本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。

全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

《UEFI原理与编程》是国内首部UEFI专著，由资深UEFI专家兼布道者撰写，英特尔中国研究院院长吴甘沙强烈推荐！

《UEFI原理与编程》以实战为导向，面向UEFI的使用者和开发者，首先细致地介绍了UEFI的系统组成、启动过程、优点，以及各种系统中的开发环境搭建；然后深入剖析了UEFI的工作原理，包括UEFI工程模块、各种协议、基础服务、事件、硬盘和文件系统等内容；最后讲解了UEFI的开发，涉及UEFI服务的开发、UEFI驱动的开发、多任务应用的开发、网络应用的开发、GUI应用的开发，以及如何用C++和C标准库开发UEFI应用，等等。

【名家推荐】

6年前，正华还是英特尔中国研究院并行编程团队的一员虎将。他话虽不多，但勤于思考，用心钻研，技术扎实。不觉已是六年，正华转战UEFI，取得了斐然成绩，并且笔耕不辍成就此书。我非常感佩于正华的严谨治学态度，本书几易其稿，反复修改了近一年，凝聚了他的学识和心血。过去十几年，UEFI的应用场景从PC扩展到手机、嵌入式甚至物联网设备，极大地缩短了系统开发时间，在安全性、兼容性、可扩展性和易用性上都各具亮点。矢志享受驾驭硬件之趣的同学们，请翻开此书，系统上电，在作者真诚的分享中，开始与硬件的亲密接触。

—— 吴甘沙 英特尔中国研究院院长

计算机科学的全景式展现。

首屈一指的导论性教材。

经典传承，新知荟萃。

被哈佛大学、加州大学等多所大学采用为教材。

本书多年来一直深受世界各国高校师生的欢迎，是哈佛大学、麻省理工学院、普林斯顿大学、加州大学伯克利分校等著名大学对应课程的首选教材，对我国的高校相关教学也产生了广泛的影响。本书以历史的眼光，从发展的角度、当前的技术水平以及现阶段的研究方向等几个方面，全景式描述了计算机科学各个子学科的主要研究领域。在内容编排上，本书用算法、数据抽象等核心思想贯穿各个主题，合理地兼顾了学科广度和主题深度，并且充分体现了各个主题的历史背景、发展历程和新的技术趋势，培养读者的大局观，为今后深入学习其他计算机专业课程打下坚实的基础。

◎编辑推荐

本书深入浅出，图文并茂，内容由具体到抽象逐步推进。各章自然连贯又各自独立，可根据教学需要调整学习顺序。此外，本书习题丰富，并且每一章后都附有与本章内容相关的社会问题供读者思考和讨论，这些都很好地体现了作者强调培养学生分析问题能力的教学理念。第 13 版的主要特点是补充了 Python 语言的相关内容，比先前版本更注重编程。此外，几乎每一章都能看到对前一版对应章节的修订、更新和扩展。

本书非常适合作为高等院校计算机及相关专业本科生教材，也适合有意在计算机方面发展的非计算机专业读者作为入门参考书。

◎内容简介：

本书是计算机科学概论课程的经典教材，全书对计算机科学做了百科全书式的精彩阐述，充分展现了计算机科学的历史背景、发展历程和新的技术趋势。书中首先介绍信息编码及计算机体系结构的基本原理，进而介绍操作系统和组网以及因特网的相关内容，接着探讨算法、程序设计语言及软件工程，然后讨论数据抽象和数据库方面的问题，讲述图形学的主要应用以及人工智能，最后以计算理论的介绍结束全书。本书在内容编排上由具体到抽象逐步推进，便于教学安排，每一个主题自然而然地引导出下一个主题。此外，书中还包含大量的图、表和示例，有助于读者对知识的了解与把握。第13版对前一版进行了全面的修正和更新，还新增了Python相关的内容，并且继续使用第12版引入的Python代码示例和类Python伪代码。

本书非常适合作为高等院校计算机以及相关专业本科生教材，也适合有意在计算机方面发展的非计算机专业读者作为入门参考书。

机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，优化机器人的行为以便使用较少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。本书是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方法，多元分析，隐马尔可夫模型，增强学习，核机器，图模型，贝叶斯估计和统计检验。

机器学习正在迅速成为计算机科学专业的学生必须掌握的一门技能。本书第3版反映了这种变化，增加了对初学者的支持，包括给出了部分习题的参考答案和补充了实例数据集（提供在线代码）。其他显著的变化包括离群点检测的讨论、感知器和支持向量机的排名算法、矩阵分解和谱方法、距离估计、新的核算法、多层感知器的深度学习和非参数贝叶斯方法。书中对所有学习算法都进行了解释，以便读者可以很容易地将书中的公式转变为计算机程序。本书可以用作高年级本科生和硕士研究生的教材，也可供研究机器学习方法的技术人员参考。

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列的书也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（Supervised Learning），无监督学习（Unsupervised Learning）和半监督学习（Semi-Supervised Learning）。而其具体的问题又大致可以分为两类：分类问题（Classification）和回归问题（Regression）。

Python本身带有许多机器学习的第三方库，但《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。

《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器学习算法的程序员，以及想了解机器学习算法能如何进行应用的职员、经理等。

本书以基于Python的网络分析包NetworkX作为社会网络分析工具，但不是一本NetworkX使用手册。作者将重点放在如何从庞大的社会网络分析学术积累中，挑选最精要与最实用的知识点，以帮助读者形成关于社会网络分析的知识谱系图。全书可以分为四部分。第1章和第2章是基础知识，主要介绍社会网络分析的背景信息与图论基础知识。第3~5章主要介绍如何分析社会网络，分别从个体与群体两个层面，介绍社会网络的主要测量指标与分析方法。其中第3章重点介绍社会网络节点层面的四个核心指标：

