本书是大数据技术普及系列读物之一，主要涉及大数据采集、分布式文件存储和非关系型数据管理等内容。全书共6章，每章一个专题，按照大数据运用流程，从网页和日志文件两种常用的大数据采集方法入手，介绍了分布式文件存储、NoSQL数据库基础理论和4种NoSQL数据库技术。针对特定技术选择了一款最典型的产品进行诠释，先后对Python语言中的Requests和BeautifulSoup包，Hadoop生态中的Flume、HDFS和HBase，以及Redis、MongoDB和Neo4j等产品进行了介绍。在每章结构上，按照要做什么（需求背景）、是什么（产品功能和特性）、为什么（体系结构/数据模型）和怎么做（基本操作）？4个方面递进展开，内容相对独立，方便读者根据自身需要选择章节进行阅读。 全书内容相对浅显，具有较强的可读性，适合对大数据技术感兴趣，希望从技术和产品层面对大数据采集、存储和管理进行初步学习的读者阅读。

量子计算与人工智能的交叉融合，促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式，构建量子人工智能应用。 全书共13章，第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式，用量子线路中的相位作为神经网络的可学习参数，重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第9章是量子人工智能的进阶知识，讲解不同量子算法的可行的评估方式和量子神经网络基于Torch.Script技术进行算子化的内容。第10~13章通过在原生的深度学习PyTorch环境中引入量子算法，带来可能的量子增强，并分别实现了对材料晶体结构相变过程搜索，冠状病毒RNA序列变异预测、药物虚拟筛选中亲和能的预测及基因表达药物设计等案例。 本书可作为量子人工智能初学者的入门书籍，PyTorch深度学习爱好者的参考书籍，也可作为从事量子人工智能相关工作技术人员的应用指南。

暂缺简介...

周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》（俗称“南瓜书”）的第2 版。相较于第1 版，本书对“西瓜书”中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。　全书共16 章，与“西瓜书”章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。　本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考

元宇宙是对数字化生活的终极想象，是数字化转型的扩展和深化。本书以数字化演化与衍生规则为脉络，探讨了从信息互联网、消费互联网、产业互联网到元宇宙的进化逻辑和进化方向，就数字化每个发展阶段的进化动力、进化主导力量，以及进化的主体、客体和进化机理进行了讨论，深入阐述和分析了元宇宙可能给未来人类社会日常生活、经济体制、组织变革等领域带来的机遇与挑战、风险与颠覆。全书既有宏大视野，又兼微观视角，依数字化/数字进化规则，从科技发展和文明进化的视角，按由浅到深，由量变到质变的演化和衍生顺序，逐次推进和展开，给出了完整的元宇宙底层发展路线图。

穿戴式设备集人类与科技各种交互方式之大成，覆盖了广泛的研究和技术领域，甚至涉及一些看起来不相关的跨领域的知识。 有多少电子工程师会学习纺织知识？有多少行为学家了解传感器？这样的例子不胜枚举。基于此，本书从不同的领域出发，意在对穿戴式技术的各方面做一个全面的勾勒。 本书分成7大部分，涵盖了穿戴式技术的多个重点领域，虽不可能做到包含全部内容，但可以帮助读者尽可能学习掌握穿戴式设备。书中所有章节均由世界上相关领域的知名优秀专家撰写，分享了他们对该领域的独特见解。

暂缺简介...

本书从人工智能的视角，研究了“基于一阶动态逻辑及其扩展系统的Agent行为推理”，并对相关问题进行了哲学反思。具体内容包括：作为一阶动态逻辑的基础系统的命题动态逻辑、一阶动态逻辑系统及其复杂性与表达力、基于类型命题动态逻辑的行动类型与Agent能力推理、基于规划修订动态逻辑的Agent规划修订推理、基于动态逻辑的Agent交互协议推理、相关问题的哲学反思与展望性研究。

《深度学习模式与实践》通过介绍**实践、设计模式和可复制的架构，指导读者的深度学习项目从实验室走向应用。本书收集并阐明了近十年来真实世界中深度学习最紧密的洞察。读者将通过每个有趣的例子学习相关技能，并建立信心。 《深度学习模式与实践》深入研究了如何构建成功的深度学习应用程序。通过将经过验证的模式和实践应用到自身项目中，读者将节省数小时的试错时间。本书通过测试的代码示例、真实世界示例和出色的叙事风格，使复杂的概念变得简单和有趣。在此过程中，读者将学会相关技巧来部署、测试和维护项目。 本书的内容包括： 现代卷积神经网络 CNN架构的设计模式 移动和物联网设备模型 大规模模型部署 计算机视觉示例

提供基于PyTorch Lightning的深度学习模型实践方法，让读者能够快速上手实践。2、适用于对深度学习感兴趣但不知道从何处开始学习的读者，帮助他们快速入门并构建自己的模型。 3、强调灵活性，读者可以根据特定需求对模型进行扩展和定制。 4、涵盖了时间序列、生成式模型、半监督学习等多个应用领域，使读者可以探索不同的深度学习任务。 5、提供模型部署和评估的指导，帮助读者将模型应用于实际场景并进行性能评估。 6、讨论了规模化和管理训练的方法，帮助读者处理大规模数据和复杂模型的训练过程。 7、强调深度学习在各行各业的重要作用，使读者了解深度学习在不同领域的应用。 8、使用PyTorch作为基础框架，提供了广泛的资源和社区支持，使读者能够更好地探索和应用深度学习技术。9、通过案例的方式展示实际应用，帮助读者理解如何将PyTorch Lightning模型应用于实际问题，并获得实践经验。