本书采用了近期新发行的Rocky Linux9作为教学版本。全书共9章，内容涵盖了初学Linux系统管理所需掌握的所有知识点，讲解了Linux日常管理操作的方方面面，由浅入深，内容全面，案例丰富，实战性强。本书依次讲解了Linux的高级文件系统管理，包括LVM（逻辑卷管理）、磁盘配额和RAD（磁盘阵列）的部署；shell的基础知识，包括Bash操作环境的构建、输入/输出重定向、管道符、变量的设置和使用等；shel编程的正则表达式、字符截取和替换命令、字符处理命令、条件判断、流程控制等知识，以及shell编程的脚本实例；Linux系统的启动引导流程，以及启动引导程序gub的使用、内核模块管理；Linux下的常见服务，以及服务的分类、管理、自启动的设置等；Linux的进程管理、工作管理、系统资源查看和系统定时任务：Linux的常用日志管理，包括日志服务rsyslogd、日志轮替、等

本书是一部系统论述嵌入式软件设计方法的立体化教程（含纸质图书、电子书、教学课件、源代码与视频教程）.全书共１０章.第１章为嵌入式系统概论;第２章为嵌入式处理器与外围硬件;第３章为嵌入式软件体系结构;第４章为嵌入式实时操作系统;第５章为板级支持包和操作系统引导;第６章为嵌入式软件开发环境;第７章为嵌入式操作系统移植及驱动开发;第８章为典型物联网技术、协议及应用;第９章为嵌入式系统安全;第１０章为嵌入式系统综合实验.为便于读者高效学习，快速掌握嵌入式软件编程与实践，本书精心制作了电子书（２５０页案例资料），配以完整的教学课件（１０章PPT）、完整的源代码与丰富的配套视频教程以及在线答疑服务等内容.本书可作为广大高校计算机、软件工程、电子信息、自动化等专业本科生及研究生学习嵌入式软件编程技术课程的教材，也可作为相关培训机构的教材，还可作为嵌入式技术开发者的自学参考用书.

"《复杂系统影响因素研究的数据驱动分析方法》聚焦于复杂系统影响因素研究的数据驱动分析方法（DAC），为应对大数据和人工智能时代复杂系统问题提供创新思路与实用工具。第1章阐述了传统分析方法在处理复杂系统多变量、非线性和动态变化等特征时的不足，而DAC凭借先进的数据挖掘和机器学习算法，通过数据获取、数据处理与变量测量、聚类分析、决策树分析和贝叶斯网络分析5个关键阶段（步骤），为决策制定和优化助力。第2章强调指标选取的依据、选取原则等，依据数据类型选择合适量化方法，并通过实例演示如何将实际问题转化为可量化数据集，保障后续分析质量。第3章详细介绍数据采集、统计分析、变量选取、校准处理（引入云校准概念）等数据预处理内容。第4章讲解基于聚类算法的异质性群体的多种分析。第5章使用决策树分析了异质性群体对象的影响因素交互效应。第6章运用贝叶斯网络和相关算法探究变量间的作用关系和影响路径。第7章通过后发企业创新绩效案例分析，展示 DAC在实际研究中的应用优势。本书特色鲜明，内容紧密围绕解决复杂管理问题，案例丰富且分析透彻，从多领域实际问题出发，旨在增强读者对方法的理解与应用能力。本书中代码示例详细，可操作性强。本书适用于工商管理、管理科学与工程、经济与金融等专业的本科生和研究生，为他们开展学位论文研究和学术探索提供新颖视角和方法，帮助他们掌握这一跨学科融合的研究范式。"

本书介绍使用Spring Boot后端和React前端进行全栈开发的相关技术。全书分为三部分，共17章。第一部分介绍Spring Boot后端编程，包括环境构建、依赖注入、使用JPA访问数据库、创建RESTful Web服务、后端的安全性与测试等。第二部分介绍使用React进行前端编程，包括前端环境构建、React和TypeScript简介、在React中使用REST API以及实用的第三方组件库。第三部分讨论Spring Boot React全栈开发，包括为REST Web服务设置前端、为项目实现CRUD功能、用MUI设置前端样式、测试和保护React应用以及应用程序的部署等。本书适合想成为全栈开发人员的读者学习，也可供对全栈开发感兴趣的技术人员参考。

在大数据时代背景与人工智能技术浪潮的推动下，基于视频图像处理的信息技术凭借其生动、形象、直观的特性，以及易于获取的优势，实现了广泛的应用。作为计算机视觉研究领域的核心分支，智能视觉信息处理技术研究内容涵盖图像处理、模式识别、机器学习和人工智能等多个学科，不仅具有显著的学术价值，而且展现出巨大的应用潜力。《智能视觉信息处理关键技术》共六篇，介绍基于视频图像处理的人体行为轨迹估计与跟踪、2D人体姿态估计、3D人体姿态估计、舞蹈姿态估计与对比分析、汉字字体自动生成以及应用研究。本《智能视觉信息处理关键技术》的模型和方法可以扩展至众多基于视觉信息处理技术的应用场景，以提供理论参考、方法借鉴和技术支撑。

