本书主要针对数据科学、统计学、商学领域的教学，介绍基于Python软件的数据可视化基础知识、数据计算与交互式绘图，机器学习中的可视化工具和技术，以及特定数据结构下的可视化技术，如金融数据结构、生物数据结构、网络数据结构中的可视化展示，并配以丰富的案例，紧密结合常见的统计方法和机器学习方法。本书配有大量实际案例和习题，涉及金融、经济管理、医疗影像、健康大数据、地理数据等方面的知识，内容翔实，能让授课教师充分备课，让学生全面学习，极大地提升学生的动手能力，并与现实生活接轨，让学生为胜任“全

本书为高等学校计算机类专业核心课程“算法设计与分析”教材. 全书以算法设计技术和分析方法为主线来组织各知识单元. 主要内容包括基础知识、分治策略、动态规划、贪心法、回溯与分支限界、线性规划、网络流算法、算法分析与问题的计算复杂度、NP完全性、近似算法、随机算法、处理难解问题的策略等. 力求突出对问题本身的分析和求解方法的阐述，从问题建模、算法设计与分析、改进措施等方面给出适当的建议，同时也简要介绍了计算复杂性理论的核心内容和处理难解问题的一些新技术.　
与本书配套的有习题解答与学习指导用书

三位著名的软件架构师的新版著作，阐述了软件架构师如何管理和优化现有体系结构，转换它们以解决新问题，并构建可重用的体系结构，使之成为战略业务资产。更新了移动，云，能源管理，DevOps，量子计算等新内容

本书基于 IP 网络与技术的宏观视角，以 SRv6 为主线，深入剖析网络可编程技术，涵盖网络可编程技术原理、数据面技术、控制面技术、协议扩展、硬件实现、头部压缩、应用场景及标准化等方面的内容。本书将 SRv6 技术的最新进展体系化、条理化地融合到各个章节中，使读者可以系统全面掌握 SRv6 网络可编程原理及实践方面 的知识。 本书是作者在网络领域二十多年来研发和实践的总结，主要面向软/硬件研发人员、网络技术人员以及高等院 校通信网络相关专业教师与学生。

随着互联网的蓬勃发展以及大数据时代的到来，新的欺诈安全问题不断涌现，这也诞生了一个新的概念——大数据安全。大数据安全指的是针对大数据时代背景下的安全风险，使用大数据、人工智能等新兴技术建立对抗体系，进而进行安全治理与防范。本书旨在对大数据时代背景下的欺诈安全问题、大数据平台工具、反欺诈对抗技术和系统进行全面的阐释，以帮助读者全面学习大数据安全治理与防范的背景、关键技术和对抗思路，并能够从0到1搭建一个反欺诈对抗系统。 本书作为入门大数据安全对抗的理想读物，将理论与实践相结合，既能加强读者对大数据

Linux是世界上最流行的开源操作系统。Linux系统编程技术将使你能够使用自己的系统程序扩展Linux操作 系统，并与系统上的其他程序进行通信。

本书探讨了Linux文件系统及其基本命令、内置手册页、GNU编译器集合（GCC）和Linux系统调用；讲述了如何处理程序中的错误，以及如何捕获错误并打印错误相关信息；介绍了在系统上读写文件的多种方法，包括使用流和文件描述符。随着学习的不断深入，你将深入研究创建进程、创建僵尸进程和守护进程，并学习使用systemd处理守护

本书首先系统总结了网络行为分析的相关研究背景和最新进展, 重点针对“整体”“个体”“主机群”网络行为的研究现状进行了系统对比和总结, 分析了网络行为特征和异常检测方法在检测率、运行效率、全面性和新性异常行为的识别能力等方面的不足。其次, 针对这些不足, 结合图论、特征工程、聚类、信息论等技术, 以网络流量作为切入点, 基于网络上所运载数据包呈现的网络行为属性, 从宏观到微观, 由整体到局部, 系统研究了整体网络行为、网络个体行为和主机群行为, 定义了更为有效的行为特征集、异常检测模型以

Lua是一门设计精简、功能强大的脚本语言。本书将Lua解释器拆解，使用C语言，一步一步构建能够正确运行的Lua解释器。本书共6章，分别为Lua解释器概述，Lua虚拟机，Lua脚本的编译与虚拟机指令运行流程，Lua编译器，Lua的解释器的其他基础特征，dummylua开发案例：俄罗斯方块。阅读本书，并不需要读者事先精通有关编译原理的知识，书中会尝试用简洁的语言，向读者介绍相关的具体内容。
Lua解释器构建：从虚拟机到编译器面向对Lua内部以及解释器的设计和实现感兴趣的读者，并要求读者

本书全面介绍了After Effects 2022的基本功能及实际运用方法，包括After Effects的工作流程、图层、动画、蒙版与轨道遮罩、绘画与形状、文字、常用滤镜和键控技术。全书以各种重要技术为主线，设置了丰富的课堂案例，可帮助读者快速上手，熟悉软件功能和制作思路。

本书从语义匹配的角度解决搜索引擎和推荐系统的关键痛点，为构建解决语义匹配问题的深度学习模型提供了通用框架。第1章概述搜索和推荐中的语义匹配问题，以及近年来的研究进展。第2章介绍传统匹配模型，包括潜在空间模型。第3章介绍深度学习技术在构建匹配模型时的应用。第4章和第5章分别介绍用于搜索和推荐的深度匹配模型，并将当前的深度学习解决方案分为两类：表示学习方法和匹配函数学习方法。第6章对全书内容做了总结，并为读者指明进一步学习的方向。

本书适合对深度学习感兴趣的各类读者，包括