图是大数据关联分析的基础模型。本书以图为核心，对于大规模图数据管理与分析进行了深入的阐述。本书涵盖了从基础的图数据定义和表示到图算法、图数据库系统、图计算系统、图机器学习等内容；也介绍了不同类型的图数据、各种图算法以及实际应用中的案例。此外，本书努力从跨学科的角度，为读者建构图数据管理与分析的完整的知识体系。本书适合于作为高等学校计算机专业、数据科学专业高年级本科生或研究生的教材，也适合作为从事相关研究或者研发工作的专业技术人员的参考书籍。

随着AI技术的日新月异，AI文生视频已经成为内容创作领域的新宠。本书对这一领域进行深度剖析和前瞻展望。首先，从AI文生视频的起源讲起，详细介绍了其背后的技术原理和发展历程，并对当前主流的AI文生视频软件，如 Sora、Pika、Runway等进行了全面剖析。其次，从脚本设计、素材选择、后期处理、视频优化、导出与发布等环节入手，阐述了创作者应如何掌握AI 文生视频创作方法。最后，从 AI虚拟人、AI演示、AI 广告、AI游戏、AI 教育和 AI传媒6个方面，展示了 AI文生视频在各领域的广泛应用。 本书在系统讲述AI文生视频理论及应用的同时，穿插了大量实践案例，内容十分丰富。无论是内容创作者、行业分析师，还是普通读者，都能从中获得启发。

本书分别从全局主题视角和局部主题视角多维度抽取典籍英译海外评论关注的主题，为适应网络评论的多语言跨领域环境，提出基于情感词典的中英文评论情感分析方法、基于跨领域迁移学习的典籍英译评论情感分析方法和基于多任务学习的典籍英译评论细粒度情感分析方法，并完成典籍英译评论观点汇总和主题词云可视化。本书主要面向计算语言学和文本挖掘领域的研究生和相关专业的研究人员，既可以作为开展文本分析与处理研究的教科书，又可以作为相关部门管理和研发人员的参考书。

高性能计算机的性能持续增长，然而由于负载不均、资源竞争等性能问题，大量并行程序无法高效地利用底层硬件系统，导致了极大的资源浪费。围绕上述挑战，本书在大规模并行程序性能分析与优化方面开展了深入研究，主要的特色为结合编译技术和图分析技术进行性能分析与优化指导。书中介绍了性能分析与优化的相关背景和当前面临的重要挑战，并针对这些挑战进行了四方面的研究工作：针对并行程序性能瓶颈定位难的挑战，提出了基于图分析技术的自动可扩展性瓶颈检测方法，并实现了轻量级的瓶颈检测系统；针对大规模并行程序性能分析系统开发复杂度高的挑战，提出了面向性能分析的领域特定编程框架；针对性能优化策略选择难的挑战，提出了异步策略感知的性能建模方法；基于上述性能分析与建模技术，设计并实现了面向领域的多层次自动性能优化系统。本书可为具有一定计算机系统结构或高性能计算知识的本科生、研究生及研究人员，特别是研究方向为并行计算、性能分析与优化等相关领域的研究者提供一定的参考与帮助。

本书深度探讨了当今科技领域最引人注目的大规模语言模型相关技术，内容主要围绕大规模语言模型构建、评估和应用展开，分为以下四部分：第 1～5章主要介绍大规模语言模型的发展历程及其训练相关内容，包括语言模型的基本架构、大规模语言模型的高效微调技术、人类反馈强化学习和模型的分布式训练；第 6和 7章主要介绍大规模语言模型的推理优化技术、推理加速框架和模型的评估；第 8～10章主要介绍大规模语言模型扩展和应用，包括大规模语言模型和知识的融合、多模态大规模语言模型的技术介绍和其智能体扩展应用，以及大规模语言模型的垂直领域应用；第 11章主要介绍大规模语言模型研究的困难、挑战和未来潜在研究方向。本书面向技术爱好者、从业者、学术研究者和一般读者。它提供大规模语言模型相关的全面介绍，帮助从业人员和专业人士了解大规模语言模型的应用及技术原理，支持学术界研究前沿技术，并以通俗的语言帮助读者理解这一技术及其对生活的影响。

本书主要从总述和案例分析两方面入手，介绍软件工程项目案例。本书选取了不同种类的案例进行分析，包括基于代码分析的系统UML图生成案例、电影推荐系统案例、数据采集器案例、Magic图像处理小程序案例等。案例分析由引言、相关背景、功能介绍、系统实现和小结五个方面组成，全面地分析项目案例。本书中的案例“程序理解初探：以基于代码分析的系统UML图生成为例”入选福建省专业学位研究生优秀教学案例。本书的读者对象为学生和老师，学生可以通过这本书学习如何设计和实现项目，老师可以通过这本书更好地将具体案例和教学结合在一起。

