从初创公司到世界500强，大多数公司都喜欢使用Node.js来构建高性能的后端服务。工程师对Node.js有很高的评价，因为它有容易理解的API和大家熟悉的语法。在全球大的包存储库的强力支持下，Node.js的生态必将更加繁荣。 在本书中，作者证明了Node.js在构建可观察、可扩展且有弹性的服务方面与传统的企业平台一样适用。中高级Node.js发人员会发现，他们可以将应用程序代码和现代服务的各个层面结合起来。 【通过学习本书，你可以：】 了解为什么要运行多个相同的Node.js服务副本。 根据业务场景选择恰当的协议。 调整应用程序容器以便在生产环境中运行。 跟踪分布式系统中的错误，以确定哪个服务出错。 通过将工作转移给反向代理来简化应用程序代码并提高性能。 构建数据面板来监视服务运行状况和数据吞吐量。 了解在企业环境中操作时需要使用多种工
1.《高性能服务系统构建与实战》基于作者10余年工作经历中踩过的技术神坑，总结整理而成。覆盖面广、逻辑性强，是每一个追求卓越的互联网系统架构师案头的宝典。 2. 《高性能服务系统构建与实战》分享了构建高性能服务系统的设计理念和实战经验，并引导读者行场景实战，知识横跨系统架构领域和软件架构领域，是架构高大上而实操又地气的不可多得的好书。 3. 《高性能服务系统构建与实战》内容全面、案例丰富、讲解细致又通俗易懂，业内专家邓柯、应恒、肖友能、刘克、张俭、赵勇联袂力荐。
★ 数据科学流程概览，并通过Julia实现一个示例，说明了其中的关键。★ Julia IDE的选择。★ 程序结构与函数。★ 数据工程中的任务，如数据导、数据清理、数据格式化和数据存储，以及如何执行数据预处理。★ 数据可视化，以及一些简单但非常强大的用来行数据探索的方法。★ 数据降维和特征评价。★ 各种机器学习方法，从非监督式学习（不同类型的聚类方法）到监督式学习（决策树、*森林、基础神经网络、回归树和极限学习机）。★ 图分析，包括找出不同实体之间的联系以及如何对其行挖掘以获取有用的知识。本书主要内容包括：本书的目标是教你如何使用Julia语言来应对现实世界中数据科学的艰巨挑战。在介绍了Julia对于数据科学社区的重要性和若干数据科学基本准则之后，本书讲解了Julia基础知识，包括如何安装Julia及其功能强大的程序库。本书通过丰富
Spring+Spring MVC+MyBatis从零开始学
本书讲解SSM框架应用发，从Spring 4.3 Spring MVC 4.3 MyBatis 3基础知识及其案例出发，通过理论结合实践的方式，详细讲解SSM每个知识，每一个知识都尽量辅以实用的代码，让读者在学习知识的同时，更能通过动手实践深了解和掌握相关发技巧。本书还配有综合性的案例，通过SSM框架行整合发，将整合发技术贯穿其中，使读者融会贯通，*后达到掌握SSM框架应用发的目的。
本书从实用角度出发，介绍了Protel 99 SE中的原理图与PCB设计方法，共分四部分。
调查数据指出，Android已经赢得平台之战，未来有望成为移动操作系统领域的寡头，而安全性则有可能会成为阻碍Android发展的主要因素。由世界**Android安全研究员编写，《Android安全攻防权威指南》为白帽子提供了漏洞发现、分析和利用的使用工具。在详细介绍Android操作系统工作原理和总体安全架构后，研究了如何发现漏洞，为各种系统部件发利用，并且行应对。移动设备管理者、安全研究员、Android应用程序发者和负责评估Android安全性的顾问都可以在本书中找到必要的指导和工具。
为什么GraphQL是Ajax诞生以来*具创新性的数据获取技术？GraphQL通过为API提供查询语言和用以完成查询的运行状态，提供了对REST和特定页面服务架构的替代方案。借助这本书，Alex Banks和Eve Porcello为希望始使用GraphQL的前端Web发人员、后端工程师以及项目或产品经理提供了一条清晰的学习路径。 你将先后探索图论、图数据结构和GraphQL类型，之后在实际项目中学习如何为照片共享应用构建schema。本书还将向你介绍Apollo Client，可用来将GraphQL连到你的用户界面。 探索图论并回顾当今使用的家喻户晓的图形实例 了解GraphQL如何将数据库查询方法应用于互联网 为照片分享应用创建一个schema，让它成为前后端团队间的桥梁和契约 使用JavaScript构建功能完备的GraphQL服务，使用Apollo实现客户端 了解如何为生产环境准备GraphQL API和客户端
本书从R语言临床预测模型基本原理讲起，逐步深到阶实战，并配合实战案例，重介绍临床预测模型的构建、评价、验证，让读者可以快速领悟 3~5分预测模型 SCI（science citation index，科学引文索引）的套路与精髓，为后续冲10分以上SCI基础。 本书分为13章，主要内容有线性回归、Logistic回归、Cox回归、竞争风险模型等；自变量筛选方法有传统方法、逐步回归法、Lasso法、随机森林法、子集法、主成分分析法等；模型可视化涉及多种形式的列线图、Calibration校准曲线、ROC、DCA 曲线等图形绘制，不仅涉及单模型的可视化，还涉及单模型多时、多模型同时的可视化；模型评价指标涉及C指数、AUC、NRI、IDI 等；模型验证主要涉及简单交叉验证、K折交叉验证、留一法交叉验证及Bootstrap法。 本书内容通俗易懂，案例丰富，实用性强，适合R语言临床预测模型的门读者和阶读者，尤其
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