本书深入剖析了主流开源分布式系统模式，包括模式中的常见问题和解决方案，并展示了Kafka和Kubernetes等系统的真实代码示例，以帮助企业架构师和开发人员更好地理解这些系统的工作原理，以及分布式系统的设计原则，为应对数据存储在多台服务器上时可能出现的各种问题做好准备。通过阅读本书，读者将:了解什么是分布式系统，以及为什么需要分布式系统。更深入地理解分布式系统模式设计所面临的挑战，以选择合适的云服务和产品。理解包括数据库、内存数据网格、消息代理，以及各种云服务在内的系统的实现原理。自信地浏览开

本书概述了城市计算的定义、框架和主要研究问题，以典型应用为案例着重介绍大数据中异构数据的融合和协同计算技术。

本书提供了关于如何在数据治理中建立和运行数据认责工作的适用且可操作的信息和说明，旨在为新任数据专员或数据治理经理提供在数据认责方面所需的知识，以确保其工作有效和高效。本书分为11章，包括：数据认责和数据治理：二者如何结合；了解数据认责的类型；认责管理的角色和职责；实施数据认责；培训业务型数据专员；数据认责实践；数据专员的重要角色；衡量数据认责进度：指标；数据认责成熟度评估；大数据和数据湖认责；基于数据域开展数据治理和认责。
本书内容丰富，理论和实践相结合，易读性和可操作性强，可以

这是一本讲解在数据要素大背景下，企业如何将数据资源开发成数据产品，进而通过数据产品实现数据资产化和资本化的著作，为企业释放数据价值提供了科学的方法论和国内领先的实践方案。
这本书由全球数据资产理事会（DAC）组织编写，融合了国内数据资产管理领域多家企业的10位专家的研究成果和实战经验，得到了湖南数据产业集团、广州数据集团、深圳数据交易所、浙江大数据交易中心、华为、平安、安永、毕马威、德勤、普华永道、浙江大学等企业、机构和高校等近20位高层领导、技术专家和学者的高度评价和一致推荐。

本书以深度学习入门内容为主线，通过数形结合的方式来渐进式引导读者进行学习，力争使各位读者对于每个算法原理不仅要做到知其然更要做到知其所以然。同时，本书采用了深度学习中较为流行且简单易学的PyTorch框架来进行示例，以便让各位读者在学习各个算法的原理过程中也能够掌握其实际的用法。
本书共10章，分为深度学习领域发展和开发环境配置、深度学习基础和深度学习技术在自然语言处理领域方面的应用三部分内容。第一部分内容（第1~2章）详细介绍了深度学习的起源和发展阶段及深度学习环境的安装配置。

本书系统地介绍了移动通信系统架构的概念、构成与设计方法，揭示了任务变化驱动移动通信网络架构代际变革的总体规律，并以5G 网络架构为例，详细阐述了5G 服务化架构的提出与设计思路。进一步地，本书从新特性、新流程、新能力三个层面剖析了5G 服务化架构的具体细节及应用场景。此外，本书还对6G 网络架构的设计进行了展望，提出了全服务化的逻辑架构以及分布式自治的组网架构等，为6G 的发展提供了有益的参考。 本书适合从事移动通信系统设计、研发及运维的工程技术人员，通信行业的管理者，以及高等院校通信工程和电子

这是一本讲解如何使用Python 进行系统化图形引擎开发的图书。本书基于作者长期从事图形引擎开发工作的经验，结合简单易懂的Python 语言和PyOpenGL 模块，通过对引擎开发知识由浅入深的编排和讲解，让广大对图形学感兴趣的"小白开发者一步步掌握图形引擎的开发流程和实现原理，并在这个过程中熟练掌握OpenGL，进而有能力基于各种开发语言进行图形引擎的开发工作。 本书结构紧凑、内容翔实、由浅入深，是学习、掌握图形引擎开发入门知识的重要参考书。

本书对激光切割的原理、激光切割机的类型和利用激光切割机进行DIY的流程做了详细的介绍，通过介绍LaserMaker建模软件的基本操作方法和4种激光加工的工艺模式，让读者了解在DIY的过程中如何利用LaserMaker建模软件进行建模。

本书介绍了12个从易到难的LaserMaker设计实例，读者可以从中掌握由平面作品到立体作品的绘图操作、工艺模式设置和设计技巧，感受激光切割造物的乐趣。

读者阅读本书可以了解利用激光切割技术进行作品设计的常见思路及

本书全面系统地介绍了字节跳动旗下AI智能助手豆包的使用方法，涵盖注册登录流程及基本操作要点，并通过丰富多样的学习、工作、生活等场景的应用实例，如化身学习小能手、担当高效职场助手、呈现精彩模拟人物互动等，充分展现了豆包的强大效用。此外，还深入介绍了豆包智能体及其应用实例，以及豆包App的注册/登录方式和便捷功能。

随书赠送学习资源，包含50个高效提问公式，40个深度提问模板、100个豆包智能体模板、100个控制答案风格提示词模板、100个控制答案质量提示词模板及300个

本书带领读者手把手实现深度学习推理框架，并支持大语言模型的推理。



全书共 9 章，以实现开源深度学习推理框架 KuiperInfer 为例，从基础的张量设计入手，逐步深入讲 解计算图、核心算子等关键模块的设计与实现。最后，书中还涵盖了如何支持深度学习模型如 ResNet、 YOLOv5，以及大语言模型 Llama 2 的推理。通过本书，读者不仅能够获得构建和优化深度学习推理框架 的实践经验，还能深入理解框架的内部机制。

<