《AI绘画全面精通：软件平台+脚本文案+设计制作+案例实战》汇集了抖音、快手、B站、小红书中的AI绘画火爆案例，从两条主线，帮助读者全面精通AI绘画。
第一条是纵向技能线，通过90多个素材效果呈现、100多分钟教学视频、160多个实用内容和600多张精美插图，介绍AI绘画的核心技法，如文案生成、内容输入、参数设置、一键换脸以及图片生成和调整等。
第二条是横向案例线，通过10章专题内容，对 AI绘画火爆的原因，特别是AI文案的创作、AI绘画的创作、人像绘画实战案例、艺术绘画实战案例、游

主要内容包括，大数据技术概述（或背景知识），Scala基础知识，Spark基础，RDD编程，Spark SQL开发，Spark Streaming / Structured Streaming编程，MLLib 机器学习编程等基础内容。 主要作为本科生数据科学与大数据技术、计算机科学与技术等相关专业必修或选修课程教科书，或作为相关工程技术人员的参考书。 本教材基于Spark 3.3.x等新版本所带来的开发方式、方法的变化，从工业、服务业等行业实际应用开发的角度，介绍Spark开发的基础知识，开发过

《Python数据分析快速上手》通过通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行数据分析应该掌握的各方面技术。本书内容包括Python基础，用NumPy进行数据计算，用Pandas进行数据分析，用SciPy进行数据分析，用Scikit-learn进行数据分析、数据预处理、数据可视化，用Matplotlib进行可视化等内容。本书示例丰富，所有涉及的程序代码都给出了详细的注释，读者可以轻松学习，快速提升开发技能。除此之外，本书还附配了教学视频、PPT课件和全书示例源码。

本书总体目标是介绍智能群体博弈对抗与合作理论的现状、发展趋势以及重要应用，为读者在人工智能、演化博弈、集群系统等领域中开展跨学科研究和技术开发提供理论参考。全书共分9章，特色内容包括演化博弈基础理论概述、任务分配问题、懒惰个体对任务分配博弈动力学的影响、孤立者对群体公共品博弈动力学的影响、惩罚者对群体博弈动力学的影响、策略多样性在公共品合作演化中的作用、偶遇在囚徒困境博弈动力学中的影响、朋友圈大小对空间博弈动力学的影响、内疚在群体博弈动力学中的影响等技术前沿。本书内容涉及社会心理学、博弈理论、计

《Python数据分析与应用》从结构上分为编程基础、数据分析和数据应用三部分。 第一部分（第1～6章）是Python语言入门及进阶，内容包括Python语法和程序设计；第二部分（第7～10章）是Python核心数据分析演练，主要介绍Python核心数据处理库和专业库；第三部分（第11～15章）是Python在金融行业的应用，通过金融应用案例培养学生运用Python进行数据分析和解决实际问题的能力。 《Python数据分析与应用》可作为高校财经类学生“数据分析”课程的教材，也可供从事数据分析工作的

本书专注于深度学习在图像识别领域的应用。不仅详细讲解了各种模型的理论知识，还为读者提供了丰富的实践操作指南。旨在为读者提供一个从基础到高级的全方位指导，涵盖2012至2023间的经典和前沿模型。
本书在第1章介绍人工智能在计算机视觉领域的现状，第2章和第3章是编程基础章节，有基础的同学可以跳过阅读。第4章和第5章详细讲解卷积算法和基于卷积算法具有里程碑意义的模型。第6章介绍工业中常用的轻量级卷积模型。第7章和第8章对现阶段前沿的图像识别模型进行讲解。
本书适合对图像识别

本书对计算机图形学的基本原理进行了深入浅出的阐述，书中不仅配有丰富的图例和例题，而且采用C语言对课程主要算法进行了编程实现，并以实现OpenGL状态机为主线将课程主要知识点串连起来。这种理论和实践相结合的方式极大地方便了读者对抽象的计算机图形学理论的系统理解和掌握。本书共10章，内容包括绪论、计算机图形系统、OpenGL编程环境介绍、基本图形生成算法、二维变换和二维观察、三维变换和三维观察、三维对象的表示、消隐计算、颜色模型以及真实感图形绘制。
本书可作为高等院校计算机图形学理论

Swift语言是Apple公司推出的开发Apple平台应用软件的程序设计语言。《Swift语言程序设计基于Swift 5.8和Xcode 15》基于2023年6月的Swift语言(版本5.8)和Xcode集成开发环境(版本15.0)介绍Swift语言程序设计技术。全书共9章，第1章为Swift开发基础，介绍了变量类型和工程框架； 第2章为Swift数据表示，讨论Swift数据类型； 第3章为运算符与程序控制，阐述表达式与程序控制方式； 第4章为函数与闭包，分析函数的定义与用法； 第5章为枚

近年来，演化计算作为计算智能领域的经典优化技术，已经广泛应用于求解组合优化、工程优化等理论和工程类的优化问题，形成了一种基于演化的智能优化方法。针对高维空间的多目标优化问题，近年来基于分解的多目标演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目标或高维多目标优化问题的难度。根据分解的形式不同，基于分解的MOEAs又进一步细分为基于聚合的MOEAs和基于参考点的MOEAs。尽管基于分解的MOEAs是目前求解高维多目标优化问题最有前景的技术之一，然而它在方法和应用层面均存在着缺陷和不足。

当应用于大型分布式数据集时，标准算法和数据结构可能会变慢或完全失效。选择专为大数据设计的算法可以节省时间、提高准确性并降低处理成本。《漫画算法与数据结构（大规模数据集）》将最前沿的研究论文提炼为实用的技术，用于绘制、流式传输并组织磁盘和云中的大规模数据集，十分独特。
大规模数据集的算法与数据结构为大型分布式数据引入了处理和分析技术。《漫画算法与数据结构（大规模数据集）》作为指南，包含了行业故事和有趣的插图，使复杂的概念也易于理解。在学习如何将强大的算法(如Bloom 过滤器、计数