"本书以实战开发为主线，引导读者快速的从C11基础理论上升到通用模块的设计和开发，进一步过度到实际的业务在开发过程中。本书共8章，第1~4章讲述C的快速的浏览了设计模式、C98和C11的基础知识，特别是元编程部分的相关知识。第5~7章讲述各种设计模式的通用模块的实现原理，并进一步的讲解了实际实现的通用的设计模式模块代码。第8章给出了这些框架实际用示例，方便引导读者自己设计或者直接在自己的工程中中使用相关代码。本书示例代码丰富，实际性和系统性较强，并配有视频讲解，助力读者透彻理解书中的重点、难点。本书中相关内需要读者具有基本的C知识，数据结构知识及设计模式知识。本书中所有的代码都是经过实际验证和测试的，适合具有实际工程经验的工程师、工程管理人员、高校教师及培训结构教师学习和参考。"

《深入C#函数式编程》阐述了函数式编程的历史背景、基本概念和实践，展示了如何借助于 C# 语言和函数式编程来增强代码的可读性和可维护性以及提高代码的质量。书中还探讨了 C# 语言中非传统结构的使用方法以及如何通过函数式编程重构现有的代码。此外，本书还通过丰富的案例分析了在实际业务场景中应用 C# 函数式编程能带来哪些实际的好处。通过本书的阅读，广大 C# 程序员——无论是初学者还是有经验的开发者，都可以从中学到如何巧用函数式编程来显著提高工作效率和代码质量。

自然语言处理被誉为“人工智能皇冠上的明珠”。深度学习等技术的引入为自然语言处理技术带来了一场革命，尤其是近年来出现的基于大语言模型的方法，已成为研究自然语言处理的新范式。本书在介绍自然语言处理、深度学习等基本概念的基础上，重点介绍新的基于预训练语言模型和大语言模型的自然语言处理技术。本书包括基础知识、预训练语言模型和大语言模型三部分：基础知识部分主要介绍自然语言处理和深度学习的基础知识、基本工具集和常用数据集；预训练语言模型部分主要介绍语言模型、预训练词向量、预训练语言模型的实现方法和应用；大语言模型部分首先介绍大语言模型的预训练方法，其次介绍大语言模型的适配、应用和评估方法，接着介绍基于预训练语言模型思想的各种延伸技术，最后以DeepSeek 系列模型为例，介绍大语言模型的最新技术进展。除了理论知识，本书还有针对性地结合具体案例提供相应的PyTorch 代码实现，让读者不仅能对理论有更深刻的理解，还能快速地实现自然语言处理模型，达到理论和实践的统一。本书既适合具有一定机器学习基础的高等院校学生、研究机构的研究者，以及希望深入研究自然语言处理算法的计算机工程师阅读，也适合对人工智能、深度学习、大语言模型和自然语言处理感兴趣的学生和希望进入人工智能应用领域的研究者参考。

全书共分10 章，全面介绍知识增强大模型涉及的各类技术，涵盖大模型、向量数据库、图数据库、知识图谱、检索增强生成、GraphRAG 等内容，并辅以丰富的实例、精心绘制的插图和深入浅出的技术解析，帮助读者快速掌握知识增强大模型的理论，引导读者逐步构建知识增强大模型应用。本书既可以作为人工智能相关的技术从业者、企业或机构管理者的工具书，指导实际工作；也适合作为人工智能、计算机等相关专业高年级本科生或研究生学习知识增强大模型应用开发的入门图书和进阶指南。

《推荐系统核心技术与实践》循序渐进地讲解了使用Python语言开发推荐系统的核心知识，并通过实例的实现过程演练了各个知识点的使用方法和使用流程。全书共分 12 章，内容包括推荐系统基础知识介绍、基于内容的推荐、协同过滤推荐、混合推荐、基于标签的推荐、基于知识图谱的推荐、基于隐语义模型的推荐、基于神经网络的推荐模型、序列建模和注意力机制、强化推荐学习、电影推荐系统、动漫推荐系统等。本书内容讲解简洁而不失技术深度，内容丰富全面，用简练的文字介绍了复杂的案例，易于读者学习。《推荐系统核心技术与实践》适用于已经了解了Python语言基础语法，想进一步学习机器学习、深度学习、推荐系统技术的读者，还可以作为高等院校相关专业师生和培训机构的教材。

拥抱软件开发的未来！《OpenAl API编程实践（Java版）》是Java开发者学习使用ChatGPT和OpenAI API构建智能应用的理想帮手。本书从基础入手，详细阐述如何以编程方式使用ChatGPT。你将学习ChatGPT和OpenAl API的基础知识，包括身份验证、发送提示、生成响应、在Playground中进行测试以及处理错误等。通过完成实战练习，你将进一步了解不同API功能的实际应用。此外，你将学习如何使用GPT-4、GPT-3.5、Whisper、DALL-E等模型，为自己的AI应用程序注入强大动力。本书将帮助开发人员认识到，生成式Al工具并不能取代软件开发工作，而是作为辅助工具，来帮助提高开发效率！你将学会利用ChatGPT作为Java Al结对程序员，为Java应用程序提供强大的NLP功能，从而轻松理解各种格式的非结构化文本。最终，你将能逐步应用所学知识，创建能自动处理Slack和Discord消息的智能聊天机器人。随着人工智能这一新兴领域的蓬勃发展和变革，本书将助力Java开发人员充分利用Al技术，开发出更卓越的应用程序。丰要内容使用ChatGPT和OpenAl API进行身份验证，学习如何设计和发送提示信息演示如何在ChatGPT Playground中测试提示信息如何使用多种AI模型调整温度、Top_p和其他参数，从ChatGPT创建更独特、更具吸引力的响应为Slack或Discord服务器创建智能机器人将上下文纳入提示以获得更贴切的回复，并应用API的高级功能探索ChatGPT和OpenAI的未来发展方向

