Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. You'll explore challenging concepts and practice with applications in computer vision, natural-language processing, and generative models. By the time you finish, you'll have the knowledge and hands-on skills to apply deep learning in your own projects.

70歲的葛洛夫首次披露他在英特爾的精采商場管理故事，
他精采的一生濃縮在這本授權的口述企業傳記故事中。
葛洛夫的一生充滿傳奇，擔任英特爾執行長領導企業登峰造極，連續11年年獲利成長34%
★ 本書榮獲2006年美國商業週刊十大好書獎、紐約時報暢銷排行榜前三名
★ 美國《時代》雜誌選為「年度風雲人物」、華頓商學院選為「最具影響力的企業領導人」
★ 葛洛夫親自授權的口述企業傳記故事 !
生存，就像是葛洛夫人生的必修課，
少年死裡逃生，中年反敗為勝，壯年抗癌延壽，
現在要邁向70歲了，他還在幫企業鑽研生存致勝的管理學。
本書在英特爾創辦人葛洛夫全面的配合之下完成，
深入剖析葛洛夫的人生、英特爾歷史，和矽谷興起。
蘋果電腦執行長賈伯斯(Steve Jobs)、
Google執行長舒密特(Eric Schmidt)、
Dell電腦公司董事長戴爾（Michael Dell）三大跨國企業執行長首度聯合推薦
台大EMBA首任執行長湯明哲專序推薦
在葛洛夫的一生中，最一貫而重要的主題，就是他如何面對變局：謀定而後動，勇往直前、動如脫兔、不在乎傳統的想法。授權作者泰德羅說：「葛洛夫憑著自己的演化，逃過了天擇。他強迫自己改變，以適應一連串的新現實，除舊布新。現實一旦改變，他一定也會放棄過去，迎向新局。
本書洞察的重點包括：
● 葛洛夫身世的創痛如何塑造他的人格，以及他經營企業的方法，塑造出他的名言：Only the Paranoid Survive（唯有偏執者才得以生存）。
● 他如何研究人們的互動，自學成為偉大的經理人，發展出「策略轉折點」（Strategic inflection point）、「重要的是你的知識，而非你的職位頭銜」（”knowledge power” trumps ”positionpower”）、「建設性的衝突」（Constructive confrontation）等金句名言。
● 他和英特爾共同創辦人摩爾（Gordon Moore）、諾宜斯（Robert Noyce）錯綜複雜的關係。
● 1994年Pentium處理器危機及他如何因應變局，旋乾轉坤。
葛洛夫經歷了納粹和共產黨，劫後餘生，成為美國資本主義的菁英，而更重要的是，他是21世紀企業人物的最佳典範。
若要列出舉世最受推崇的企業人物，葛洛夫必然是名單首選。這位在英特爾突飛猛進發展時擔任董事長兼執行長的舵手，讓英特爾成為矽谷的模範，他也被《時代》（Time）雜誌選為年度風雲人物──美國之夢的標竿。
葛洛夫的一生充滿傳奇。身為猶太後裔的他1936年生於匈牙利，在納粹大屠殺倖免於難，接著卻迎來蘇聯紅軍鐵蹄入侵。他年方20，身無分文逃到紐約，徹底融入美國社會。讀完大學和研究所之後，這位雄心勃勃的年輕工程師在最完美的時機來到矽谷。1968年他在英特爾創業時加入，1987年擔任執行長，領導公司登峰造極，在接下來11 年，年年獲利成長34%。
雖然幾十年來，媒體對葛洛夫有詳盡的報導，但對於他其人其事，依然有神祕之處。如今終於由名聞遐邇的哈佛商學院教授泰德羅以如椽之筆，勾勒出葛洛夫真正的形象，探索他的心靈，了解他如何面對潛在的問題主動出擊，如何領導其他人超越自我。
泰德羅以一絲不苟的態度、既廣且深入的資料，全方位描繪這位才華洋溢的企業界鉅子多彩多姿、有時教人抓狂的面貌。
精采書評：
「葛洛夫極其聰慧，但有一種淘氣的傾向，老是喜歡找麻煩，但這是好的，因為這激起他的好奇心，這種永難饜足的渴望讓他更進一步探究事物的真相。」──史蒂夫．賈伯斯（蘋果電腦執行長）
「在這本一針見血的傳記中，泰德羅刻畫出葛洛夫的全貌。葛洛夫是現代領導的標竿人物，而泰德羅掌握得十全十美。」──舒密特（Eric Schmidt，Google執行長）
「泰德羅寫的書是非讀不可的力作，獨特、溫馨，並且詳盡地描繪出葛洛夫的故事──移民、創新，和領導。」 ──道爾（L. John Doerr，美國數一數二的創投業者）
「葛洛夫辨識未來，並且塑造未來，這些年來我因他的見識和技巧而受益匪淺，一如全球數以百萬計的消費者。」──戴爾（Michael Dell，Dell電腦公司董事長）
「葛洛夫和泰德羅是絕配，泰德羅以精鍊的文字和敏銳的洞察力，使這本書超越『向成功的執行長學習』窠臼，一如葛洛夫所帶領的英特爾超越一般企業風貌。」──道隆（Robert J. Dolan，密西根大學羅斯商學院長）
「葛洛夫的故事將會迴盪在任何夢想美好生活的人心裡。不論是在新的國家，還是面對新的科技，他都勤奮努力，全心接納未來。他共同創立的公司讓電腦成了我們日常生活的一部分。」──羅威（Frank Lowy，雪梨最大百貨商場集團西田 (Westfield)董事長）
「傳記大師所寫劇力萬鈞的故事，以洗鍊的文筆敘述葛洛夫生平精彩的細節。或許已經有許多人知道葛洛夫是他那一世代最偉大的美國企業領袖，但讀者依舊會為泰德羅所述書中人物真實故事的喜怒哀樂而感動。」──亨特（Reed Hundt，美國聯邦通訊委員會前主席，英特爾董事）

