本书从C#开发的理论知识与开发时间相结合的方式，由简单到复杂介绍C#的开发，共包含六个篇章。篇是基础篇，包含1-8，介绍C#语言的基础知识，其中：章介绍C#语言的特点和开发工具使用。第二章介绍C#项目的介绍，可以自己开发一个小程序。第三章介绍C#中常量和变量的基本语法。第四章介绍C#表达式和运算符的用法。第五章介绍C#中常用到的流程控制语句。第六章介绍C#中数组与结合的用法。第七章介绍C#中属性和方法的使用。第八章介绍C#中结构体和类的使用。第二篇是核心篇，包含9-13，介绍C#语言的核心知识，

新生事物的出现引发了一系列激烈的讨论，不难发现舆论声浪中夹杂着令人不安和无奈的概念混淆，甚至有人把ChatGPT等同于GPT，或等同于AI。对于新生事物，过度吹捧和质疑都是不科学的。 本书的写作建立在大量调查研究和资讯的基础上，对ChatGPT、GPT和AI的发展进行了全面分析，帮助读者了解三者的不同，厘清ChatGPT的实质，看到GPT的技术突破，展望AI对人类社会的影响。 本书力求做到： ◎厘清ChatGPT、GPT、AI等基本概念； ◎探讨ChatGPT今天已经达到什么水平以及可能带来的影

每个代码库都包含一些错误和低效之处，你需要将其找出并完成修正。以正确的方式进行重构，代码就会变得优雅、易读和易维护。在本书中，你将学习一种独特的重构方式，可以在5行或更少的代码中实现任何方法。你还会发现大多数资深开发人员都知道的一个秘密：:有时敲定代码并在稍后进行修复会更快。 对所有技术水平的开发人员来说，本书是以全新视角审视重构。在本书中，你将掌握作者的创新方法，学习一些具体的规则，将任何方法简化为5行或更少。你将了解重构的时机、适用于大多数常见问题的特定重构模式，以及应该完全删除的代码特征。

新的Arduino编程指南，无需任何编程经验！本版进行了全面更新，逐步介绍了如何使用修改后的C语言和ArduinoIDE快速、轻松地编写所有基于Arduino模型的程序。电子学大师SimonMonk通过简单的语言和清晰的指导，引导你快速掌握所有概念。书中提供了数十个易跟学的示例和高质量的插图，所有的sketch示例程序都可直接使用，也可根据需要进行修改。书中还介绍了使用Arduino框架编写其他主流开发板程序的全部新知识。内容涵盖●配置Arduino并开始编写sketch程序●了解C语言和Ard

本书提供了使用Python开发机器学习应用程序的基本原理。主要内容包括：机器学习概念及其应用；数据预处理、降维；各种线性模型、集成学习方法、随机森林、提升方法；自然语言处理、深度学习等。本书跟进了机器学习的研究成果，比如近几年提出的著名算法XGBoost和CatBoost，以及SHAP值。这些方法是机器学习领域中新颖且先进的模型。本书目的是向读者介绍从业人员采用的解决机器学习问题的主要现代算法，跟踪机器学习领域研究前沿，并为初学者提供使用机器学习的方法。本书覆盖面广，对所有希望在数据科学和分析任

本书包含20余个高并发系统案例，每个案例看似相互独立，实则相辅相成。根据高并发系统的特点，高并发与高性能、高可用的关系，本书分为6篇。基础篇，概要介绍专栏所用的软件建模方法、设计文档写法、高并发架构设计方法。高并发系统的海量数据处理架构篇，讨论海量数据如何存储、如何传输、如何进行并发控制。高并发系统的高性能架构篇，讨论在高并发场景下，如何保证系统的响应性能。高并发系统的高可用架构篇，通过微博、百科、限流器等架构案例分析，寻求保障高并发系统高可用的方案。安全系统架构篇，通过Web防火墙、加解密平台

本书介绍如何使用Python语言进行网络爬虫程序的开发，从Python语言的基本特性入手，详细介绍了Python爬虫程序开发的各个方面，包括HTTP、HTML、JavaScript、正则表达式、自然语言处理、数据科学等不同领域的内容。全书共14章，分为基础篇、进阶篇、提高篇和实战篇四个部分，内容覆盖网络抓取与爬虫编程中的主要知识和技术。同时，本书在重视理论基础的前提下，从实用性和丰富度出发，结合实例演示了编写爬虫程序的核心流程。本书适合Python语言初学者、网络爬虫技术爱好者、数据分析从业人员

本书结合工程教育专业认证要求，针对当今社会对机器人感知技术人才的需求，从本科生工程能力出发，贯彻从基本功能模块到整体感知系统设计逐层递进的教学思路，以家庭服务机器人为主线，从模块化知识块入手，介绍相关理论的实际应用技术。引导学生完成相关感知模块的理论知识学习、设计与开发，更加灵活地培养学生的系统设计与开发能力，更好地激发学生的自主学习意识，更好地服务于机器人技术创新人才的培养

本书围绕保障重要信息系统安全的国家战略网络安全等级保护展开，从等级保护工作的需求分析入手，介绍等级保护工作的核心理论模型，讲述等级保护的定级备案方法及流程，解读网络安全等级保护的基本要求，进一步阐述等级测评所需的支撑技术，包括端口扫描、漏洞检测、渗透测试、攻击图等关键技术和基础知识库，并给出等级测评理论在云租户系统、工业控制系统的典型应用，最后介绍等级测评挑战，展望等级测评工作的未来。每章配有思考与练习，以指导读者深入地进行学习。通过学习本书，信息系统建设与运营单位人员可以了解等级保护相关的政策

《联邦学习原理与算法》系统介绍了联邦学习的全貌，内容丰富，兼顾算法理论与实践。算法部分包含横向联邦、纵向联邦等不同的数据建模方式，重点讨论了联邦学习由于数据异质性和设备异质性带来的算法稳定性、隐私性挑战及其解决策略，这对每一个联邦学习框架设计者来说都是至关重要但却容易忽略的部分；实践部分介绍了当前主流的联邦学习框架，并进行对比，然后给出相同算法的不同实现供读者比较。《联邦学习原理与算法》重点介绍了联邦学习计算机视觉及推荐系统等方面的应用，方便算法工程师拓展当前的算法框架，对金融、医疗、边缘计算、