本书以图解的方式讲述数据结构及其算法，力求简洁明了地阐述复杂的算法理论，以C 作为描述语言解析算法的执行过程，以大量的范例程序来展示数据结构的使用及其相关算法的具体实现。 数据结构是计算机专业的核心课程之一，也是编程爱好者程序设计的重要基础。本书内容包含这门必修课的完整知识体系：数组、链表、堆栈、队列、树、图等数据结构，以及基于这些数据结构的各类算法等。为了教学的需要，每章都提供了丰富的课后习题及详细的参考答案。 本书图文并茂，文字简洁、清晰，范例丰富、可操作性强，并配有视频教学微信扫码阅读，PPT课件、范例程序源代码、课后习题与参考答案和数据结构专有名词索引电子版下载，适合学习数据结构和算法的读者作为自学参考书，也适合作为高等院校计算机及信息相关专业的教材。

主要内容 ●构建 可调用React功能的函数组件 ●管理本地状态、共享状态以及应用程序状态 ●学习内置hook、自定义hook以及第三方hook ●利用React Query加载、 更新和缓存数据 ●利用代码 分割和React Suspense请求数据并提升页面体验

本书介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习能处理的问题进行求解。本书配套源码、PPT课件、习题答案、开发环境与QQ群答疑。 本书共分14章。内容包括k近邻算法、朴素贝叶斯、聚类、EM算法、支持向量机、决策树、线性回归、逻辑回归、BP神经网络经典算法，以及垃圾邮件分类、手写数字识别、零售商品销售量分析与预测、个性化推荐等综合案例。本书算法首先给出了数学原理及公式推导过程，然后给出算法实现，最后所有算法及案例均以Python实现，方便读者在动手编程中理解机器学习的经典算法。 本书适合Python机器学习初学者、机器学习开发人员和研究人员使用，也可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的本科生、研究生学习人工智能、机器学习的教材。

本书是为高等学校非计算机专业学生编写的基础教材。全书共分12章，系统介绍Python程序设计语言及其程序设计的方法与技术。本书结构合理，概念清晰，内容循序渐进，取材得当，书中提供的科学计算与数据分析项目基础及项目案例可为学习者的后续学习和项目开发提供较好的帮助。为便于教学，本书提供了高质量的配套PPT、微视频、扩展阅读、源代码以及习题参考答案和难点解析等教学资源。本书可作为高等学校非计算机专业“Python程序设计”课程教材，也可作为计算机专业本科生程序设计课程的教材或参考书，还适合于自学者使用。

这是一本以实战为导向、系统讲解分布式协议与算法、深刻揭示分布式系统精髓与本质的著作。作者以自己在腾讯和Intel的多年分布式系统工程经验为基础，用图文并茂、通俗易懂的方式详细讲解了分布式的基础理论、协议、算法，以及它们如何在工程实践中落地。 通过本书，你将掌握如下核心知识：（1）4大分布式基础理论 详细讲解分布式架构设计的核心基础理论，包括拜占庭将军问题、CAP理论、ACID理论、BASE理论，这些理论能指导你在实战中根据场景特点选择合适的分布式算法。（2）10种常用的分布式协议和算法 详细讲解了Paxos算法、Raft算法、一致哈希算法、ZAB协议、Gossip协议、Quorum NWR协议、MySQL XA规范、TCC、PBFT算法、PoW算法等常用分布式协议和算法的的原理、特点、适用场景和常见误区等。（3）3大综合实战案例 通过3个综合案例讲解了分布式基础理论和分布式算法在工程实践中的应用，教你将所学知识真正落地。包括InfluxDB企业版的CP架构和AP架构的设计和背后思考，以及Raft、Quorum NWR、Anti-Entropy等分布式算法的具体实现。

