使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADMM）则是求解带约束优化问题的有力工具。《BR》本书概述了机器学习中ADMM的新进展。书中全面介绍了各种情形下的ADMM，包括确定性和随机性的算法、集中式和分布式的算法，以及求解凸问题和非凸问题的算法，深入介绍了各个算法的核心思想，并为算法的收敛性和收敛速度提供了详细的证明。

如果你想从事计算或技术领域的工作，理解线性代数是少不了的。线性代数的研究对象是矩阵及其运算，是几乎所有计算机算法和分析的数学基础。但它在几十年前的教科书中的呈现方式与专业人员如今用来解决现实世界问题的方式有很大不同。这本来自Mike X Cohen的实用指南讲授了以Python实现的线性代数的核心概念，包括如何在数据科学、机器学习、深度学习、计算模拟和生物医学数据处理应用中使用它们。有了这本书，理解、实现和适应繁多的现代分析方法和算法将不再是问题。

本书系统的介绍了Vue框架基础、框架应用、生态组成、项目实战、框架演进、Vue原理剖析及Vue框架的原理实现。 全书共分为8章：第1章为行业发展介绍，第2章为Vue 2.x的开发基础，第3章为Vue 2.x的组件开发，第4章为Vue CLI开发完全指南，第5章为Vue CLI项目实战，第6章为Vite Vue 3完全开发指南，第7章为Vue 3.x项目实战，第8章为实现原理介绍。书中主要内容包括：Web前端发展史、Vue的诞生、Vue 2.x基础指令、Vue 2.x常用API、Vue 2.x组件系统、Vue 2.x组件化实战、Vue CLI脚手架搭建、Vue Router 3.x路由系统、Vuex 3.x状态管理系统、Axios网络插件、ElementUI框架、Vue 2.x综合项目实战、Vue 3.x基础语法、Vue 3.x组合式API、Vue 3.x响应式API、Vite脚手架、Vue 3.x函数式编程、Vue Router 4.x路由系统、Vuex 4.x状态管理系统、Pinia状态管理系统、ElementPlus框架、Vue 3.x的综合项目实战、Vue 2.x的响应式数据原理、Vue 3.x的响应式数据原理、虚拟DOM原理、Vue 2.x仿真实现、Vue 3.x仿真实现、Vue Router仿真实现和状态管理的高级原理。 书中包含大量应用示例，从基础入门到进阶开发终渗透到原理和实现。书中的开发示例基于VS Code开发工具和Chrome浏览器实现，书中从框架基础到商城项目的实际开发，分别通过Vue 2.x和Vue 3.x两套生态体系完整的阐述了如何使用Vue框架生态进行完整的应用开发，内容完整、步骤清晰，提供了工程化的解决方案。 本书可作为Vue框架初学者的入门书籍，也可以作为行业在职前端程序员及培训机构的参考书籍。

当前，大数据不仅是推进网络强国建设的重要领域，更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。《BR》本书首先简要阐述了大数据的概念、特征和主要发展阶段，并对我国的国家和地方大数据产业政策进行了详细的梳理。在大数据技术章节，按照数据的生命周期对数据采集、存储、计算、管理、应用和安全技术进行了简要的介绍。针对大数据产业，重点从产业发展现状和相关产业主体进行分析。在大数据应用领域，简要介绍了大数据在数字经济、通信、政务、金融、工业等领域的融合应用情况。最后就数据资产、数据要素和大数据法制的发展现状和趋势进行了简要分析和介绍。

数字经济已成为各国经济增长的新动能，并上升为国家发展战略，各国政府和人民对数据跨境流动安全问题的关注与日俱增。本书系统介绍了全球数据跨境规则的产生背景及其发展演变的脉络，重点分析了全球主要国家和地区数据跨境治理规则的内容和相互之间的异同，特别介绍了欧盟、美国话语权下的数据跨境流动规则及规则间的弥合，也介绍了其他国际性文件及十余个重点国家和地区的立法现状，同时展望了全球数据跨境规则的未来走向，在此基础上对我国的数据跨境流动治理规则现状进行梳理，并对其实施与完善提出了相关建议。本书语言平实易读，主要以法律法规、执法部门的解释性指南、判决书等一手资料作为参考，介绍分析了国内外立法现状和法律实践。

