本书从介绍什么是数据结构开始，继而对高级数据结构与算法进行分析。本书以独特的方式，清晰地将每种数据结构的接口与其实现分离开来，即将如何使用数据结构与如何对数据结构编程相分离，本书从抽象思维和问题求解的角度出发，为数据结构和算法提供实用的介绍，并采用现今流行的Java编程语言来实现，是数据结构与算法分析的理想教材。

本书分上下册，是内容分发网络技术的专著，综合了吕智慧副教授和他的团队19年来的研究成果。作者团队同时包括学术界和工业界专业人员。下册展开CDN前沿专题技术阐述，包括面向新媒体的内容分发技术专题、无线网络内容分发技术专题、动态内容加速技术、应用加速技术、直播技术、CDN-P2P混合内容分发技术专题、基于云架构的内容分发技术专题、数据驱动的内容分发技术专题等，在行业内产生一定的影响力。

本书的目标是让读者深入了解凸优化算法。重点是从基本原理推导出凸优化的关键算法，并根据输入长度建立精准的运行时间界限。鉴于这些方法的广泛适用性，一本书不可能展示这些方法对所有方法的应用。本书展示了对各种离散优化和计数问题的快速算法的应用。本书中选择的应用程序旨在说明连续优化和离散优化之间相当令人惊讶的桥梁。

本书针对CBIR中的图像特征表达和相似性度量两个关键环节，从低层视觉到高层语义特征的图像检索技术，重点围绕如何提取和表达图像视觉特征来尽可能地体现图像高层语义、如何对深度特征进行有效的聚合表达来增强特征的表达能力和可辨别能力、如何定义准确的图像相似性度量方法以体现图像语义相似性等问题展开了深入的研究和探讨。本书注重理论方法创新研究和算法应用与实践相结合，涉及图像多特征融合、深度卷积特征聚合、图像索引及相似性度量学习、图像高层语义提取等关键技术，以及基于交互式反馈、情感语义、Web搜索引擎、跨模态等智能图像检索的前沿研究技术。

用于信息安全和隐私的区块链提供了关于分散领域中安全、信任和隐私主流领域区块链使用的基本知识。本书是关于面向区块链的软件和应用程序的技术信息来源。介绍了安全和隐私保护区块链技术的现代方法的并排比较，还讨论了区块链和工业物联网的结合，探索了新的不同层次的信息共享系统，为计算机和软件工程领域的研究人员和开发人员提供工具，以开发解决方案和自动化系统，促进网络空间的安全、信任和隐私。

本书围绕人工智能中的基础数学理论问题展开讨论，介绍了粒子法、网格法，以及混合方法的基本概念，以及它们在动画引擎开发过程中的代码实践。本书的一大特色是为读者提供了面向代码的方法，便于读者上手动画引擎的开发基础。本书兼具实用性和理论性，不仅有详细的理论介绍帮助读者深入理解相关的概念，还提供丰富的代码，以及持续更新的GitHub仓库供读者参考。本书适合人工智能相关专业、计算机专业、计算数学专业的高年级本科生、研究生学习，也可供涉足该领域的研究人员、工程师参考。

本书主要讲解计算机系统中核心的技术知识，涵盖缓存、内存屏障、无锁编程、网络基础、TCP/UDP、端口复用、网络收发包流程、物理内存、虚拟内存等内容。本书还分享了实际工作中可能出现的技术难题及解决方案供读者借鉴。为了使读者轻松、快速地理解书中晦涩难懂的技术知识，本书作者精心绘制了大量的流程图、结构图。为了使读者更好地理解Linux内核源码，本书还提供了大量经过注释的Linux内核源码供读者下载。通过阅读本书，读者可以轻松、快速地掌握这些技术知识，并通过源码和书中配图加强对相关知识的理解。

图灵诞辰百年至今，伟大思想的光芒恒久闪耀。本书云集20位不同方向的科学家，共同探讨图灵计算思想的滥觞，特别是其对未来的重要影响。这些内容不仅涵盖我们熟知的计算机科学和人工智能领域，还涉及理论生物学等并非广为人知的图灵研究领域，最终形成各具学术锋芒的15章。如果你想追上甚至超越这位谜一般的天才，欢迎阅读本书，重温历史，开启未来。

受阻于艰深晦涩的技术原理、陌生又拗口的专业术语，很多人对NFT望而却步。作为深耕 Web3 的研究人员，笔者试图通过通俗的语言、简单的结构、详实的案例，着眼于纵向时间线、横向技术线立体、客观、完整讲解，让零基础的读者迅速掌握 NFT 的核心要义。 本书一共分为8个篇章。抛弃传统定义、历史、应用的旧模式，开篇直入主题，先通过全局概览让读者抛弃定义、概念，直接感受NFT的真实体验。实践是最好的老师，第2章快速带领读者创建、查看、赠送、交易NFT，在动手的过程里加深理解。有了宏观的印象、亲自动手经验之后，第3章通过技术引导带领读者了解当今NFT的七个大分支。 第4章主要试图通过多维度继续理解NFT，厘清NFT与读者到底有何关联，作为不同类型的读者（创作者、开发者、投资者、营销者甚至是公益者）都可以找到与之对应的解读。第5章则提供Web2品牌入局的广泛案例和操作指南，学以致用，让更多品牌理解、加入NFT。 第6章开启NFT趋势探讨，敏锐捕捉当前NFT几个正在发生的新趋势，帮助读者更好抓住未来机遇。第7章直面疑问，监管、政策、危机和探索都是热门话题，作者力图用客观事实详细介绍经验及提供建议。 最后一章，介绍延伸的资料及更多互动机会。

深度学习是人工智能领域无法避开的课题之一，也是比较强大的方法之一。很多从事算法工作或相关工作的人，或多或少都在应用深度学习方法解决相关领域的问题。本书针对深度学习知识做进阶性探讨。通过11章内容，对卷积网络、新型结构、注意力机制、模型压缩、自监督学习、目标检测中的高级技巧、无监督学习、Transformer高级篇，以及图神经网络和元学习进行了深入的探讨，最后对深度学习的未来发展进行了展望。