计算传播学是计算社会科学的重要分支，计算传播学的分析基础在于人类传播行为的可计算性，而人类传播行为本身的丰富性和复杂性为计算传播学研究提出了重要挑战。《社交网络上的计算传播学》着重分析了社交网络中影响传播行为的各种可计算因素，以网络科学为理论基础，以计算新闻学、计算广告学等为实践知识框架，《社交网络上的计算传播学》共11章。第1～5章分析了社交网络中信息传播的测量工具和影响传播的可计算因素；第6～8章主要侧重于介绍社交网络中计算传播学的相关应用；第9～11章介绍与社交网络上计算传播学相关的一些研究方法和数据处理手段。
《社交网络上的计算传播学》着力于融合多个学科的力量，系统性地为社交网络上的信息传播建立一个完整的可计算框架。《社交网络上的计算传播学》可作为研究生以及高年级本科生的社交网络分析和计算传播学教材，也可供自然科学、工程技术和社会科学领域的研究人员和学者参考使用。

This book develops a formal computational theory of writing systems. It offers specific proposals about the linguistic objects that are represented by orthographic elements; what levels of linguistic representation are involved and how they may differ across writing systems; and what formal constraints hold of the mapping relation between linguistic and orthographic elements. Based on the insights gained, Sproat then proposes a taxonomy of writing systems. The treatment of theoretical linguistic issues and their computational implementation is complemented with discussion of empirical psycholinguistic work on reading and its relevance for the computational model developed here. Throughout, the model is illustrated with a number of detailed case studies of writing systems around the world. This book will be of interest to students and researchers in a variety of fields, including theoretical and computational linguistics, the psycholinguistics of reading and writing, and speech technology.