本书是一本介绍边缘计算的技术科普书。全书共6章，介绍了什么是边缘计算、边缘计算的相关技术有哪些、边缘计算适用的场景，介绍了边缘计算行业组成和生态现状，*后通过业界专家的视角，分享了业界对于边缘计算行业的看法和展望，深入浅出地介绍了边缘计算的技术、现状及发展前景。本书内容专业、全面，覆盖当前技术前沿，用通俗易懂的表述满足大众了解和掌握边缘计算的需求。本书适合边缘计算及物联网行业相关从业者、对边缘计算感兴趣的读者阅读。

本书采用“问题描述+解决方案”模式，通过500个案例介绍了使用Pandas进行数据分析和数据处理的技术亮点。全书共分为8章，主要案例包括：读写CSV、Excel、JSON、HTML等格式的数据；根据行标签、列名和行列数字索引筛选和修改数据，使用各种函数根据数据大小、日期范围、正则表达式、lambda表达式、文本类型等多种条件筛选数据；统计NaN（缺失值）的数量、占比，根据规则填充和删除NaN；在DataFrame中增、删、查、改行列数据，计算各种行差、列差、极差以及直接对两个DataFrame进行加、减、乘、除运算和比较差异；将宽表和长表相互转换，创建交叉表和各种透视表；对数据分组结果进行求和、累加、求平均值、求极差、求占比、排序、筛选、重采样等多种形式的分析，将分组数据导出为Excel文件。本书还附赠36个数据可视化案例，如根据指定的条件设置行列数据的颜色和样式，根据行列数据绘制条形图、柱形图、饼图、折线图、散点图、六边形图、箱形图、面积图等。本书适于作为数据分析师、物流分析师、金融分析师、数据产品开发人员、人工智能开发人员、市场营销人员、办公管理人员、Python程序员等各行各业人员的案头参考书，无论对于初学者还是专业人士，本书都极具参考和收藏价值。

本书按照一般微积分学教程的方式介绍微积分问题的求解，首先介绍函数与序列的描述与图形绘制，然后介绍极限问题的求解、导数与微分问题的求解以及积分问题的求解，并介绍函数的逼近与级数求和等方面的内容，还介绍数值导数与数值积分方面的内容，并给出积分变换、分数阶微积分等的入门介绍。本书可作为一般读者学习微积分学的辅助教材，从另一个角度认识微积分学问题的求解方法，更好地学习微积分学相关问题的求解方法。本书还可以作为高等学校理工科各类专业的本科生和研究生学习计算机数学语言的教材或参考书或查询某数学问题求解方法的手册。

这是一本从业务视角解读推荐系统架构设计、评估方法、数据工程和算法原理的著作。市面上推荐系统方面的著作，内容多以推荐技术、算法和模型为主，让读者误以为掌握了推荐算法就能用好推荐系统并提升业务指标，其实推荐算法只是工具，要真正发挥推荐系统的价值，需要将推荐系统植根于业务之上。本书从业务视角出发，描绘了当下主流推荐系统的设计思想和架构全貌，重点突出系统每个模块所需要解决的问题，进而介绍一到两种实践检验普遍有效、在学术界具备里程碑性质的算法。帮助读者练成识别算法的火眼金睛，从每年大量产出的新算法研究中去粗取精，真正解决实际问题。阅读本书，你将有如下收获：从商业、运营、算法、工程视角理解推荐系统，对推荐系统的认知更加立体化；从业务视角理解推荐系统的顶层设计，掌握业务驱动的推荐系统设计思想；掌握业务驱动型推荐系统的评估方法，涵盖B端、C端和平台等多个维度；了解推荐系统的数据工程，掌握获取各类数据、构建特征体系的方法；从业务视角理解召回、排序和决策智能方面的经典算法和学术界有里程碑意义的算法；从技术和业务的双重视角去规划推荐算法工程师的成长路径，以达到事半功倍的效果。

近年来，在所有科学学科和工业环境中收集的数据量和种类都出现了爆炸式增长。如此庞大的数据集给统计和机器学习领域的研究人员带来了许多挑战。本书对高维统计学进行了详尽介绍，重点介绍核心方法论和理论，包括尾部界、集中不等式、一致律和经验过程以及随机矩阵。此外还深入探索了特定的模型类，包括稀疏线性模型、用秩约束矩阵模型、图模型和各种类型的非参数模型。书中提供了数百个工作示例和练习，既适合统计学相关课程使用，也适合统计学、机器学习和相关领域的研究生与研究人员自学。