网络爬虫技术的重点之一是网络爬虫框架，因此《Python网络爬虫技术与应用》结合网络爬虫框架的相关案例重点介绍网络爬虫的常见框架，包括PySpider网络爬虫框架的安装和使用，Scrapy网络爬虫框架的安装和使用，以及Scrapy网络爬虫管理与部署。另外，《Python网络爬虫技术与应用》对Python网络爬虫开发需要的reguests库、Scrapy解析库、存储库、XPath进行了介绍，并介绍了requests库、正则表达式、XPath等的使用方法，还重点讲解了这些库的实际应用。 《Python网络爬虫技术与应用》以Python网络爬虫开发为主线，兼顾理论与实战，全面介绍可操作的Python环境与系统开发相关知识，以及大数据算法、大数据分析、大数据系统互补的作用。另外，《Python网络爬虫技术与应用》还赠送课程大纲、教学课件PPT、实验手册、各章习题及答案、期末试卷及答案、教学和实验视频，方便教师授课。《Python网络爬虫技术与应用》可作为高等院校大数据、计算机、电子信息、软件技术相关专业研究生和高年级本科生的教材，也可作为大数据及编程爱好者的参考用书。

R语言是公开的免费软件、执行效率高、功能强大，所以被大众广泛接受，而成为应用在大数据领域最重要的程序语言。R语言——迈向大数据之路【加强版】从零基础开始，一步一步教导读者轻松学习新版本的R语言，学习本书不需要有统计基础，本书在无形中已灌溉了统计知识给你。本书共19章，内容包含：认识R语言环境，R语言数据类型介绍， R语言函数的使用，程序流程控制，数据输入与输出，数据分析，R语言绘制统计图表等。

本书详细介绍了青少年编程语言Scratch3.0这个软件的技术和实际应用。用大量的实际案例手把手一步一步教会青少年编写有趣的游戏程序，你可以让球跳动，让气球爆炸，让螃蟹过马路，让甲虫穿过迷宫，让飞龙躲避立柱飞行。想做到这些事情吗？你只需要一台电脑，就可以马上开始！本书可以让青少年读者在自己实际操作中体验编写游戏程序的快乐，激发青少年学习程序语言的兴趣，拓展思维能力和实际操作能力。青少年通过本书的学习可以为将来学习Python这种更高级的语言程序打下坚实的基础。

本书系统地阐述机器学习中常见的几类模型，包括模型的思想、原理及实现细节等。同时，本书还结合了当前热门的机器学习框架Sklearn，对书中所涉及的模型进行用法上详细讲解。 全书共10章，第1章介绍机器学习开发环境的配置；第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标，以及用于有监督模型训练的梯度下降算法；第3章介绍逻辑回归模型的基本原理和分类模型中常见的几种评价指标；第4章介绍模型的改善与泛化，包括特征标准化、如何避免过拟合及如何进行模型选择等；第5章讲解K最近邻分类算法的基本原理及kd树的构造与搜索；第6章介绍朴素贝叶斯算法的基本原理；第7章介绍几种常见的文本特征提取方法，包括词袋模型和TF-IDF等；第8章讲解决策树的基本原理，包括几种经典的决策树生成算法和集成模型；第9章介绍支持向量机的基本原理与求解过程；第10章介绍几种经典的聚类算法及相应的评价指标计算方法。 本书包含大量的代码示例及实际案例介绍，不仅可以作为计算机相关专业学生入门机器学习的读物，同时也适用于非计算机专业及培训机构的参考学习书籍。

深度学习是人工智能最热门的领域之一，《Python 深度学习算法实战》详细介绍了常用的深度学习算法、使用 TensorFlow 实现各种算法的方法，以及算法背后的数学原理。全书分 3 部分共 11 章，其中第 1 部分介绍深度学习入门的相关知识、如何构建自己的神经网络，以及 Python 机器学习和深度学习库 TensorFlow 的使用方法。第 2 部分介绍深度学习的基础算法，首先介绍了梯度下降法和它的变体，如 NAG、AMSGrad、Adadelta、 Adam 和 Nadam；然后详细介绍了 RNN 和 LSTM 的知识，以及如何用 RNN 生成歌词；接着介绍了广泛应用于 图像识别任务的卷积神经网络和胶囊网络；最后介绍了如何使用 CBOW、skip-gram 和 PV-DM 理解单词和文档 的语义。第 3 部分介绍一些高级的深度学习算法，探索了各种 GAN，包括 InfoGAN 和 LSGAN，以及自动编码 器，如 CAE、DAE 和 VAE。学完本书，读者将掌握实现深度学习所需要的技能。 《Python 深度学习算法实战》特别适合机器学习工程师、数据科学家、AI 开发人员等全面学习深度学习 的算法知识，也适合有一定机器学习和 Python 编程经验，对神经网络和深度学习感兴趣的所有人员。