随着ChatGPT的横空出世，AI和深度学习成了人们热议的焦点。那么，深度学习究竟是什么？它又能为我们做些什么呢？本书旨在解答这些疑惑的同时带领读者体验深度学习。本书以山羊博士和双叶同学的教学漫画情境为引，以对话和图解为主要展现形式，生动地讲解深度学习的原理，同时借助免费的在线演示教育平台TensorFlowPlayground，以直观的可视化方式展示人工神经网络的学习过程，并循序渐进地讲解深度学习的方法，最后带领读者使用Python完成对各类图像数据的深度学习。

机器学习和数据分析都离不开数据。互联网上有着海量的数据，利用Python能够高效地进行数据收集与分析——数据抓取。本书面向数据抓取初学者，以山羊博士和双叶同学的教学漫画情境为引，以对话和图解为主要展现形式，在《Python一级：从零开始学编程》的基础上，从爬取公开数据开始，循序渐进地讲解HTML解析、表格数据读取、开放数据分析，以及如何利用WebAPI高效收集数据。

理论分析、实验观察和计算模拟是科学研究的三大手段，科学与工程计算在科学研究，经济建设和社会发展中发挥着不可替代的作用，正因为此，高性能计算成为世界各国激烈竞争的战略高地。过去30余年，中国的高性能计算走过了一条艰辛的发展之路。在人才和经费匮乏的条件下，中国的科技工作者奋发图强，埋头苦干，一步一个脚印，从跟踪、并跑、走向交替领先，取得了令世人瞩目的进步。编纂本书的目的，就是要记录过去30余年中国高性能计算所走过的不平凡的道路，给后人留下有益的启迪。 本书分为系统篇、算法与软件篇、应用篇和产业化篇四

本书计划从Python的环境搭建开始，从零基础引导读者入门Python的基础理论，并用大量的案例分析来强化训练问题分析求解的能力，步骤化的代码转化助力读者入门，寓理论于案例，在案例分析与求解中实现编程能力的提升，达到将理论转为实践教学目的。每章遵循基础入门、案例强基，实战创新三个层次来引导读者提升编程实践能力。本书坚持3个原则：一是内容浅显易懂，能让读者快速入门；二是实践内容完整，能让读者通过代码的读与写加深对抽象的理论理解；三是案例丰富，用经典数学求解案例引读者入，实现思维转换，用竞赛题库案例

本教材结合超级计算机原理与操作的理论教学与实验实践，主要分成三个部分，包括（1）超级计算机入门：介绍关于超级计算机的基础知识与性能评测方面的内容；（2）超级计算机的原理与组成：介绍超级计算机的体系结构、存储系统以及互连网络系统；（3）面向超级计算机的编程与使用：介绍并行编程基础、并行编程实践、超级计算机的基本操作以及超级计算机上的应用软件使用等实验内容，帮助学生全方面地学习超级计算机的知识框架。

围绕一个实际软件项目案例，基于软件开发生命周期全过程阐述软件分析、设计、实现测试及维护的最新实用技术

本书深入浅出地讲解嵌入式系统开发的基础知识，从原理、方法、工程实践等多视角介绍ARMMCU嵌入式开发中的各种常用技术，为每个知识点配备了开发案例，使读者既能掌握工程开发方法，又能掌握技术原理，为后续整个技术生涯奠定坚实基础。
本书共12章，前两章讲述基本概念、开发环境准备及ARMCortex-M3架构；第3~5章讲述基础的GPIO、中断机制和定时器机制；第6~9章讲述常用的通信方法，包括串行通信、I2C、SPI、CAN；第10章讲述ADC的原理与应用；第11章进一步讲述如何通过D

本书主要面向Oracle数据库开发的初学者，详细讲解在SQL*Plus环境下的SQL和数据库编程方法，与Oracle DBA SQL和PL/SQL相关内容关联较高。本书共11章。第1章讲解数据库的基本概念、关系代数和数据库设计步骤； 第2、3章讲解Oracle数据库体系结构、SQL*Plus环境的使用和实例表数据； 第4～6章讲解表、查询、完整性、索引和视图等内容； 第7章讲解数据库用户管理； 第8～10章讲解PL/SQL基本组成、存储过程、函数、程序包和触发器等数据库编程内容； 第11章

人工智能领域认为，让计算机理解自然语言是人工智能皇冠上的明珠。要想让机器理解自然语言，必须做到让自然语言的语义成为可计算的形式化对象。预设是自然语言承载知识的重要环节，本书以预设投射问题为主线，梳理了语言学界和逻辑学界对预设问题研究的发展历程，最终在克里普克预设回指思想的引领下，运用国际前沿的分层话语表现理论、投射话语表现理论等语义框架，对复合语句预设的投射情况进行深入分析。本书对预设问题的探讨通过构造形式语义框架将包含预设的自然语言形式化为机器上可操作、可计算的数据语言，对自然语言信息处

量子计算机具有天然的并行性，相比经典计算机能显著提高算法效率，是下一代智能计算的一个重要发展方向。随着量子计算机硬件的发展，通过本地或者云平台进行量子计算越来越容易，量子计算相关研究逐渐从理论走向实用。量子机器学习是机器学习和量子计算的交叉领域，它研究的是如何利用量子叠加、并行等特性降低经典机器学习算法的复杂度，以解决数据量大、数据维度高造成的训练困难等问题。
本书首先介绍量子计算的基础知识，然后将理论和实践相结合，介绍量子降维、量子分类、量子回归、量子聚类、量子神经网络及量子强