本书按照循序渐进的顺序讲解了多种常见数据结构的相关定义、实现方式及应用场景，并通过提供配套代码、研读Java源码的方式，让读者能够通过体会代码实现细节的方式加深对各种常见数据结构从理论定义到实践落地过程的理解。本书除了阐述各种常见数据结构的基本定义外，还引申的讲解了常见数据结构内部隐含的特点，使读者能够更加全面地了解各种常见数据结构的特征和优缺点。本书共9章。第1章对数据结构时间、空间效能的评判标准进行讲解。第2章对数组和链表及其引申结构进行讲解。第3章对栈和队列两种基于数组和链表的逻辑结构讲解。第4章对常见的搜索、排序算法进行讲解。第5章对字符串结构及字符串匹配算法进行讲解。第6章对多种常见树形结构及相关算法进行讲解。第7章对堆结构进行讲解。第8章对散列表结构进行讲解。第9章对图结构及其常见算法进行讲解。本书既适合具有一定Java语言基础的高校学生作为学习数据结构、研究其实现原理的参考书籍，也对具有一定工作经验、需要对不同数据结构之间差异性、内在特征进行研究的人群均有一定参考价值。

本书以MathWorks公司最新推出的MATLAB R2024a软件为基础，系统讲解了MATLAB基本环境和操作方法及在数学建模中的应用；分章阐述了矩阵计算、数值计算、符号计算、数据可视化、数据分析、M文件编写、文件读写、MATLAB编译器、应用程序接口等内容；并结合相关的函数或命令，精心编写了一些数学建模方面的示例，用来详细说明具体函数和命令的使用方法，并在每章的小结中给出了软件使用的经验技巧等供读者参考，是一本软件基础知识与数学建模应用相结合的学习手册。

这是一本面向AI开发人员以及对生成式人工智能技术感兴趣的读者的专业图书。《生成式AI应用开发：基于OpenAI API实现》深入探讨生成式AI技术的原理与实现，以及如何利用OpenAI API进行高效开发。《生成式AI应用开发：基于OpenAI API实现》内容包括ChatGPT的原理解析、OpenAI API请求库的使用、飞书AI机器人的构建、AI编程辅助插件的开发、Hugging Face模型的私有化部署与微调，以及检索增强技术RAG和Prompt Engineering的优化策略。书中不仅系统地梳理了生成式AI应用开发的关键知识点，还通过丰富的实际代码案例指导读者在不同垂直领域实现AI应用的开发。此外，《生成式AI应用开发：基于OpenAI API实现》还扩展介绍了AI应用的社区生态，帮助读者将理论知识应用到实践中，培养独立开发和优化生成式AI应用的能力。《生成式AI应用开发：基于OpenAI API实现》适合希望深入了解并实践生成式AI技术的人员，无论是初学者还是有经验的开发者，都能从中获得宝贵的知识和启发。通过阅读《生成式AI应用开发：基于OpenAI API实现》，读者将能够掌握从理论到实践的全方位知识，为未来的AI应用开发打下坚实的基础。

《联邦学习》为研究人员和从业者深入探讨了联邦学习最重要的问题和方法。联邦学习（Federated Learning，FL）是一种机器学习方法，其中训练数据不是集中管理的。数据由参与联邦学习过程的各方保留，不与任何其他实体共享。这使得联邦学习成为一种日益流行的机器学习解决方案，适用于因隐私、监管或实际原因而难以将数据集中到一个存储库中的任务。本书阐述了联邦学习的最新研究进展和最先进的发展成果，包括从最初构想到首次应用和商业化使用。为了全面、深入地了解这个领域，研究人员从不同的角度探讨了联邦学习：机器学习、隐私和安全、分布式系统以及具体应用领域。读者将从这些角度了解联邦学习所面临的挑战、它们之间的相互关系，以及解决这些挑战的前沿方法。本书第1章介绍了联邦学习的基础知识，之后的24章深入探讨了各种不同的主题。第l部分涉及以联邦方式解决各种机器学习任务的算法问题，以及如何进行高效、规模化和公平的训练。第I部分主要介绍联邦学习过程运行的系统的实际问题。第川部分着重介绍如何选择隐私和安全解决方案，以适应特定的应用场景。第IV部分讲解了联邦学习的其他重要应用案例，如拆分学习和纵向联邦学习。最后，第V部分介绍实际企业环境中联邦学习的应用和案例。