暂缺简介...

本书跳出传统数据中心建设框架，介绍金融行业、互联网行业绿色、智能的数据中心建设理念和落地方法，能为组织的决策者、管理者、行业专家、研究学者以及各界云专业人士提供思路指引和实操方法，成为业界数据中心建设的一本通鉴。本书涵盖数据中心的规划、设计、建设与运营四个方面，通过多种典型数据中心的介绍，展现数据中心业态的基本格局。撰写本卷旨在协助读者深入了解数据中心建设的全流程，把握智能、绿色数据中心建设过程中的重要环节和关键基础设施。通过阅读本卷可获得以下三个方面的收益： 1、知晓各家特点：读者能够系统化地了解到IDC行业中各典型数据中心的特点及其基本运转逻辑； 2、谙熟关键环节：读者可以借鉴本卷对数据中心的规划、建设与运营，领悟其中的设计思路、管理方法、关键技术，助力构建安全、稳定、高效、绿色的云数据中心； 3、把握未来方向：能帮助上云组织、决策者、管理者、行业专家、研究学者以及各界云领域专业人士把握数据中心未来发展方向。

《可持续设计：数字·多元·安全》是国际体验设计大会的演讲案例的论文集，汇聚了当下具有影响力的数位国内外知名企业的设计师、商业领袖、专家的大量实践案例与前沿学术观点，分享并解决了新兴领域所面临的新问题，为企业人员提供丰富的设计手段、方法与策略。

本书的编写基于作者多年的实践经验。本书介绍数据通信网络的基础知识和交换机技术，主要内容包括数据通信网络模型、数据在网络中的传输、常用的传输介质、网络设备之路由器、虚拟终端、密码恢复、Wireshark实践、常用的网络排障工具、日志收集与分析、网络的规划设计、QinQ、Bonding和生成树协议。数据通信网络是一个复杂的系统，本书从数据的视角来进行介绍，以期尽可能全面和准确地描述相关的技术。

本书以 CNCF KubeEdge 为例，分理论知识和系统实现两部分，介绍了边缘计算的理论与系统实践。理论知识部分首先介绍边缘计算的概念、挑战与机遇；接着阐述边缘计算的系统架构，包括云计算和虚拟化技术；进一步引出云边端协同机制，重点讲解计算卸载、缓存管理、移动性管理和竞争定价等关键技术；后介绍边缘计算中的 AI 部署。系统实现部分从定位、功能和整体架构3个方面介绍了主流的边缘计算平台，详细介绍了 CNCF KubeEdge 平台中功能模块间通信原理、云边组件等基础知识，后介绍了搭建 CNCF KubeEdge 的具体步骤和使用 CNCF KubeEdge 控制树莓派LED 灯、使用 NPU 实现边缘端人脸识别、实现云边协同的联邦训练等实验的操作步骤。本书将理论与实践相结合，不仅介绍了边缘计算的理论知识，还基于 CNCF KubeEdge 平台实战操作进行了讲解。本书汇集了作者在云边端协同领域多年的科研成果，并结合华为边缘计算团队一线的工程实践经验，可为研究人员、高校学生、企业技术人员学习和部署边缘计算提供参考。

本书力图以简洁明了的例子讲解笔试、面试中常涉及的数据结构与算法，包括以数组为代表的顺序存储结构及以链表为代表的链式存储结构，并依次介绍了栈、队列、树、图、Hash、几个经典的贪心算法，以及一些经典的排序及查找算法。算法的世界奇妙无穷，我们只看到了其中一丁点璀璨，万丈光芒的世界等我们一起探索和创造。 本书适用于学习数据结构和算法知识的人，希望学习如何解算法题或正在刷题的计算机行业从业者，可作为相关专业的辅导参考书。

类脑智能技术是当前国际重要的科技前沿，研究类脑智能技术对发展新型信息产业意义重大。本书介绍了一种新颖的类脑模型—大脑情感学习模型，并介绍了其学习算法、改进技术及应用。大脑情感学习模型根据哺乳动物大脑边缘系统的结构建立，在模拟生物智能行为上表现出了良好的自适应性能，模型结构简单，运算速度快。本书共9章，分为3篇：基础篇、改进篇和应用篇。基础篇主要介绍大脑情感学习模型的研究现状、神经生理学基础与学习算法；改进篇主要介绍大脑情感学习模型的改进技术，通过加入监督学习和竞争学习机制改进模型性能；应用篇主要介绍将改进的大脑情感学习模型用于混沌时间序列预测、疾病诊断、表情识别及人机情感交互等领域的例子。本书可以作为研究生、高校教师及工程技术人员的自学和参考用书，也适合对类脑模型研究感兴趣的研究人员和工程技术人员阅读。

本书共7章，包括工业互联网发展概述、基于5G技术的工业无线网络、工业区块链架构与智能合约引擎系统、面向工业大数据的智能架构与技术、企业级工业边缘云管理平台、产业级工业互联网公共服务平台、典型行业解决方案与应用案例，分别从核心技术、平台架构和行业应用三个维度系统阐述了典型行业的“5G 边缘计算”工业互联网体系的建设与应用。本书既可以作为高等院校相关专业课程的教材，也可以作为工业互联网领域的IT/OT技术人员、垂直行业解决方案架构师以及寻求企业数字化转型方案的管理决策人员的参考用书。

《面向移动设备的深度学习—基于TensorFlow Lite，ML Kit和Flutter》详细阐述了与移动设备深度学习开发相关的基本解决方案，主要包括使用设备内置模型执行人脸检测、开发智能聊天机器人、识别植物物种、生成实时字幕、构建人工智能认证系统、使用AI生成音乐、基于强化神经网络的国际象棋引擎、构建超分辨率图像应用程序等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

本书按实战项目研发的先后顺序，介绍了目标检测神经网络从研发到运营的全生命周期。首先介绍了目标检测场景下的图片标注方法和数据格式，以及与之密切相关的特征融合网络和预测网络；介绍了数据"后处理”所涉及的NMS算法及其变种，在此基础上，读者只需结合各式各样的骨干网络就可以搭建完整的一阶段目标检测神经网络模型。接下来介绍了神经网络的动态模式和静态模式两种训练方法，以及训练过程中的数据监控和异常处理。后以亚马逊云和谷歌Coral开发板为例，介绍了云端部署和边缘端部署神经网络的两种部署方法。其中，对于边缘端部署，本书还详细介绍了神经网络量化模型的基础原理和模型编译逻辑，这对将神经网络转化为可独立交付的产品至关重要。 本书还结合智慧交通、智慧后勤、自动驾驶等项目，介绍了计算机视觉数据增强技术和神经网络性能评估原理，以及边缘计算网关、边缘计算系统、自动驾驶数据的计算原理和PointNet等多个三维目标检测神经网络，帮助读者快速将计算机视觉技术运用到实际生产中。