本书系统介绍深度学习的核心概念、主流模型与实战方法。内容涵盖神经网络基础、卷积神经网络、循环神经网络、图神经网络、生成对抗神经网络、Transformer、扩散模型、深度强化学习等前沿方向，详细阐述各类模型的数学原理、网络结构、训练流程与优化方法，并结合PyTorch框架提供了丰富的代码示例与完整项目解析。同时，每章配

本书以数据为中心构建知识体系，以低代码编程为导向设计案例，同时融入大模型等新兴技术，旨在培养学生的计算思维、数据思维和实战能力。该教材通过深入浅出的方式，引导读者逐步掌握Python编程的要点，无论是数据获取、存储、处理、分析，还是数据智能(机器学习、深度学习)、数据可视化，甚至是大模型的应用与开发，都能在本书中找到系

Python语言作为当今最流行的程序设计语言之一，因为其高效和易于学习，广泛用于Web应用程序、软件开发、数据科学和机器学习。为了使各专业、不同编程基础的读者能够高效地掌握python语言的应用，本书兼顾专业性和实用性，依托python语言阐述程序设计的重要概念和基本方法，培养程序设计的基本技能，并通过典型案例展示py

本书以“数据编织”为核心理念，针对企业“数据丰富但价值贫乏”的困境，提出从“搬运式”架构转向逻辑统一、智能自治的数据网络。全书以产业实战为牵引，系统拆解数据编织从架构设计到规模化商用的完整链路，突出四大特色：一是AI原生与主动智能，实现语义增强、自动化治理闭环；二是场景牵引与行业定制，聚焦金融、电商、制造等的核心痛点，

本书包括绪论、线性表、栈和队列、串、数组和广义表、树和二叉树、图、查找和排序，以及算法时间复杂度分析方法等。除了内容全面、深度解析和实例丰富等特点外，本书还独具特色地对传统的难点，如“算法复杂度分析”“模式匹配”“数组”“线索二叉树”“哈夫曼树”“最小生成树”“最短路径”“关键路径”“哈希表”以及“外部排序”等内容，依

本书在建筑智能化与数字化发展的背景下，结合边缘计算这一分布式计算模式，围绕火源参数反演与态势预测方法展开，试图回应以下问题：如何提高火灾感知与预测的及时性与准确性？如何提升火灾感知与预测模型用于不同建筑的可扩展性？如何利用感知与预测信息辅助消防救援与人员疏散？书中提出基于深度学习的火源参数反演模型，解决已有模型受数据量

本书内容以“基础理论→项目实现→总结测试”为脉络，每个任务都有知识、能力、素质目标，配套习题、工单及拓展资源，适配48-64课时教学。本书以企业真实项目为载体，涵盖Hadoop搭建、HBase安装等任务，强化实践操作，每步操作均有详细命令和图解。配套微课视频、教学课件等资源，代码经HBase2.x验证。

本书共分3部分：第1部分(第1章和第2章)为基础篇，着重介绍ARMCortex-M3内核基础知识，包括STM32F10x微控制器结构与最小系统，搭建基于HAL库的开发环境。第2部分(第3-8章)为外设通信篇，讲解GPIO、EXTI、USART、DMA、I2C、SPI外设的基本结构、HAL库函数，搭配LED、按键、串口、

本书共16章。第1-3章从大模型的基本概念入手，详细讲述其背后的神经网络原理，并介绍PyTorch框架，为读者打下坚实的理论与实践基础。第4-8章深入剖析构建大模型的各类核心架构，包括多层感知机、卷积神经网络、循环神经网络、Transformer以及生成对抗网络，阐述不同基础神经网络的使用场景和数据处理方案。第9-14

本书共6章：第1章介绍深度学习的入门与开发基础知识，帮助读者快速进入深度学习实践；第2章系统讲解数据采集、清洗、预处理、标注与增强等环节，奠定数据基础；第3章阐述模型构建与训练，包括模型结构设计、调优策略、超参数调优、微调、分布式与大规模训练等；第4章聚焦模型部署与优化，涵盖推理引擎、模型压缩、云边协同等；第5章面向典