计算机 - 第9页

本书是国外数据结构与算法分析方面的标准教材，介绍了数据结构（大量数据的组织方法）以及算法分析（算法运行时间的估算）。本书的编写目标是同时讲授好的程序设计和算法分析技巧，使读者可以开发出具有最高效率的程序。本书可作为高级数据结构课程或研究生一年级算法分析课程的教材，使用本书需具有一些中级程序设计知识，还需要离散数学的一些背景知识。

这是一本能帮助读者夯实 Electron 基础进而开发出稳定、健壮的 Electron 应用的著作。书中对 Electron 的工作原理、大型工程构建、常见技术方案、周边生态工具等进行了细致、深入地讲解。工作原理维度：对 Electron 及其周边工具的原理进行了深入讲解，包括 Electron 依赖包的原理、Electron 原理、electron-builder 的原理等。工程构建维度：讲解了

在这本书里，作者分享了数十个来自初创公司和各领域企业的人工智能应用案例，讲述了从事人工智能部署工作者的个人经历，生动形象地向读者展示了人工智能的实践思路，继而描绘了未来熟练应用人工智能的场景。如何在现实生活中高效应用AI？这是人们面临的新难题。当人工智能发挥作用时，它无疑是高效的，既能帮助公司赚取或节省大量资金，又能以前所未有的效率满足客户需求。但当它不受控制时，其结果可能是毁灭性的。探索智能科技

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电

深度学习是一门注重应用的学科。了解深度学习背后的数学原理的人，可以在应用深度学习解决实际问题时游刃有余。本书通过Python代码示例来讲解深度学习背后的关键数学知识，包括概率论、统计学、线性代数、微分等，并进一步解释神经网络、反向传播、梯度下降等深度学习领域关键知识背后的原理。本书适合有一定深度学习基础、了解Pyho如编程语言的读者阅读，也可作为拓展深度学习理论的参考书。

英文版地址：Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow 3rd Edition (Third)《机器学习实战（原书第 3 版）：基于 Scikit-Learn、Keras 和 TensorFlow》是全球畅销的机器学习入门经典，由 Aurélien Géron 编写，全面介绍了使用 Python 进行机器学习

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等。本书

该系列是由 北大计算机人工智能学院、北大青鸟人工智能研究院、北大教育学院学习科学实验室 联合多学科团队撰写的技术指南。围绕 DeepSeek 的应用、场景与实现原理展开讨论。《DeepSeek提示词工程与落地场景》聚焦大模型交互技术与产业落地方向，系统拆解了如何通过自然语言交互释放DeepSeek-R1推理模型的潜能。本文档以"零技术门槛"为核心定位，既包含底层技术解析，更提供可快速复用的实战方法

《数据有道 : 数据分析 图论与网络 微课 Python编程》是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。“实践”这个板块，我们将会把学到的编程、可视化， 特别是数学工具应用到具体的数据科学、 机器学习算法中，并在实践中加深对这些工具的理解。《数据有道 : 数据分析 图论与网络 微课 Python编程》可以归纳为 7 大板块—数据说、数