生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的新星，被誉为“机器学习领域近20年来最酷的想法”。 本书以直白、简短的方式向读者介绍了生成对抗网络，并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录，分别介绍了PyTorch基础知识，用PyTorch开发神经网络，改良神经网络以提升效果，引入CUDA和GPU以加速GAN训练，以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题，包括计算平衡GAN的理想损失值、概率分布和采样，以及卷积如何工作，还简单解释了为什么梯度下降不适用于对抗式机器学习。 本书适合想初步了解GAN以及其工作原理的读者，也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生，本书可以帮助读者快速入门，为后续的学习打好基础。

软件工程师是一群用代码改变世界的人。过去二三十年，互联网可以说改变了整个世界：我们的联络方式从延续数百年的写信，到后来发邮件，再到现在的即时通信；我们查询信息的方式从一本一本翻书，到现在随时随地使用搜索引擎；我们的购物方式从去商场超市到去亚马逊、淘宝、京东直接下单，再到一小时就能送达手上的盒马；我们的出行方式从站在路边拦出租车到坐在家里叫滴滴……可以说生活工作的方方面面，都发生了巨大的变化。而这些变化的背后站着一个职业，那就是软件工程师。正是软件工程师，通过一行一行的代码，让这一切得以实现。本书就来带你认识这个改变了世界的职业。翻开这本书你会发现——· 软件工程师不是只会搬砖的码农，而是一群简单务实、热爱创新的人· 软件工程师薪酬高，但很多不是利益驱动型的，而是成就感驱动型的· 996不是软件工程师工作的必需，而是行业特定发展阶段和公司管理不力的结果· 35岁的坎儿不是年龄的坎儿，而是能力的坎儿· 软件工程师不是一个可以“吃老本”的职业，终身学习是硬性要求· 代码写得漂亮只是第一步，真正的高手必须在抽象能力、设计能力、取舍能力上下功夫

本书共十章，涵盖了软件产品、敏捷软件工程、特征、场景和用户叙述、软件架构、基于云的软件、微服务架构、安全和隐私，可信赖编程、测试、DevOps和代码管理等内容。

《Project 2019企业项目管理实践》全面介绍了Project 2019的使用方法，不仅包括Project的基本操作，还包括如何使用Project实现项目进度计划编制、项目资源计划编制、项目成本计划编制、项目计划信息发布、创建项目计划阶段报表、多项目计划编制、关键路径分析、项目执行、时间表管理、项目监控与沟通、项目变更管理、项目团队管理、项目收尾管理、需求管理和项目组合管理等内容，还有一章专门介绍了Project Online产品的功能。《Project 2019企业项目管理实践》共分为5篇，共26章，以“基础篇→高级篇→案例篇→综合篇→二次开发篇”为线索具体展开。特别在“案例篇”和“综合篇”中提供了大量值得借鉴的Project操作经验和技巧，能够让读者准确地掌握如何利用Project辅助项目管理工作，而不是被工作所束缚，二次开发篇介绍了如何基于ProjectServer\\ProjectOnline进行二次开发，从而满足客户更多定制化需求。

应用软件跨平台移植的所有方案中，通过对待移植应用软件的源代码进行分析和修改的方法能够彻底有效地解决应用软件对软硬件环境的依赖问题，然而，对源代码的分析和修改的难度和工作量会随着应用软件的规模及复杂度的增加而增加，引入错误的可能性也随之增加。本书提出了一种基于本体的跨平台移植技术，试图让这个过程变得更智能、更便捷。

使用Python进行数据分析与可视化是十分便利且高效的，因此Python被认为是**秀的数据分析工具之一。本书从理论和实战两个角度对数据分析与可视化和Python工具进行了介绍。本书采用理论分析和Python编程实战相结合的形式，按照数据分析与可视化的基本步骤，数据分析与可视化的基本理论知识和相应的Python库进行了详细的介绍，让读者能够在了解基本理论知识的同时快速上手实现数据分析与可视化的程序。本书适合Python初学者、数据分析从业人员以及高等院校计算机科学、软件工程、大数据、人工智能等相关专业的师生阅读。

第1章 Python简介；第2章 Python程序基础语法；第3章 程序的控制结构；第4章 列表和元祖；第5章 字典和集合；第6章 字符串及正则表达式；第7章 函数；第8章 模块；第9章 面向对象程序设计；第10章 文件与文件夹操作；第11章 异常处理与程序调试；第12章 Pygame；第13章 网络爬虫；第14章 综合实例；第15章 课程设计。

本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。本书结合计算机视觉、自然语言处理、金融领域等方面的项目，系统讲述深度学习技术，可操作性强。

Kubernetes为容器化的应用提供了资源调度、部署、运行、服务发现、扩容和缩容等功能，充分发挥了容器技术的潜力，给开发人员和运维人员带来了极大的便利。本书由浅入深地讲解Kubernetes的功能，涵盖Kubernetes的核心组件，注重实战，能够帮助读者快速掌握在各种云平台上设计和部署大型集群的技能。 本书共12章，主要内容包括Kubernetes的安装方法、Kubernetes命令行工具、应用系统的部署、通过服务访问应用、存储管理、软件包管理、网络管理、Dashboard（仪表盘）以及集群管理等，最后通过两个实战案例（部署Spring Boot应用、安装KubeSphere）让读者上手实践Kubernetes。 本书结构清晰、易教易学、实例丰富、可操作性强，对易混淆和实用性强的内容作了重点提示和讲解。本书适合使用Kubernetes的运维人员，也可以作为高等院校和培训机构计算机相关专业师生的教学参考书。

本书介绍了与Abaqus二次开发密切相关的脚本用户手册、脚本参考手册、GUI用户手册、GUI参考手册的常用内容，详细解释了常用脚本命令和GUI命令。其中，脚本命令提供了简单示例，GUI命令提供了详细示例，大量GUI命令的解释比帮助文件更为详尽本书特别提供了笔者开发的大量学习、开发辅助工具，附完整源码，可帮助读者更快熟悉Abaqus二次开发，这些工具本身也可作为学习案例。通过研读本书，读者可以掌握开发内核脚本的方法，熟悉GUI开发方法。本书适合具有Python编程基础、熟悉Abaqus CAE基本操作，并想过Abaqus内核脚本开发专用前后处理接口、构建仿真模板，或通过Abaqus GUI开发工具定制开发GUI插件或应用程序的读者阅读。