集群计算框架的使用方法。 Spark 是专为大规模数据处理而设计的快速通用的计算引擎，本书涵盖 Spark 3.0 新特性。 本书结合大量原理图和流程图，系统介绍Spark内核的相关技术。 本书注重实战，图文并茂，系统讲解了Spark内核原理、Spark实战应用、 Spark数据源、Spark流式计算、Spark性能调优和数据湖等内容。 通过本书，读者不仅可以深理解Spark的原理、使应用、运维、监控等技术，还可以快速编写出性能更好、可靠性更高的大数据应用。 本书主要内容： ?Spark内核的原理 ?Spark的作业调度和资源分配算法 ?Spark SQL、DataFrame、Dataset的原理和实战 ?Spark数据源 ?Spark 流式计算原理和实战 ?Spark 亿级数据处理平台Spark性能调优 ?Spark机器学习库 ?Spark 3.0的新特性和数据湖等
前沿技术深度解析，全面覆盖AIGC核心技术与应用场景，结合人工智能基础理论，造一站式学习平台。 由资深一线教师团队精心编著，基于丰富的教学经验和行业洞察，确保内容的实用性和前瞻性，助力学习者迅速掌握AIGC技术精髓。 赋能创新思维与专业技能，为学生和从业者启智能内容生成新时代，加速个人成长和行业转型，引领未来就业市场趋势。
详细介绍了大数据的新兴流数据处理计算引擎Flink，循序渐进地从Flink的基础入门程序编写开始，到Flink的实际部署，再到Flink的底层机制，层层递进，遵循读者的认知常识，帮助读者快速掌握Flink。
1. 大有可为的未来计算模式 量子计算的编程实操读本； 2. 量子计算国家队 中国科学技术大学郭国平教授团队倾力撰写； 3. 基于我国自主可控量子编程框架QPanda和本源量子计算云平台，构筑中国量子计算生态； 4. 面向实际应用，力求简洁明快，容易上手。
来自阿里、蚂蚁金服、*、高德、CSDN、饿了么、58集团等互联网大厂以及多家互联网独角兽企业的近20位专家高口碑力荐
1.本书从宏观层面介绍流计算，并介绍处理实时数据流的内容、地、时间和方式。 2.本书一作泰勒 阿基道是谷歌公司的高级软件工程师、数据处理语言和系统部门的技术负责人，拥有丰富的经验，负责谷歌的Apache Beam、Cloud Dataflow、Flume、MapReduce和MillWheel等内部数据处理工具。他还是Apache Beam PMC的创始成员。 3.本书译者为阿里技术团队，由专门的流式系统技术的推广团队，可以借势推广。
1.本书采用 Spark 2.0，并结合 Scala 2.11、Maven 和 Hadoop； 2.案例丰富：读者将基于一系列典型的案例，学习Spark在构建商业级数据科学解决方案中的应用； 3.作者是数据战略及其执行方面的专家，拥有多年的商业经验，为读者呈现了一个真实的、令人兴奋的数据科学世界； 3.提供配套代码。
1.围绕Cosmos项目介绍当下公主流技术：BFT共识协议、PoS机制以及IBC协议 2.深阐述ABCI的规范与实现机制 3.免费提供数据库tm-kvstore源代码资源 4.密码算法剖析与图例展示 5.拆解权益证明机制，深区块客户端构建流程
京公网安备11010502037644号|经营许可证编号：合字B2-20160011|互联网药品信息服务资格证
购物车