本书利用算子理论、算子代数、矩阵论中的理论与方法，以量子信息理论为背景，系统研究多体态的纠缠性、纠缠鲁棒性、非局域性、导引性、纠缠目击的构造和量子网络的非局域性等一系列非局域性问题，不仅为解决更多的量子信息问题提供新的方法与思路，还可以丰富量子信息。

《近场动力学——理论、模型与应用》为“计算力学前沿丛书”之一。《近场动力学——理论、模型与应用》系统地论述了近场动力学的理论基础、建模方法、数值算法、软件技术和工程应用。《近场动力学——理论、模型与应用》共13章，包括：绪论、近场动力学的基本理论、键型近场动力学模型及其改进、键型近场动力学在有限元中的实现、近场动力学的显式动力学解法、常规态型近场动力学模型、非常规态型近场动力学模型、非常规态型近场动力学模型的改进、近场动力学方法与有限单元法的混合模型、非均匀离散的近场动力学模型与自适应分析、冲击

《结构动力学——基础理论及耦合振动》的主要内容共分为四大部分。**部分是基础理论，介绍了传统结构动力学中的单自由度体系、多自由度体系、分布参数体系以及针对动力微分方程的数值计算方法等方面的内容；第二部分是结构动力有限元，介绍了一维和二维动力有限元方程的具体推导过程，并对典型单元类型进行了详细介绍；第三部分是耦合振动分析，主要围绕流固耦合问题以及高速磁浮中的车桥耦合、主动控制等问题进行了详细介绍；第四部分是关于线性随机振动理论初步性的概念和理论介绍

本书主要内容包括Origin入门，表格管理，数据管理，矩阵管理，数据可视化，三维数据可视化，数学统计分析，数据运算，数据分析等内容，覆盖了科学绘图与数据分析的各个方面，实例丰富而典型，将重点知识进行融入应用，指导读者有的放矢地进行学习。

《Python应用数值方法解决工程和科学问题》是为想要学习和应用数值方法来解决工程和科学问题的学生撰写的。书中提供了足够丰富的理论知识。如果读过本书的姊妹篇《工程与科学数值方法的MATLAB实现(第4版)》，就会发现过渡到Python程序是无缝的！不需要事先具有Python编程经验。 本书以解决问题为导向，强调理论联系实际。各章均引入实际的工程和科学问题，提供从相关概念定义、理论分析到算法实现的全套解决方案。每章末尾安排有课后习题，方便读者在巩固所学知识的同时，进一步提升自己编写代码和解决

本书介绍作者近年来提出的最小约束违背优化新方向和相关研究成果, 主要内容包括最小约束违背线性锥优化、最小约束违背二次规划、最小约束违背非线性凸优化、一类最小约束违背极小极大优化问题、最小约束违背非凸约束规划和一般度量下的最小约束违背凸优化.《BR》理论方面的进展包括以最小违背平移为工具, 延拓了各类凸优化问题的对偶理论, 证明了凸问题的可行性等价于对偶问题的有界性; 建立了由Lagrange函数定义的对偶函数与由平移问题定义的**值函数间的关系, 用对偶函数刻画了平移凸优化问题的对偶问题的解集;

本书以Ansys 2024为依据，对Ansys Workbench分析的基本思路、操作步骤、应用技巧进行了详细介绍，并结合典型工程应用实例详细讲述了Ansys Workbench的具体工程应用方法。本书前9章为操作基础，详细介绍了Ansys Workbench分析全流程的基本步骤和方法，包括Ansys Workbench 2024基础、项目管理、DesignModeler图形用户界面、草图模式、三维特征、高级三维建模、概念建模、一般网格控制和Mechanical简介。后9章为专题实例，

本书提出采用围线积分方法（Sakurai-Sugiura 方法）来处理一种非线性特征值问题，该方法不仅可以将原特征值问题转化为一个标准特征值问题，而且具有并行计算的架构。 本书第1章着重介绍了用边界元法与围线积分方法来求解不同类型特征值问题的公式推导与算法算例；基于第1章算法的建立，本书第2章介绍了基于此算法的各类声子晶体仿真算法推导及算例，并引入了等几何分析方法，介绍了采用B 样条基函数作为边界元法插值函数的建模及求解方法；本书第3章介绍了采用有限周期结构分析带隙特性的新方法，讲述了有限周期结

时间序列分析是统计学科的一个重要分支，它主要研究随着时间的变化，事物发生、发展的过程，寻找事物发展变化的规律并预测未来的走势。在日常生产和生活中，时间序列比比皆是，所以目前时间序列分析方法广泛应用于经济、金融、天文、气象、海洋、物理、化学、医学、质量控制等诸多领域，成为众多行业经常使用的统计方法。
本书是基于Python编写的入门级时间序列分析教材，主要内容包括时间序列分析简介、时间序列的预处理、ARMA模型的性质、平稳序列的拟合与预测、无季节效应的非平稳序列分析、有季节效应的非平稳序列

《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法，并梳理了这些算法背后的思想脉络与技术框架。 《互联网大厂推荐算法实战》总计10章，内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经常会遇到的难题以及应对之道（其中涉及多任务推荐、多场景推荐、新用户冷启动、新物料冷启动、评估模型效果、定位并解决问题等），最后还用一章的篇幅介绍了推荐算法工程师在工作、学习、面试时