《下一代创新科技（第1辑）》根据清华大学2022年发布的首个“清华青年最关注的改变未来十大变革科技”榜单内容编写而成。它全面解读了十大变革科技的发展历程和科技内涵，展望了相关未来科技发展趋势，旨在促进交叉学科创新，传播清华科技观点，服务高水平科技自立自强。全书分为上、下两篇，涵盖了数理基础学科、人工智能、量子信息、未来健康、生态文明等多个领域主题，力图为青年学者、科技工作者、行业领军人才提供一流科技资讯。

全书以LabVIEW 2022中文版为平台，介绍了虚拟仪器技术与仿真相关知识。全书共11章，内容包括LabVIEW概述，LabVIEW 2022中文版入门，前面板与控件，LabVIEW编程，数值、字符串与变量，循环与结构，数组与簇，波形显示，信号分析与处理，文件管理，数据采集与网络通信。本书可以作为LabVIEW 初学者的学习参考书，也可以作为工控相关行业相关人员的参考书。本书随书配送的电子资源包含全书实例的源文件素材和操作视频文件，以供读者学习参考。

本书是软件开发与运维领域经典参考书新升级版，由DevOps领域几位先驱撰写。第2版根据新研究和best practice更新了内容，增加了大量新案例，方便大家在各行各业落地DevOps实践。本书内容分为六部分，围绕“DevOps三要义”（流动、反馈、持续学习与探索）探讨DevOps的理论、原则和落地实践。第一部分介绍DevOps理论基础和关键主题，第二部分介绍如何寻找切入点并启动转型，第三部分介绍如何通过构建部署流水线来加速流动，第四部分讨论如何通过建立有效的生产环境监控发现和解决问题，第五部分探讨如何通过建立公正的文化促进持续学习与探索，第六部分介绍将安全与合规活动集成到日常工作。本书适合所有互联网企业和传统企业从业者阅读。

多目标进化算法已成为解决多目标优化问题的主要方法之一。基本的多目标元胞差分算法作为解决一类多目标优化问题的典型算法，是在结合元胞多目标遗传算法（Cellular Genetic Algorithm， CGA）与差分算法（Differential Evolution， DE）基础上提出的，其在解决多目标尤其在三目标优化问题时获得了质量较好的Pareto前端。本书在全面介绍基本的多目标元胞差分算法和算法性能测试基础上，阐述了在该算法基础上的几种改进优化算法，介绍了改进算法的原理、步骤、流程、伪代码、性能测试及实例应用等。为方便使用，对算法的图形用户界面（Graphical User Interface， GUI）实现进行了初步的探析。

主要内容● 数据字典和数据治理● 数据质量管控、合规和分发● 构建自动化管道以提高可靠性● 数据摄取、存储和分发● 支持生产环境中的数据建模、分析和机器学习

本书结合SOLIDWORKS的实际用途，由浅入深，从易到难，全面详尽地讲解了SOLIDWORKS 2023从入门到精通的各方面知识。本书共13章，包括SOLIDWORKS 2023入门、草图绘制、特征建模、特征编辑、曲面创建、装配、工程图、钣金、焊件、模具、动画、模型渲染和静应力有限元分析等内容。本书每部分都配有典型实例，让读者对该部分的内容有一个实践演练和操作的过程，以加深对书中知识点的掌握；在本书附赠资源中配有素材、素材操作结果、习题答案和演示视频等，可使读者通过各种方式来学习书中的知识。本书随书赠送SOLIDWORKS机械工程师网（www.swbbsc.com）VIP会员月卡（会员码和密码）。本书实战练习均配有微视频，读者可扫码观看；通过封底的资源获取方式可获取书中案例素材文件。本书内容全面、条理清晰、实例丰富，可作为广大工程技术人员和在校生的自学教程或参考书，也可作为大中专院校的CAD/CAE课程教材。

《计算机视觉与PyTorch项目实战：基于深度学习框架的端到端产品级模型设计与开发》使用PyTorch 框架来讨论计算机视觉算法及其应用。首先介绍计算机视觉基础，主题涉及卷积神经网络、ResNet、YOLO、数据增强和业内使用的其他常规技术。随后简要概述PyTorch 库。接下来探究图像分类问题、对象检测技术以及如何在训练和运行推理的同时实现迁移学习。最后通过一个完整的建模过程来阐述深度学习框架PyTorch 是如何运用优化技巧和模型AI 可解释性的。《计算机视觉与PyTorch项目实战：基于深度学习框架的端到端产品级模型设计与开发》适合具有一定基础的中高级读者阅读和参考，可以帮助他们使用迁移学习和PyTorch 来搭建产品级的计算机视觉模型。

本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架的介绍中，书中结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体。还介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，书中解释了如何使用分布式系统训练和部署模型以处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统需要考虑的工程化因素，例如分布式问题和消息队列，以及从工程化角度出发的解决方法。本书提供了每个经典模型和应用实例的TensorFlow和PyTorch版本代码，为深度学习初学者和算法开发者提供理论学习、代码实践和工程落地的指导与帮助。本书既适合计算机、自动化、电子、通信、数学、物理等相关专业背景的研究生和高年级本科生，也适合那些希望从事或准备转向人工智能领域的专业技术人员。

本书基于国家重大需求，紧跟国际科技前沿的发展趋势，聚焦我国制造业高质量、高水平发展的关键问题，以高端制造核心技术的瓶颈突破为主要研究内容进行编写。本书采用理论分析与实证研究紧密结合的方法，首先明确了高端制造的概念，梳理了高端制造在国家安全、社会发展中的地位和作用，总结分析了美国、德国、日本等制造强国的高端制造发展历程及现状；继而详细分析了我国电子信息、机械工程、航空航天、医疗设备四个领域高端制造的发展现状、关键技术以及瓶颈问题，在此基础上提出了解决高端制造技术瓶颈问题突破的初步思考及政策建议。

数据库技术自从上世纪60年代诞生以来，经历了网状数据库、层次数据库等发展阶段，zui终在80年代确立了关系数据库技术的主导地位。关系数据库技术经过几十年的发展，在各行各业都取得了巨大的成功。但是，进入21世纪后，随着互联网、物联网、云计算等技术的快速发展，传统的关系数据库技术由于在可扩展性、灵活性等方面存在的不足，难以支持层出不穷的新型应用。在此背景下，键值数据库、文档数据库、列存储数据库、图数据库等新型数据库技术因运而生。本书与现有的介绍关系数据库技术为主的书籍不同，重点介绍当前数据库领域中出现的各类新型数据库系统的概念、基础理论、关键技术以及典型应用。在理论方面，本书除了介绍各类新型数据库系统中基本的理论和原理之外，还将侧重于对这些理论的研究背景和动机进行讨论，使读者能够了解新型数据库系统在设计上的先进性，并通过与成熟的关系数据库技术的对比，明了新型数据库技术的应用方向以及存在的局限性。在应用方面，本书将侧重与实际软件工程相结合，通过实际的应用示例介绍各类新型数据库系统在实际应用中的使用方法和流程，使读者能够真正做到学以致用。