本书主要以国内A股市场为例，借助第三方量化交易平台，讲述了KNN、线性模型、决策树、支持向量机、朴素贝叶斯等常见机器学习算法在交易策略中的应用，同时展示了如何对策略进行回测，以便让读者能够有效评估自己的策略。 另外，本书还讲解了自然语言处理（NLP）技术在量化交易领域的发展趋势，并使用时下热门的深度学习技术，向读者介绍了多层感知机、卷积神经网络，以及长短期记忆网络在量化交易方面的前瞻性应用。 本书没有从Python基础语法讲起，对于传统交易策略也只是一带而过，直接将读者带入机器学习的世界。本书适合对Python语言有一定了解且对量化交易感兴趣的读者阅读。

现代软件规模大、实时性要求高，所以掌握提升处理和响应速度的多线程技术势在必行。本书涵盖多线程编程的核心库、方法、原理，透彻讲解了高并发的本质与应对方法，帮助读者解决高并发环境下的业务瓶颈。●本书具体内容如下。第1章讲解Java多线程的基础知识，包括Thread类的核心API的使用。第2章讲解在多线程中通过synchronized关键字对并发访问进行控制的方法，为读者学习同步知识打好坚实的基础。第3章介绍线程间通信，以在多线程中进行数据传递。第4章介绍并发访问时的同步处理实现，包括读写锁（Lock对象）等相关技术点。第5章剖析定时器Timer类的内部原理。定时器在Android开发中会有深入应用，是很重要的技术点。第6章介绍单例模式下多线程的全面解决方案。第7章对前面遗漏的知识点进行补充，使多线程的知识体系更加完整，尽量做到不出现技术空白点。第8章介绍并发集合框架，可以大大提升开发多线程应用程序的效率。第9章介绍线程池的使用，让线程管理更规范、高效。这也是Java程序员面试必问的技术点。

本书共9章，设计了9个与网络编程相关的App。第1、2章为全局性、通用性基础知识。第3~9章完成了7个具有较高实用价值的App，依次是网络爬虫App、DenseNet App、智能Web App、智能Android App、智能桌面App、人脸考勤App和机器人聊天App。 本书具备高阶性、创新性与挑战性，可作为网络工程、软件工程、计算机科学与技术、人工智能等专业的本科生教材，也可作为毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，适合研究生和工程技术人员学习参考。

本书采取“项目基础→项目实战→移动项目→智能项目→项目管理”的结构和“由浅深，由深到精”的学习模式编写而成。全书分为5篇，共17章。首先讲解项目基础，包括软件设计与架构、软件接口设计和软件数据库架构等内容；其次讲解项目实战，包括坦克大战游戏、桌面监控系统、企业财务管理系统和酒店管理系统等内容；再次讲解移动项目，包括在线考试系统、网上商城购物系统和“书博士教育”微信小程序等内容；接着讲解智能项目，包括人工智能——人脸识别系统、人工智能——图像识别系统、航空订票系统、电子邮件系统和智能停车管理系统等内容：最后讲解项目管理，其中包括软件测试与发布、软件版本管理与加密技术等内容。本书的目的是从多角度、全方位地帮助读者快速掌握软件开发技能，构建从高校到社会与企业的就职桥梁，让有志于从事软件开发行业工作的读者轻松步入职场。本书适合从事Java软件开发的读者阅读，也适合正在做软件专业毕业设计的大学生及大专院校和培训机构相关专业的学生参考选用。

图形化编程指的是一种无须编写文本代码，只需要通过鼠标拖曳相应的图形化指令模块（积木），按照一定的逻辑关系完成拼接就能实现编程的形式。本书作为全国青少年软件编程等级考试（图形化编程四级）配套学生用书，基于图形化编程环境，遵照标准和大纲，带领读者通过一个个生动有趣的游戏、动画范例，在边玩边学中掌握考核目标对应的等级技能和知识。标准组专家按照真题命题标准设计所有范例和每课练习，有助于读者顺利掌握考试大纲中要求的各种知识。本书适合参加全国青少年软件编程等级考试（图形化编程四级）的中小学生使用，可作为学校、校外培训机构开展图形化编程教学的参考书。

