C++是當前市面中常用的編程語言之一，它兼具高級語言和匯編語言的特點�！禖++面向對象程序設計基礎入門與實戰(zhàn)(微課版)》以通俗易懂的語言、翔實生動的操作案例、精挑細選的使用技巧，指導初學者快速掌握C++語言的基礎知識與使用方法�！禖++面向對象程序設計基礎入門與實戰(zhàn)(微課版)》主要內(nèi)容包括C++語言基礎，C++程序的基本結構，C++語言的基礎語法，變量和常量詳解，運算符和表達式，流程控制語句，指針，復合數(shù)據(jù)類型，C+

數(shù)據(jù)和算法是大數(shù)據(jù)的兩大核心。正是通過這兩大核心，大數(shù)據(jù)對人類社會產(chǎn)生了廣泛而深刻的影響。同時，它引發(fā)的倫理問題與這兩大核心亦密不可分。本書正是從數(shù)據(jù)倫理和算法倫理兩個方面，探討了大數(shù)據(jù)的倫理問題及其背后的人工智能哲學問題。數(shù)據(jù)和算法的倫理問題通過數(shù)據(jù)濫用、數(shù)據(jù)孤島、數(shù)據(jù)安全、算法陷阱、算法霸權和算法歧視等呈現(xiàn)出來，其本質(zhì)問題主要包括隱私權、數(shù)據(jù)權、人類自由和社會公正等。本書引入價值敏感設計、責任倫理和人本主義倫理等

本書講解了游戲道具、武器裝備和游戲角色三個類型的四種不同模型的項目制作。每一個項目都分別包含設計制作大形、設計制作高模和設計制作貼圖三個任務，向讀者全面展示游戲建模的流程和方法。且每一個任務都會通過任務分析和任務鏈接幫助讀者理解制作要求和制作技術。通過任務實施完成制作后，再按照任務評價的說明檢查制作案例是否符合規(guī)范。每個任務最后會為讀者提供一個擴展的案例，讓讀者獨立制作，鞏固所學內(nèi)容，加深學習印象。

《智能優(yōu)化新算法及在信息處理技術中的應用》介紹了智能優(yōu)化新算法進行信息處理的最新技術，內(nèi)容上既包括基本理論的詳細介紹，同時又包括在實際問題上的具體應用，可使讀者循序漸進地掌握量子智能優(yōu)化算法和文化智能優(yōu)化算法的精髓及在信息處理技術中的應用技巧。

本書在保持前兩版特色的基礎上，對部分章節(jié)內(nèi)容進行了修改和補充。全書案例易懂、切合實際。本書共8章，圍繞面向對象程序設計中類和對象的作用，介紹標準C++中類與對象的定義和封裝、繼承、重載、多態(tài)、模板的概念及實現(xiàn)方法。本書用通俗易懂的英語描述其內(nèi)容，讓初學者了解面向對象程序設計的原文表達；而且在各章節(jié)中的重要知識點和易混淆知識點處均有雙語注解，有助讀者掌握面向對象的程序設計方法。本書面向具有程序設計基礎的讀者，可作為高等

容器化被認為是實現(xiàn)DevOps的最佳方式。谷歌開發(fā)了Kubernetes，它有效地協(xié)調(diào)容器，被認為是容器編排的領跑者。Kubernetes是一個協(xié)調(diào)器，可以在服務集群上創(chuàng)建和管理容器。本書將指導管理Kubernetes集群，然后學習如何在DevOps中監(jiān)控、記錄日志和持續(xù)部署。本書將介紹DevOps和容器的基本概念，部署和將應用程序容器化，并介紹Kubernetes中的網(wǎng)絡和存儲。然后，使用先進的DevOps技能，如

本書通過案例講解如何使用TensorFlow解決深度學習的實際任務，每章都包含TensorFlow1.x和2.0的代碼實現(xiàn)。全書共分10章，主要講解卷積神經(jīng)網(wǎng)絡、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo/AlphaZero、BiLSTM、DQN、Gym、GAN等技術，包含的項目有CIFAR-100圖像分類、彩票預測、古詩

在21世紀，統(tǒng)計方法在范圍和影響方面都有驚人的擴展。大數(shù)據(jù)、數(shù)據(jù)科學和機器學習已經(jīng)成為新聞中常見的術語，因為統(tǒng)計方法被用于處理現(xiàn)代科學和商業(yè)的龐大數(shù)據(jù)集。我們是怎么走到這一步的？我們又將走到哪里？ 本書將帶你踏上數(shù)據(jù)分析變革的振奮之旅。從經(jīng)典推斷理論（貝葉斯理論、頻率理論和Fisher理論）開始，各章節(jié)分別介紹一系列有影響力的主題，包括生存分析、廣義線性模型、經(jīng)驗貝葉斯、刀切法與自助法、錯誤發(fā)現(xiàn)率、隨機森林、神經(jīng)網(wǎng)

本書主要分為兩個部分。*部分為第1章到第8章，涵蓋機器學習的基礎理論知識和基本算法從線性回歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；第二部分為第9章到第16章，探討深度學習和常用框架TensorFlow，一步一個腳印地帶領讀者使用TensorFlow搭建和訓練深度神經(jīng)網(wǎng)絡，以及卷積神經(jīng)網(wǎng)絡。

深度學習是人工智能的前沿技術。本書深入淺出地介紹了深度學習的相關理論和實踐，全書共分16章，采用理論和實踐雙主線寫作方式。第1章給出深度學習的大圖。第2章和第3章，講解了機器學習的相關基礎理論。第4章和第5章，講解了Python基礎和基于Python的機器學習實戰(zhàn)。第6至10章，先后講解了M-P模型、感知機、多層神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡等知識。第11章講解了被廣泛認可的深度學習框架TensorFlow。第12章和第13