技术迭代加速的当下，软件测试成为质量保证必不可少的环节。《软件测试：探索式测试的设计思路与实践》深入探讨了软件质量的核心价值，从灵活的局部探索式测试到全面的全局探索式测试以及高效的混合探索式测试，作者精选了经过微软团队实证并经过时间检验的十多种方法与案例。此外，作为软件测试专家，作者还采用诙谐风趣的风格，针对如何规划和经营成功的职业生涯给出实用的建议，精选了多年来深受广大测试人员喜爱的精华文章合集。《软件测试：探索式测试的设计思路与实践》特别针对测试人员、QA 专家、开发人员、团队、项目经理和架构师，可以帮助他们了解软件测试的全貌，具有较强的实用性和指导性，是一本难得的软件测试启蒙和进阶好书。

这是一本面向实战的现代C 指南，由作者结合30余年C 编程经验倾力打造。书中聚焦开发者日常高频使用的语言特性，重点讲解惯用法（而非罗列语言里的琐碎细节），展示代码示例及其技术原理，旨在帮助大家又快又好地使用C 。作者精选了对象生存期与RAII、移动语义、标准模板库（STL）、视图、智能指针、错误处理、并发与异步编程等核心主题，深入浅出地剖析语言特性，并针对实际开发中的常见问题提供解决方案。 本书面向C C 程序员（特别是遇到困难、希望深入理解并优化C 开发的读者），以及其他需要提升C 编程能力的开发者。

《MATLAB神经网络分析及应用》以MATLAB R2023b为平台，以实际应用为背景，采用“理论 公式 经典应用”相结合的形式，深入浅出地讲解MATLAB神经网络经典分析与应用。全书共11章，主要包括为什么神经网络应用广泛、MATLAB快速入门、感知器分析与应用、线性神经网络分析与应用、BP神经网络分析与应用、RBF神经网络分析与应用、反馈神经网络分析与应用、竞争型神经网络分析与应用、神经网络的Simulink应用、自定义神经网络、深度神经网络的分析与应用。通过学习本书，读者可以认识到神经网络在各领域中的广泛应用，可以领略到利用MATLAB实现神经网络的方便、快捷、专业性强等特点。《MATLAB神经网络分析及应用》可作为神经网络领域初学者和提高者的学习资料，也可作为高等院校相关课程的教材，还可作为广大科研人员、学者、工程技术人员的参考用书。

本书全面深入地探讨了AI生成大模型的领域，从AI的历史探源、生成式模型在不同领域的应用（文本、图片、声乐、视频及多模态模型），到大型语言模型（如GPT）的运作机制、预训练、可扩展架构及其适应性。通过详细介绍LangChain的概念、应用、安装方法及如何利用LangChain进行软件开发和数据科学，本书为读者提供了一个关于AI生成大模型应用的全景视图。本书共11章，覆盖了AI生成大模型的理论基础、LangChain的初识与入门、进阶使用、在软件开发和数据科学中的应用及生成式AI的未来展望等多个方面。第1~3章介绍AI生成大模型的基础知识，如AI历史、生成式模型在不同领域的应用、大型语言模型如GPT的基础和LangChain的初识与入门。第4~6章深入LangChain的进阶使用，探讨Agent构建、文档查询工具、聊天机器人开发，提供实战案例和技术细节。第7~9章聚焦LangChain在软件开发和数据科学的应用及定制LLM输出的策略，介绍编程、自动化软件开发、数据探索技术方法及LLM输出优化。第10章和第11章讨论LLM在生产环境的应用、监控、回调处理，以及生成式AI的未来展望，包括其潜力、社会影响和挑战，旨在为读者提供从入门到进阶的全面知识，适合不同背景的读者深入学习和应用。本书特色在于其理论与实践相结合的方法论，适合对AI生成大模型感兴趣的学生、研究人员和软件开发者。书中不仅详细介绍了AI生成大模型的基础知识和前沿技术，还提供了丰富的实践指导和案例分析，帮助读者掌握如何在实际项目中应用这些技术。此外，配套资源丰富，包括示例代码、工具安装指南和案例研究，极大地增强了本书的实用性和指导性。无论是AI领域的新手还是有经验的开发者都能从中获得必要的知识和灵感。