计算机 - 第3页

《深度学习入门：基于Python的理论与实现》又称“鱼书”，是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相

2025 年 10 月初，谷歌资深工程主管、杰出工程师 Antonio Gulli 免费公开发布了一本长达 400 多页的新书——《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》。该书旨在为当前火热的 AI Agent 开发领域提供首批系统性的“设计模式”，更有条理地构建强大、可靠的智能系统。英文

Python之父推荐的爬虫入门到实战教程书籍，上一版销量近10万册，静觅博客博主崔庆才倾力打造，App端也能爬。本书介绍了如何利用 Python 3 开发网络爬虫。本书为第 2 版，相比于第 1 版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript 逆向、App 逆向、页面智能解析、深度学习识别验证码、Kubernetes 运维及部

本书在选材与编排上，贴近当前普通高等院校“数据结构”课程的现状和发展趋势，符合研究生考试大纲，内容难度适度，突出实用性和应用性。全书共 8 章，内容包括第一章绪论，第二章线性表，第三章栈和队列，第四章串、数组和广义表，第五章树和二叉树，第六章图，第七章查找，第八章排序。全书采用类 C 语言作为数据结构和算法的描述语言。本书可作为普通高等院校计算机和信息技术相关专业“数据结构”课程的教材，也可供从事

本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引人概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解

《利用Python进行数据分析》第1版出版于2012年，彼时基于 Python 的开源数据分析库（例如 pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。第3版针对 Python3.10 和 pandas1.4 进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的 panda

《C++从入门到精通（第6版）》从初学者角度出发，以通俗易懂的语言和丰富多彩的实例，详细讲解了C++程序开发需要掌握的知识。本书分为4篇共19章：第1篇是基础知识，包括绪论，数据类型，运算符与表达式，条件判断语句，循环语句，函数，数组、指针和引用，以及构造数据类型；第2篇是面向对象，包括面向对象编程，类和对象，以及继承与派生；第3篇是高级应用，包括模板、标准模板库、RTTI与异常处理、程序调试、文

《计算机组成与系统结构（第 3 版）》主要介绍计算机组成与系统结构涉及的相关概念、理论和技术，主要内容包括指令集体系结构、数据的表示和存储，以及实现指令集体系结构的计算机各部件的内部工作原理、组成结构及其相互连接。本书共分 9 章：第 1 章对计算机系统及其性能评价进行概述性介绍；第 2～3 章主要介绍数据的机器级表示和运算，以及运算部件的结构与设计；第 4～6 章介绍指令系统、各种 CPU 设计

本书详尽地阐述智能体的基础理论、开发工具以及不同层次的开发方法，通过融合自然语言理解、多轮对话和任务自动化技术，为读者提供从理论到实践的全方位指导，旨在帮助读者构建高效的智能体。全书分为 3 个部分，共 12 章。 第 1 部分（第 1～5 章）深入解析智能体的工作原理及开发所需的工具链，包括智能体的定义、类型及其与大语言模型（LLM）的关系，探讨智能体框架结构和核心模块的设计，并介绍 LangC

本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功