本书是用轻松有趣的方法学习算法的入门指南。按照算法策略分为8章。第1章以算法之美、趣味故事引入算法，讲解算法复杂度的计算方法，以及爆炸性增量问题。2～7章讲解经典算法，包括贪心算法、分治算法、动态规划算法、回溯法、分支限界法、网络流算法。第8章讲解实际应用中的算法和高频面试算法，包括启发式搜索、敏感词过滤、LRU算法、快慢指针、单调栈、单调队列、零钱兑换、股票交易等。每一种经典算法都有4～8个实例，多数按照问题分析、算法设计、完美图解、算法详解、算法分析及优化拓展的流程进行讲解。全书讲解清晰，通俗易懂，紧扣工程教育认证的要求和实用性，力求满足新工科人才培养的需要。本书为河南省“十四五”普通高等教育规划教材，提供了丰富的教学资源与答疑服务，包括源代码、课件、教案、习题、在线答疑和在线测试系统。本书既适合作为高等院校计算机及相关专业的算法教材，也适合对算法感兴趣的初学者以及需要提升技术能力的在职人员阅读。

《FPGA开发及应用——基于紫光同创Logos系列器件及Verilog HDL（微课视频版）》以紫光同创公司的FPGA为例，全面系统地讲述了基于可编程逻辑器件的设计方法，结合实践讲解了大量的典型实例，便于读者理解和演练。书中从国内企业生产的EDA工具的使用到FPGA应用设计，再到Cortex-M1软核处理器的设计与应用，几乎涉及FPGA开发设计的所有知识，具体内容包括紫光同创FPGA芯片介绍、Pango Design Suite开发工具概述、Verilog语言、基本逻辑电路设计、ModelSim仿真、IP介绍、大量实例讲解、Cortex-M1设计开发等。 《FPGA开发及应用——基于紫光同创Logos系列器件及Verilog HDL（微课视频版）》可作为FPGA开发初学者及工程技术人员的参考用书，也可作为电子信息工程、计算机科学与技术等相关专业本科生、研究生的教材。

理解TensorFlow模型模式和ML工作流中的最佳实践。使用代码段作为构建TensorFlow模型和工作流的模板。通过集成TensorFlow Hub中的预建模型节省开发时间。使用加速器集群（如GPU或TPU）充分利用分布式训练。对数据摄取、训练模型、模型保存和推理做出明智的设计选择。

研究张量，这是机器学习中最基本的结构。通过一个真实示例完成数据与张量的来回转换。使用TensorFlow.js结合AI和Web。使用资源转换、训练和管理机器学习数据。从头开始构建和训练你自己的训练模型。

本书重点突出深度强化学习理论的基本概念、前沿基础理论和Python应用实现。首先介绍马尔可夫决策、基于模型的算法、无模型方法、动态规划、蒙特卡洛和函数逼近等基础知识；然后详细阐述强化学习、深度强化学习、多智能体强化学习等算法，及其Python应用实现。本书既阐述奖励、价值函数、模型和策略等重要概念和基础知识，又介绍深度强化学习理论的前沿研究和热点方向。本书英文版出版之后，广受好评，已成为深度强化学习领域畅销教材，也可为人工智能和机器学习等领域的科研工作者、技术工程师提供参考。

Perl能在绝大多数平台上完成几乎所有任务，不管是简单的修修补补，还是大型完备的网络应用。《Perl语言入门》从zui基础的开始教起，然后逐渐深入，让你慢慢能够自行编写多至128行的程序——如今90％的Perl程序差不多都是这般大小。本书每章都包含若干习题，帮助你巩固消化刚学到的知识。也许其他书籍只是想着灌输Perl编程的条条框框，但本书不同，我们希望把你培养成一名真正的Perl程序员。本书是更新的版本。

《Python程序员面试笔试通关攻略》通过深入解析企业面试与笔试真题，在解析过程中结合职业需求深入地融入并扩展了核心编程技术。《Python程序员面试笔试通关攻略》是专门为Python程序员求职和提升核心编程技能量身打造的编程技能学习与求职用书。 全书共11章。首先讲解了求职者在面试过程中的礼仪和技巧，接着带领读者学习Python语言的基础知识，并深入讲解了Python中的序列、字符串、正则表达式、线程、进程、数据库操作等核心编程技术；同时还深入探讨了Python Web开发中使用的主流框架等高级应用技术；最后，对网络编程、AI编程、数据分析、数据爬取等技术进行了扩展性介绍。 《Python程序员面试笔试通关攻略》的目的是从多角度、全方位地帮助读者快速掌握Python程序员的面试与笔试技巧，构建从高校到社会的就职桥梁，让有志于从事Python程序员开发行业的读者轻松步入职场。《Python程序员面试笔试通关攻略》赠送资源比较多，在前言部分对资源包的具体内容、获取方式及使用方法等做了详细说明。 《Python程序员面试笔试通关攻略》适合想从事Python程序员开发行业或即将参加Python程序员求职考试的读者阅读，也可以作为计算机相关专业毕业生阅读的求职指导用书。

本书在不涉及大量数学模型与复杂编程知识的前提下，从零开始逐步带领读者熟悉并掌握当下流行的基于Python 3的数据分析，以及支持单机、深度和分布式机器学习的开源程序库，如pandas、Scikitlearn、PyTorch、TensorFlow、PaddlePaddle、PySparkML等。全书分4部分。入门篇包括对全书核心概念的指南性介绍，以及在多种主流操作系统（Windows、macOS、Ubuntu）上配置基本编程环境的详细说明。基础篇涵盖Python 3的编程基础、基于pandas的数据分析，以及使用Scikitlearn解决大量经典的单机（单核/多核）机器学习问题。进阶篇介绍如何使用PyTorch、TensorFlow、PaddlePaddle搭建多种深度学习网络框架，以及如何基于PySpark的ML编程库完成一些常见的分布式机器学习任务。实践篇利用全书所讲授的Python编程、数据分析、机器学习知识，帮助读者挑战和参与Kaggle多种类型的竞赛实战，同时介绍如何使用Git在Gitee、GitHub平台上维护和管理日常代码与编程项目。 本书适合所有对人工智能领域，特别是机器学习、数据挖掘、自然语言处理等技术及其实践感兴趣的初学者。

暂缺简介...

系统编程为全世界的计算提供了基础。开发性能敏感代码需要一种编程语言，能够让程序员掌控内存、处理器时间以及其他系统资源。Rust系统编程语言将这种控制力与现代类型系统相结合，可以捕捉到从内存管理错误到线程间数据竞争等各种常见的错误。通过这本实用指南，有经验的系统程序员将学会如何成功地使用Rust弥补性能和安全之间的差距。Jim Blandy、Jason Orendorff和Leonora Tindall展示了Rust的特性如何通过将可预测的性能与内存安全和可信赖的并发性结合起来，使程序员得以控制内存消耗和处理器的使用。