本书主要介绍大数据分析、人工智能的实战应用。全书共 9 章，通过 8 个大型的数据分析案例，系 统地介绍常用的数据分析方法。 这 8 个大型案例涉及数据可视化方法，回归、聚类、决策树、朴素贝叶斯等机器学习算法，以及深度 学习算法等内容。各章程序在 Python 3.8.5 环境下编写完成，在案例编写过程中，涉及 Pandas、NumPy、 Matplotlib 等 Python 中常用的依赖库，最大限度地帮助读者掌握相关知识内容。每个案例之间相互独立， 读者可以根据自己的兴趣选择相关章节进行学习。 本书内容丰富，通俗易懂，以实操为目的帮助用户快速掌握相关技能。书中案例程序全码解析，注释 完备，在编程环境下经过简单的修改便可以使用。本书不仅适合大数据分析、人工智能相关领域的入门读 者使用，也适合有一定基础的读者进行实战时参考，同时适合本科生、研究生及对 Python 感兴趣的读者 阅读。

本书采用一种创新的模型论进行逻辑编程，从数据集的基本概念（即闭原子集）开始。沿着这一基本概念，我们引入视图（即虚拟关系）；我们将经典逻辑程序定义为视图定义集，使用传统的类似于Prolog的表示法编写，但语义是根据数据集而不是根据实现方式给出。然后介绍了一些闭原子操作，如“添加”和“删除。

本书内容包括经典的算法设计技术，主要介绍数据结构和标准模板库、递归与分治策略、动态规划、贪心算法、回溯算法、分支限界算法、图的搜索算法、图论、数论和组合数学问题。本书包括大量的问题实例，并在北京大学、浙江大学和杭州电子科技大学在线题库中精选原题，详细地分析解题的方法，深入浅出地讲解用到的算法，章后的上机练习题也选自在线题库中的典型题目，供读者练习，以巩固所学算法。本书内容基本上涵盖了目前大学生程序设计竞赛所要掌握的算法。 本书结构清晰、内容丰富，适合作为计算机科学与技术、软件工程以及相关学科算法课程的教材或参考书，特别适合有志于参加信息学竞赛和ACM大学生程序设计竞赛的读者学习和训练。

本书以计算机语言的学习与认知过程为主线，以实战演练为主导，按照程序设计的编写思路进行讲解。本书共10章，首先让读者对C语言、C语言程序设计进行整体认知，随后在实践中了解数据类型、常量、变量、运算符及表达式以及C语言的基本语句，逐步引入程序的三大结构、函数实现模块化、数组批量存储数据、指针优化程序性能、结构体存储复杂数据和文件完成数据的永久存储。本书逻辑性强，具有较强的实用性和可操作性。本书可作为普通高等院校“C语言程序设计”课程的教材，也可供计算机工程技术人员参考。

《TensorFlow与Keras——Python深度学习应用实战》是一本使用Python TensorFlow Keras实现深度学习的入门图书，全书秉持“先图解、再实现，而后实战应用”的精神，带你实际训练自己的深度学习模型。其中第1篇详细介绍了人工智能、机器学习、深度学习基础，TensorFlow和Keras开发环境的搭建；第2篇介绍了多层感知器在回归问题和分类问题中的应用；第3篇介绍了卷积神经网络CNN在计算机视觉中的应用；第4篇介绍了循环神经网络RNN在自然语言处理中的应用；第5篇介绍了深度学习模型的构建。全书内容丰富，并通过大量的图形和案例进行讲解，可以让读者快速看懂学会，特别适合大中专院校人工智能相关专业学生、机器学习/深度学习初学者作为参考书学习。