本书详解了Nginx架构、执行流程、模块实现与数据结构，剖析了Nginx源码设计精髓与应用。第1～2章介绍Nginx编译安装、基础架构与设计理念，涵盖源码结构、进程模型等，让读者对Nginx有整体性了解。第3章从内存池、共享内存展开介绍Nginx的内存管理与使用。第4章分析Nginx的数据结构，即字符串、数组、链表、队列、散列、红黑树、基数树的数据结构和算法。第5章详细介绍main配置块、events配置块与http配置块，呈现Nginx配置解析的全过程。第6章完整地介绍了Nginx的 进程管理，涵盖进程模式、master 进程、worker 进程以及进程间通信机制。第7章详细分析HTTP模块及其处理的11个阶段，如模块初始化流程、请求解析、请求响应等。第8章介绍了Upstream机制，涵盖初始化、上下游连接建立、长连接等，着重介绍了FastCGI通信流程。第9章详细介绍Event模块的实现以及Nginx中的惊群处理。第10章介绍Nginx的负载均衡、限流、日志等模块实现。第11章介绍跨平台实现，涵盖编译过程、共享内存等。第12章介绍Nginx的RTMP直播服务实现，着重介绍RTMP包协议与中继模块实现。

本书围绕人工智能未来技术发展趋势、可信安全人工智能手段、人工智能技术赋能教育以及人工智能与人类关系等问题展开讨论。

【免费获取】配套代码 数据 共读实战营 作者答疑群告别拖延症，14天掌握Embedding（社区领读10天 5个作业 4天实战）获取方式：1、微信关注“华章计算机”2、在后台回复关键词：Embedding 这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。 全书一共16章，分为两个部分：第1部分（第1~9章）Embedding理论知识主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。第二部分（第10 ~16章）Embedding应用实例通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

本书是一本介绍深度学习理论和实战应用的教程，先从数学基础和机器学习基础出发，按照神经网络的技术发展框架由易到难逐步讲解深度学习的理论，然后再通过实践部分，详细解释深度学习的应用案例，让读者既能了解深度学习理论，又能学会使用深度学习框架，实现自己的深度学习模型。主要内容包括深度学习的发展历史、单层感知器、线性神经网络、BP神经网络、深度学习算法卷积神经网络CNN和长短时记忆网络LSTM，以及深度学习算法在图像、自然语言处理和音频信号三个方面的实际应用。其中，案例实战部分使用的深度学习框架为Tensorflow 2/Keras。

本书是一本面向青少年的人工智能科普读本。本书从科普和青少年教育的角度，用浅显易懂和活泼有趣的语言，结合大量漫画图片、情景对话、感知实验、探索实例，介绍人工智能会“学习”、会“看”、会“听说”等方面的技术和应用，并讨论人工智能伦理和展望人工智能未来。本书培养学生对人工智能及新科技的认知，引导学生对人工智能领域产生兴趣，提升学生科学素养和动手能力。本书可作为小学高年级阶段的人工智能教材或科普读物，也可为相关学科教师或科普工作者提供教学素材。本书是“‘人工智能从娃娃抓起’系列丛书”的第一本，是上海市青少年活动中心、上海少年科学院为响应国家“发展新一代人工智能”的号召而打造的青少年人工智能科普读本。

本书主要内容包括普通最小二乘法回归、岭回归、Lasso回归、弹性网络回归、正交匹配追踪回归、贝叶斯回归、广义线性回归、随机梯度下降回归、被动攻击回归、鲁棒回归、多项式回归、支持向量机回归、核岭回归、最近邻回归、高斯过程回归、决策树、神经网络模型、保序回归、岭分类、逻辑回归分类、随机梯度下降分类、感知机、被动攻击分类、支持向量机分类、最近邻分类、高斯过程分类、朴素贝叶斯模型、决策树分类和神经网络分类、无监督学习、半监督学习等。全书结合具体实例和图表详细讲解，语言通俗，易于学习，适合机器学习和数据挖掘专业人员和人工智能爱好者阅读，也可作为高等院校人工智能专业教材。

《智能水下机器人测深信息同步定位与建图技术》系统地阐述了智能水下机器人测深信息同步定位与建图技术的发展与应用。《智能水下机器人测深信息同步定位与建图技术》共7章，内容主要包括智能水下机器人测深信息同步定位与建图技术的发展现状、位姿图构建技术、位姿图构建中的闭环检测技术、鲁棒闭环检测技术、位姿图优化技术、鲁棒位姿图优化技术以及鲁棒测深信息同步定位与建图的软/硬件系统搭建等。《智能水下机器人测深信息同步定位与建图技术》内容基本上覆盖了智能水下机器人测深信息同步定位与建图知识专题。

《半监督学习》是国际学术界论述半监督学习理论与方法*为详细、内容*为丰富的一部著作。《半监督学习》，数十位研究人员就半监督学习的各个方面阐述其研究成果，具体包含生成式模型、低密度分割、基于图的方法、表示的变换、半监督学习实践、视角六部分。

《机器学习实战使用R、tidyverse和mlr》将使用RStudio和非常棒的mlr程序包开启你的机器学习之旅。这本实用指南简化了理论，避免了不必要的复杂统计和数学知识，所有核心的机器学习技术都通过图形和易于掌握的示例进行清晰的解释。每一章的内容都十分引人入胜，你将掌握如何把新的算法付诸实践，以解决各种预测分析问题，包括泰坦尼克沉船事件中不同乘客的幸存概率、垃圾邮件过滤、毒酒事件调查等。 主要内容 使用tidyverse程序包处理和绘制数据 监督机器学习和非监督机器学习技术 分类、回归、降维和聚类算法 统计学基础

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。