本书为“十二五”普通高等教育本科国家级规划教材。全书从微体系结构层、指令系统层、汇编语言层三个层次，以及CPU、存储系统、输入/输出系统及其互连三大系统出发，建立整机的概念，并体现软硬结合的思想。全书共7章，分为三篇，系统介绍基础知识（绪论、计算机中的信息表示）、计算机系统结构（微体系结构层——CPU组织、指令系统层、汇编语言层）、存储系统与输入/输出系统（存储系统、输入/输出系统）。本书为教师免费提供电子教案。本书系统全面，实例丰富，适合作为高等学校计算机及相关专业教材，也可作为IT技术人员的

这是一本从业务视角解读推荐系统架构设计、评估方法、数据工程和算法原理的著作。市面上推荐系统方面的著作，内容多以推荐技术、算法和模型为主，让读者误以为掌握了推荐算法就能用好推荐系统并提升业务指标，其实推荐算法只是工具，要真正发挥推荐系统的价值，需要将推荐系统植根于业务之上。本书从业务视角出发，描绘了当下主流推荐系统的设计思想和架构全貌，重点突出系统每个模块所需要解决的问题，进而介绍一到两种实践检验普遍有效、在学术界具备里程碑性质的算法。帮助读者练成识别算法的火眼金睛，从每年大量产出的新算法研究中去

本书是用轻松有趣的方法学习算法的入门指南。按照算法策略分为8章。第1章以算法之美、趣味故事引入算法，讲解算法复杂度的计算方法，以及爆炸性增量问题。2～7章讲解经典算法，包括贪心算法、分治算法、动态规划算法、回溯法、分支限界法、网络流算法。第8章讲解实际应用中的算法和高频面试算法，包括启发式搜索、敏感词过滤、LRU算法、快慢指针、单调栈、单调队列、零钱兑换、股票交易等。每一种经典算法都有4～8个实例，多数按照问题分析、算法设计、完美图解、算法详解、算法分析及优化拓展的流程进行讲解。全书讲解清晰，通

《推荐系统实战宝典》主要围绕推荐系统进行讲解，全面介绍了掌握推荐系统技术所需要学习的算法及步骤。书中描述了基于点击率评估、RBM的推荐，基于标签的推荐，基于用户行为、内容、模型、流行度、邻域、图的推荐，以及基于上下文的推荐，还有使用自然语言处理或者矩阵分解的推荐，包括算法原理的介绍，对于每一种推荐方式也做了细粒度的分析及场景化的应用。还分享了作者在实际应用中的解决方案及扩展思路。除此之外，本书还会涉及一些基础算法及数学知识，并且包括对于推荐算法的一些模型评估以及校验的描述。阅读本书可以帮助读者学

《TensorFlow2.x高级计算机视觉》详细阐述了与TensorFlow高级计算机视觉相关的基本解决方案，主要包括计算机视觉和TensorFlow基础知识，局部二值模式和内容识别，使用OpenCV和CNN进行面部检测，图像深度学习，神经网络架构和模型，迁移学习和视觉搜索，YOLO和对象检测，语义分割和神经风格迁移，使用多任务深度学习进行动作识别，使用R-CNN、SSD和R-FCN进行对象检测，通过CPU/GPU优化在边缘设备上进行深度学习，用于计算机视觉的云计算平台等内容。此外，本书还提供了

本教材是基于作者所创立的计算教学论编写的，是为实现教学效率显著提升而对计算教学论提出的思想、方法和工具的深广应用。本教材共12章。第1章由EuclidGCD算法引出算法的定义，并介绍基于可视化的算法学习方法，第2～5章分别介绍算法的穷举设计方法、算法复杂度分析、算法的递归设计方法和基于比较的排序算法，第6～10章分别介绍分治、动态规划、贪心、回溯和分支限界等经典的算法设计方法，第11章介绍RSA算法，第12章介绍NP理论。本教材可作为高等学校计算机科学与技术专业算法设计与分析课程的教材，也可作为

本书由2017年图灵奖的两位得主撰写，是计算机体系结构领域的经典教材，每年被超过40000名学生使用。新版的主要更新是在每章中添加了关于DSA的内容，并更新了所有实例，使全书更加与时俱进，满足学生和读者的新需求。

本书以OpenCV-Python（thePythonAPIforOpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。本书从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾

内容提要随着人工智能技术的发展，我们已经进入人工智能时代。在人工智能研究的各个领域，适合中小学生学习和理解的内容主要包括：语音识别、TTS语音合成、计算机视觉与图像处理等，这些内容侧重让学生体验人工智能的应用，尤其是同一技术在不同场景下的应用，感受人工智能对生活的影响。本书以智能感知为主要研究对象，以计算机视觉与图像处理作为课程的主体内容。通过学习传感器的用法，让读者感受人工智能的魅力，激发他们的学习兴趣。读者通过对人工智能开发板的学习，初步了解和掌握人工智能的入门知识。读者在学习人工智能的同时

本书以图解的方式综合讲述算法及其数据结构，内容浅显易懂，逻辑严谨，范例丰富，易于学习和掌握，力求兼顾教师教学和学生自学。全书内容分为五部分，共12章：计算思维与算法（第1~3章）介绍各个经典的算法，包括分治法、递归法、贪心法、动态规划法、迭代法、枚举法、回溯法等；数据结构相关算法（第4~6章）讲述重要的数据结构及其相关算法的实现，数据结构包括数组、链表、堆栈、队列、树结构、图结构、哈希表；排序与查找算法（第7、8章）讲述排序算法和查找算法；树结构与图结构相关算法（第9、10章）讲述数组和链表相关