本书以备受瞩目的DeepSeek为切入点，深入剖析人工智能领域，探讨智能体（Agent）这一前沿科技。书中详细介绍了大模型发展历程、智能体技术原理，以及多模态融合等前沿内容，可以充分满足科技爱好者对人工智能新技术的探索欲望；对于职场人士，书中则呈现了在文档处理、代码开发、设计创意等工作场景下，智能体如何助力提升 300% 的工作效率，从而为其职业发展添砖加瓦；学生群体也能通过本书了解智能体在学习导师、个性化训练等方面的应用，找到提升自身学习效率、培养兴趣爱好的新途径；而商业人士，则能通过书中智能体驱动的商业新生态内容，如个人IP孵化、小微商户智能客服搭建、大型企业数字化转型等，开拓商业新思路。无论哪个领域的读者，都能从这本书中得到满满的收获，从容应对智能时代的变革。

现今，数据已无处不在、无时不用，数据驱动管理决策、科学研究、技术发明、经济生活，数据驱动创新发展，数据成为企业资产、成为生产要素。开发大数据应用、实现数字化转型、提升核心竞争力是各类主体所希望的。开发一个大数据应用项目，需要进行充分的数据准备和技术准备，设计好实施方案，解决实际应用中的问题。本书介绍了多个领域的大数据应用案例研究与实践，包括工业、农业、金融、物流、旅游、气象、医疗、城市管理、城市交通等领域。这些应用案例涵盖了大数据应用的大部分领域，也从一个侧面展示了大数据在实际应用中的挑战。

《大模型RAG应用开发：构建智能生成系统》系统介绍检索增强生成（RAG）技术的核心概念、开发流程和实际应用。《大模型RAG应用开发：构建智能生成系统》共分为11章，第1～3章详细介绍RAG开发的基础，包括环境搭建、常用工具和模块，帮助读者从零开始理解RAG系统的工作原理与开发技巧；第4～8章聚焦RAG系统的具体搭建，从向量数据库的创建、文本的向量化，到如何构建高效的检索增强模型，为开发RAG应用奠定基础；第9～11章通过实际案例，包括企业文档问答系统、医疗文献检索系统和法律法规查询助手的实际开发，帮助读者在特定领域深入理解和应用RAG技术。《大模型RAG应用开发：构建智能生成系统》适合RAG技术初学者、大模型和AI研发人员、数据分析和挖掘工程师，以及高年级本科生和研究生阅读，也可作为培训机构和高校相关课程的教学用书或参考书。

《从零构建大模型：算法、训练与微调》是一本系统且实用的大模型构建指南，旨在引领读者从基础知识起步，逐步深入探索大模型的算法原理、训练方法及微调技术。《从零构建大模型：算法、训练与微调》共12章，涵盖了Transformer模型的基础理论，如Seq2Seq模型、分词、嵌入层和自注意力机制等关键概念；并深入剖析了GPT模型的核心实现与文本生成过程，以及BERT模型的预训练和微调技术。同时，也对ViT（视觉Transformer）模型的架构、训练方法，以及高阶微调策略如Adapter Tuning和P-Tuning进行了详尽讲解。此外，还系统地介绍了数据处理、数据增强、模型性能优化（包括混合精度训练和分布式训练）、对比学习、对抗训练、自适应优化器、动态学习率调度，以及模型蒸馏与剪枝技术等多个方面。最后，通过应用案例，展示了模型训练和微调的完整流程，助力读者将理论知识转化为实践技能。全书注重理论与实践的结合，适合希望系统掌握大模型构建、训练和优化的研发人员、高校学生，也适合对自然语言处理、计算机视觉等领域的大模型开发有兴趣的读者。还可作为培训机构和高校相关课程的教学用书。

《多模态大模型：从理论到实践》系统地介绍多模态大模型的理论基础、关键技术与实际应用。全书分为两部分12章，第1部分（第1～5章）围绕基础理论与技术解析展开论述，包括基本概念、Transformer架构、跨模态对齐、模态融合，以及多模态大模型的预训练方法、模型微调与优化等，为理解多模态大模型的构建逻辑奠定基础。第2部分（第6～12章）聚集于多模态大模型的高级应用与场景实现，包括主流视觉语言模型（如CLIP、BLIP-2等）的实现、跨模态推理与生成的技术应用、多模态大模型的推理与优化方法、模型的安全与可信性问题，并通过多模态检索与推荐系统、多模态语义理解系统和多模态问答系统的端到端开发实践，展示了多模态大模型的实际落地路径。《多模态大模型：从理论到实践》兼具理论深度与实际应用价值，适合大模型和AI研发人员、人工智能领域的从业者以及高校师生阅读使用，也可作为培训机构和高校人工智能及相关专业的教材或参考书。