计算机 - 第8页

本书共有 6 章，主要介绍了 3 个主题，分别是图的搜索和应用、最短路径以及数据结构。附录简单回顾了渐进性表示法。本书的每一章均有小测验、章末习题，这为读者的自我检查以及进一步学习提供了方便。 本书提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维和计算思维的 IT 专业人士，以及正在准备面试的应聘者和面试官阅读参考。

本书结合AI原生应用落地的大量实践，系统讲解提示工程的核心原理、相关案例分析和实战应用，涵盖提示工程概述、结构化提示设计、NLP任务提示、内容创作提示、生成可控性提示、提示安全设计、形式语言风格提示、推理提示和智能体提示等内容。 本书的初衷不是告诉读者如何套用各种预设的提示模板，而是帮助读者深入理解和应用提示设计技巧，以找到决定大语言模型输出的关键因子，进而将提示工程的理论知识应用到产品设计中。本

数学拥有无穷的力量。它既帮助游戏开发工程师建模物理世界，也帮助量化金融分析师赚取利润，还帮助音频处理工程师制作音乐。在数据科学和机器学习领域，数学知识更是不可或缺的。有人热爱数学，将它比作诗歌，为之着迷一生；有人很难领会数学的妙处，受困于“数学焦虑症”。本书正是为了帮助程序员消除这种焦虑，用自己熟悉的工具，即代码，重新发现数学之美。本书以图文结合的方式帮助你用 Python 代码解决程序设计中的数

本书是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第一册，也是“编程”板块的第一册， 着重介绍如何零基础入门学 Python 编程。虽然本书主要讲解 Python 编程，但是也离不开数学。本书尽量 避免讲解数学概念公式，而且用图形和近乎口语化的语言描述程序设计、数据分析、机器学习背后常用的 数学思想。本书分为预备、语法、绘图、数组、数据、数学、机器学习、应用八大板块， 共 36 章， 内容“跨度

对经验丰富的程序员来说，如果希望为实际应用编写出健壮的代码，那么《Java核心技术》绝对是一本业内领先的、言简意赅的宝典。如今，《Java核心技术 卷II：高级特性（原书第12版）》针对Java 17的新特性和改进进行了修订。与以往一样，所有的章节都做了全面更新，移除了过时的内容，并且详细讨论了各种新API。本书专注于程序员进行专业软件开发时必须了解的高级主题，对诸多内容进行了细致剖析，涵盖企业级

本书全面细致地讲解了研发和运维人员需要掌握的大语言模型及其相关技术的原理，重点讲解了如何借助大模型实现 DevOps、SRE、平台工程三大领域的智能化实践，覆盖开发、测试、运维、监控、安全、项目管理等软件开发全流程和全场景，通过丰富的实例展示了其在实际工作场景中的具体应用。 本书的独特之处在于它不仅涵盖了基础理论知识，如 Transformer 模型的基本原理及 GPT 系列模型的发展历程，更注重

这本书是深度学习领域的入门教材，系统地讲解了深度学习的知识体系，由浅入深阐述了深度学习基础知识、主要模型及部分前沿研究热点。冀使读者能有效地掌握相关知识，具备用深度学习技术解决大数据问题的能力。全书共 15 章。第1 章绪论，介绍人工智能、机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍

适读人群：本书非常适合具有一定编程基础的Python程序员阅读参考。《Python Cookbook（第3版）（中文版）》介绍了Python应用在各个领域中的一些使用技巧和方法，其主题涵盖了数据结构和算法，字符串和文本，数字、日期和时间，迭代器和生成器，文件和I/O，数据编码与处理，函数，类与对象，元编程，模块和包，网络和Web编程，并发，实用脚本和系统管理，测试、调试以及异常，C语言扩展等。本书

《大模型 RAG 应用开发：构建智能生成系统》系统介绍检索增强生成（RAG）技术的核心概念、开发流程和实际应用。《大模型 RAG 应用开发：构建智能生成系统》共分为 11 章，第 1～3 章详细介绍 RAG 开发的基础，包括环境搭建、常用工具和模块，帮助读者从零开始理解 RAG 系统的工作原理与开发技巧；第 4～8 章聚焦 RAG 系统的具体搭建，从向量数据库的创建、文本的向量化，到如何构建高效的

本书共 5 个部分。 第一部分“Python 环境”讲解 Python 的哲学、开发环境、基本语法、项目结构和代码导入等内容，为读者编写规范的 Python 代码奠定坚实的基础。 第二部分“基本结构”讲解 Python 的变量、数据类型、函数、类、对象、错误和异常等。 第三部分“数据和流程”讲解操作数据和控制执行流程的许多独特方法，包括集合、迭代、生成器、推导式、文本输入/输出、上下文管理、二进制