程度中心性：哪些是明星人物？哪些是边缘者？程度中心性回答类似问题。这是最为人们理解的社会网络测量指标。以微博为例，程度中心性就是粉丝的数量，那些程度中心性高的人就是微博中的明星。

亲近中心性：亲近中心性通过点与其他点的距离来测量。那些在社交网络中经常与人互动、人际关系颇好的人，比如公司中的八卦传播者，往往亲近中心性得分较高。

居间中心性：节点的居间程度，表示一个网络中经过该点最短路径的数量。在网络中，节点的居间程度越大，那么它在节点相互之间的信息传播起到的作用也就越大。在两个社会网络之间的人，比如跨界者，往往拥有较高的居间中心性。

特征向量中心性：那些在社交网络中沉默却拥有极大权力的人物，如《教父》中的主人翁柯里昂。社会网络研究者将他们称为“灰衣主教”。特征向量中心性就是找出他们的办法。基本原理是，一个有着高特征向量中心性的行动者，与他建立连接的很多行动者往往也被其他很多行动者所连接。在社交网络中，有这样一种人，很多明星与其做朋友，即使他沉默不语，也可能是一位重要的人物。

社会网络分析不仅仅在节点层面测量。第4章、第5章介绍如何分析群体。其中，第4章主要介绍社群划分的基础知识：如何将庞大的社会网络划分为小的组块？如何利用社会网络中的结构洞牟利？如何进行三元组普查与分析？例如，如何通过岛屿方法逐步找出推特上埃及革命的成千上万条转发的核心人物？又如，如何评估埃及革命中一个人的信息传播能力？显然，如果你的朋友们相互信任，将比那种一个明星发言，粉丝们单纯收听的星形网络传播能力更强。第5章主要介绍二模网络与多模网络的基础知识。关系还会存在于不同类型的主体之间，比如公司雇佣员工、投资者购买公司股票、人们占有信息与资源等。这些关系称为二模关系。现实生活中的关系往往是二模或多模。比如在微博上，可以通过你的兴趣、地域、使用的标签来为你推荐新的朋友，或者基于你对一些公共事件的看法，将你划分到特定政治群体中，这些都是基于二模或多模网络的分析得出的。

第6章是全书最精彩的部分，关注信息如何传播，初步展示分析动态社会网络发展的建模技巧。一条微博如何从一两个人关注突然成为流行用语？作者在实验中发现，当网络密度接近7%的时候，将从线性增长（每次增加一条连接）转化为病毒式扩散，也就是说，如果转发一条微博、加入一个网络社群等的人数比例达到7%，其他人将会在关键阶段马上跟进。这是一个推动脸谱走出哈佛大学的神奇数字。脸谱一步一步地跃迁，总是遵循一个规则——在一个社群里到达饱和点之后才移入一个更大的社群。作者通过手写Python算法，为读者打开动态社会网络与网络仿真的大门——我们如何用算法来模拟人类社会各类关系的变迁？有了自己亲手实践算法的经验，读者未来使用netlogo等网络仿真软件，将更加得心应手。

对于初学者来说，第4~6章这三章有一定难度，需要同时理解社会科学与编程技巧两方面知识。第7章则简单明了，主要介绍获取网络数据的入门知识。如果希望深入了解，可以阅读作者推荐的相关资源。附录A介绍收集社会网络分析所需数据的传统方法、伦理准则与相关API。附录B介绍如何安装本书涉及的相关软件，如NetworkX、matplotlib等。

总而言之，作为一本技术非常新颖的入门读物，本书通俗易懂，基于Python进行分析使得其灵活性变得更高。可以说，本书令学习者从一开始就具有上手实践的能力，除介绍网络数据获取技巧、网络抽样方法、网络在个体与群体两个层面的基本属性之外，还涉及目前日益热门的网络模拟方法，融合基础理论与算法于一身。简约却不简单，上升空间非常大！无论你是对社会网络感兴趣的大众读者，还是社会网络的专业研究者、开发者，相信本书都会在社会网络的理论与实践两方面给予启发！

本书详细介绍了大数据、机器学习、自然语言处理等技术在典型的财务分析和决策场景中的应用，旨在为企业提供数智化的财务解决方案，培养企业急需的数智化财务管理人才。其中，第1章介绍关键技术和算法的原理；第2-7章分别展示机器学习在财务分析、融资决策、并购决策、存货管理、供应链优化及风险分析等财务场景中的应用；第8章介绍自然语言处理在企业战略决策中的应用；第9章结合机器学习解决企业成本管理问题；第10章探讨如何利用机器学习分析图片、视频等多模态数据；第11章介绍管理会计报告的自动生成方式。本书特点如下：（1）技术深度融入场景：重点介绍如何以技术作为“工具”来解决企业内部财务分析和决策的痛点问题，提升财务管理效率。（2）任务制加多元实训：在每个财务分析或决策任务下，针对不同基础和学习偏好的师生提供了AI平台实训、Python编程实训、混合实训等多样化的实训路径。

为了适应社会科学学科学生以及企业从事商业数据分析的人员需求，本书会精选部分精炼的Python语法进行讲解，以最简单直白的语言将Python用于商业数据分析的要义讲明白。本书重点将围绕商业数据分析这一核心问题介绍三部分内容：一、以目前进行商业数据分析最主要的编程语言Python为主，介绍Python编程语法；二、介绍进行商业数据分析的主要算法和模型，包括统计方法、数据挖掘方法、机器学习方法以及深度学习方法；三、以商业管理中常见的应用问题为例，介绍4-5个商业数据分析案例，包括市场营销方面的消费者细分、在线社区中虚假评论的识别、房地产经济分析、金融投资领域中的行业研究报告分析等。