本书按实战项目研发的先后顺序，介绍了目标检测神经网络从研发到运营的全生命周期。首先介绍了目标检测场景下的图片标注方法和数据格式，以及与之密切相关的特征融合网络和预测网络；介绍了数据"后处理”所涉及的NMS算法及其变种，在此基础上，读者只需结合各式各样的骨干网络就可以搭建完整的一阶段目标检测神经网络模型。接下来介绍了神经网络的动态模式和静态模式两种训练方法，以及训练过程中的数据监控和异常处理。最后以亚马逊云和谷歌Coral开发板为例，介绍了云端部署和边缘端部署神经网络的两种部署方法。其中，对于边缘

本书用一系列有趣的小故事讲述计算机底层相关的技术知识。?第1章：聚焦计算机中最核心的CPU，从最基础的门电路开始，到基本的指令执行过程，最后到CPU的一些高级技术。内容涵盖缓存、原子操作、指令流水线、分支预测、乱序执行、超线程、SIMD、内存管理、TLB等。?第2章：主要讲述计算机中的存储设施，包括CPU中的缓存，内存、机械硬盘三者数据存储的原理，以及硬盘上的数据管理组织的软件——文件系统基本模型。?第3章：主要讲述计算机中的I/O和数据传输。内容涵盖总线系统、中断机制、DMA技术、零拷贝技术。

算力、数据、AI已经成为驱动当今社会技术发展的三架马车，而算力也从传统的超级计算向云超算的方向发展。本书旨在探讨当前超级计算与云计算的融合而给算力带来的新的发展，介绍当前在算力领域的一些实践和探索，从理论到工程，帮助读者了解超级计算的关键技术与未来发展，从而更好地应用和发展高性能技术。

本书主要围绕不同的进化算法时间复杂度分析方法展开介绍，包括基于Markov过程的理论、分层估计理论、漂移分析理论、关系模型理论、平均增益理论、带噪声的进化算法的时间复杂度分析理论，并且提供了配套的软件工具辅助读者开展实践。本书对进化算法的理论研究进行了分析、归纳和总结，写作内容严谨易懂，逻辑清晰严密。

"本书为有志于从事数据中心暖通系统运维工作的人员提供了必需的入门知识。本书遵循由浅入深的原则，首先以“零基础”视角系统介绍了暖通系统运维人员必备的入门基础理论知识，主要包括空气调节理论、热力学定律、制冷原理、常见制冷系统组成及各部件工作原理，这些构成了本书的重点内容。随后本书以数据中心暖通系统为聚焦点，介绍了数据中心暖通系统的常见组成方式、各部分工作原理，其中针对数据中心暖通系统的空调机组、风系统、水系统等进行了比较详细的介绍。最后为了开阔读者视野、激发读者兴趣，书中涉及了一些数据中心暖通系统设

本书全面系统地论述了数据中心运维工作中运用的新技术，包括导论、数据中心的信息传输网络技术、楼宇设备控制特性及自动化技术、数据中心的安全防范技术、数据中心的消防及联动控制技术、数据中心的综合布线技术和数据中心的监控技术等。本书可作为高等学校电气工程及其自动化、新基建大数据运维等相关专业的教材，也可作为从事数据中心管理工作人员提升能力的专用工具书，还可作为从事楼宇智能化工作的工程技术人员和管理人员的参考书籍。

本书以图文并茂的方式对面试中的高频算法题进行讲解，重点关注解决问题的策略，旨在帮助广大读者更好地厘清各类算法题目的解题思路。本书分系列对算法题目进行讲解，包括数组系列、链表系列、动态规划系列、字符串系列、二叉树系列、滑动窗口系列、博弈论系列、排序系列、位运算系列、二分查找系列以及其他补充题目。本书适合数据结构和算法知识的初学者、希望从事IT行业工作的入门人员，以及具有一定基础的IT行业从业者阅读，也可作为大、中专院校计算机等相关专业的参考书。

推荐系统作为近年来非常热门的AI技术落地场景，已广泛应用于各行业的互联网应用，从衣食住行到娱乐消费，以及无处不在的广告，背后都依赖推荐系统的决策。本书贴合工业级推荐系统，以推荐系统的整体技术框架为切入点，深入剖析推荐系统中的内容理解、用户画像、召回、排序、重排等核心模块，介绍每个模块的核心技术和业界应用，并展开介绍了推荐冷启动、推荐偏置与消偏等常见问题和解决方案。此外，还对当前推荐系统领域的热门前沿技术进行了介绍，包括强化学习、因果推断、端上智能等。

"全书共10章，第1章为基础部分，介绍冯诺依曼计算机的基本构成和工作原理；第2章详细介绍了运算方法和运算器的组成；第3章主要介绍主存储器的结构和提高存储器性能的几种方法；第4、5章先介绍了指令系统的设计，CPU的组成，然后详细介绍控制器的基本结构和实现方法；第6章介绍总线的工作方式与常用总线标准；第7章介绍输入和输出等各部件的构成、功能及I/O控制方式；第8、9章介绍提高计算机性能的技术和高性能计算机的发展。第11章介绍了与教材配套使用的实验设备和教学实验设计。 本书可作为计算

"本书理论结合实践，详细介绍机器学习与深度学习常用算法和模型及其在计算机视觉领域的典型应用。对于初学者而言，本书从零开始系统地介绍建模的流程和方法，可以带领他们快速上手；对于有一定基础的读者而言，本书介绍多种算法和模型的原理，可以帮助他们深入理解并进行实践。 本书共10章，分为3篇，每篇均从基本概念、模型与算法原理、代码实现三个方面讲解。第1篇“机器学习原理”，围绕机器学习流程，重点介绍特征处理、模型训练和模型评估等相关内容，包括数据集的划分和使用、数据探索和预处理、模型原理分析和选择、模型评