本书围绕乡村振兴战略对社会公共资源城乡均衡共享的时代要求，以服务农业发展、增强农村活力、提高农民生活品质为导向，建立“社会公共资源城乡共享差距”→“农村信息化促进不足与原因”→“新型网络化共享突破条件”→“共享创新模式、机制与对策”理论架构，剖析农村信息化在促进社会公共资源城乡共享中存在的问题与短板，以新型信息网络技术和各类智能设备为手段，从总体上揭示新型网络化促进社会公共资源城乡共享的机理，整体研究乡村振兴战略背景下社会公共资源城乡共享机制，综合设计出促进社会公共资源新型网络化城乡共享的模式、机制与政策体系。本书是教育 部人文社科基金项目“面向乡村振兴的社会公共资源新型网络化城乡共享机制研究（批准号：18XJA630003）”的研究成果集成。

微处理器的诞生开启了全新的数字时代——正是英特尔4004微处理器的发明，为人类带来了前所未有的融合。而它的发明人就是费代里科•法金。在本书中，国际知名的发明家兼企业家法金为我们依次描述了他的“四次生命”：在饱受战火摧残的意大利北部度过的早年生活；在美国的微电子行业的开拓性工作；作为成功人士的高科技公司企业家生活；近年在意识科学领域进行的探索。在这本回忆录中，法金生动地讲述了诸多轶事，带领读者走过技术发生巨大变革的数十年，并分享了他在人生每一阶段的洞见。本书译者是同济大学外国哲学硕士，曾任商务印书馆编辑，现就职于同济大学设计创意学院可持续未来设计研究中心，任研究助理。曾担任《给设计师的研究指南》一书的译者。

本书系统深入地阐述了矩阵结构和矩阵函数的公理化体系，并给出基于此公理体系进行形式化分析与验证的应用。主要内容包括：矩阵结构的形式化；矩阵序列与矩阵级数理论的形式化；矩阵函数微分的形式化；矩阵理论的自动化定理证明；矩阵理论公理化系统在信息或物理系统形式化建模验证中的应用。

本书介绍了计算机组成及体系结构的核心知识，内容包括计算机系统的概念、运算、CPU、指令集和汇编语言、并行处理等，是计算机及相关专业了解计算机组成的经典教材。

全书针对Windows操作系统、Office办公软件和主流程序设计工具的操作与使用编写了6个实验，主要内容包括：Windows操作系统的基本操作、管理与维护功能的使用；Word文档的创建、编辑与排版操作；Excel工作表的基础操作、数据的管理、数据统计与查询、图表制作；演示文稿PPT的创建、幻灯片的基础设置和设计； C语言的常量与变量、格式化输入输出函数、语句结构； Python的编程规范、程序运行方式和语法基础。为强化重点实践内容操作的熟练程度，在每个实验后面附有少量操作作业。附录部分根据“大学计算机”课程的实际学习需要，提供了5组习题，供学生课后进行自测。

在云原生时代，可观测性覆盖了应用的全生命周期，是云原生应用工具之一。本书基于笔者多年的云原生可观测性实践经验，从可观测系统的演进和基础理论开始介绍，结合案例对可观测系统的开源架构、日志、链路、监控、事件和诊断等关键要素的系统设计方案及问题解决思路进行阐述，帮助读者了解在业务实践中可观测性对云原生应用有哪些巨大助力。本书适合云原生应用开发人员、架构师、运维人员、测试人员，以及云计算相关从业人员阅读。

算法详解系列图书共有4卷，本书是第4卷——NP-Hard问题算法。全书共有6章，主要介绍了快速识别NP-Hard问题的方法和处理NP的算法工具。本书的每一章均有小测验、章末习题，这为读者的自我检查以及进一步学习提供了方便。本书提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维与计算思维的IT专业人士，以及正在准备面试的应聘者和面试官阅读参考。

本书提供了300个完整的Java案例，从算法上分为数学、搜索、回溯、递归、排序、迭代、贪心和动态规划等; 从数据结构上分为字符串、数组、指针、区间、队列、矩阵、堆栈、链表、哈希表、线段树、二叉树、二叉搜索树和图结构等。本书针对经典算法，基于相关的数据结构，将问题描述、问题示例、代码实现及运行结果相结合进行讲解，逻辑清晰，内容丰富，可作为程序开发人员及其他IT从业者学习和提升算法能力的参考书，也可作为高校计算机相关专业的教材。

本书不仅是一本业务数智化体系的科普书，还是作者多年在真实业务场景下进行数智化实践的经验总结。本书系统总结了一套完整的数智化解决方案——3M数智化体系。全书共包括11章，第1～3章主要对数字化和数智化进行介绍；第4～8章围绕3M数智化体系展开，详细说明了业务数智化的适用范围和准备工作、整体构思、思想、落地方法和落地产品；第9～11章介绍了内容行业、O2O行业、生产制造业的数智化实践，以案例形式进行实战演练。 本书适合正在实践数智化项目的领导者，需要了解和实践数字化/数智化转型的基层管理者和各类技术人员、产品人员、运营人员，高校的教师、科研人员和学生，以及其他想培养数据思维、数智思维、商业化思维的读者。

构建通用人工智能的关键就是无监督学习，不需要标签来训练模型，最简单的方法就是使用深度生成模型。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的 AI 系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型，包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以 ChatGPT 为代表的大语言模型，以及以 Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。本书适合具备微积分、线性代数、概率论等大学本科水平，并且了解机器学习、Python 及PyTorch 等深度学习框架的学生、工程师和研究人员阅读。无论读者的背景如何，只要对深度生成模型有兴趣，都能从本书中获益。