Machine learning allows computational systems to adaptively improve their performance with experience accumulated from the observed data. Its techniques are widely applied in engineering, science, finance, and commerce. This book is designed for a short course on machine learning. It is a short course, not a hurried course. From over a decade of teaching this material, we have distilled what we believe to be the core topics that every student of the subject should know. We chose the title `learning from data' that faithfully describes what the subject is about, and made it a point to cover the topics in a story-like fashion. Our hope is that the reader can learn all the fundamentals of the subject by reading the book cover to cover. ---- Learning from data has distinct theoretical and practical tracks. In this book, we balance the theoretical and the practical, the mathematical and the heuristic. Our criterion for inclusion is relevance. Theory that establishes the conceptual framework for learning is included, and so are heuristics that impact the performance of real learning systems. ---- Learning from data is a very dynamic field. Some of the hot techniques and theories at times become just fads, and others gain traction and become part of the field. What we have emphasized in this book are the necessary fundamentals that give any student of learning from data a solid foundation, and enable him or her to venture out and explore further techniques and theories, or perhaps to contribute their own. ---- The authors are professors at California Institute of Technology (Caltech), Rensselaer Polytechnic Institute (RPI), and National Taiwan University (NTU), where this book is the main text for their popular courses on machine learning. The authors also consult extensively with financial and commercial companies on machine learning applications, and have led winning teams in machine learning competitions.

Information theory and inference, taught together in this exciting textbook, lie at the heart of many important areas of modern technology - communication, signal processing, data mining, machine learning, pattern recognition, computational neuroscience, bioinformatics and cryptography. The book introduces theory in tandem with applications. Information theory is taught alongside practical communication systems such as arithmetic coding for data compression and sparse-graph codes for error-correction. Inference techniques, including message-passing algorithms, Monte Carlo methods and variational approximations, are developed alongside applications to clustering, convolutional codes, independent component analysis, and neural networks. Uniquely, the book covers state-of-the-art error-correcting codes, including low-density-parity-check codes, turbo codes, and digital fountain codes - the twenty-first-century standards for satellite communications, disk drives, and data broadcast. Richly illustrated, filled with worked examples and over 400 exercises, some with detailed solutions, the book is ideal for self-learning, and for undergraduate or graduate courses. It also provides an unparalleled entry point for professionals in areas as diverse as computational biology, financial engineering and machine learning.

不需要是技术专家，只要阅读《游戏设计艺术（第2版）》，学习佳作，深刻认识游戏设计的真谛，人人都可以成为成功的游戏设计者！《游戏设计艺术（第2版）》作者Jesse Schell是有二十多年成功经验的游戏设计师，曾任国际游戏开发者协会主席，并在迪士尼在线游戏服务多年，获奖颇多。他以宝贵经验提出一百多套问题集，帮助你从各种角度观察游戏设计，例如心理、建筑、音乐、视觉、电影、软件工程、主题公园设计、数学、谜题设计和人类学等方方面面。
《游戏设计艺术（第2版）》主要内容包括：游戏的体验、构成游戏的元素、元素支撑的主题、游戏的改进、游戏机制、游戏中的角色、游戏设计团队、如何开发好的游戏、如何推销游戏、设计者的责任等。

An essential guide to the trouble spots and oddities of R. In spite of the quirks exposed here, R is the best computing environment for most data analysis tasks. R is free, open-source, and has thousands of contributed packages. It is used in such diverse fields as ecology, finance, genomics and music. If you are using spreadsheets to understand data, switch to R. You will have safer -- and ultimately, more convenient -- computations.

这是一本程序员面试宝典！书中对IT名企代码面试各类题目的最优解进行了总结，并提供了相关代码实现。针对当前程序员面试缺乏权威题目汇总这一痛点，本书选取将近200道真实出现过的经典代码面试题，帮助广大程序员的面试准备做到万无一失。“刷”完本书后，你就是“题王”！__eol__本书采用题目+解答的方式组织内容，并把面试题类型相近或者解法相近的题目尽量放在一起，读者在学习本书时很容易看出面试题解法之间的联系，使知识的学习避免碎片化。书中将所有的面试题从难到易依次分为“将、校、尉、士”四个档次，方便读者有针对性地选择“刷”题。本书所收录的所有面试题都给出了最优解讲解和代码实现，并且提供了一些普通解法和最优解法的运行时间对比，让读者真切地感受到最优解的魅力！__eol__本书中的题目全面且经典，更重要的是，书中收录了大量独家题目和最优解分析，这些内容源自笔者多年来“死磕自己”的深入思考。__eol__码农们，你们做好准备在IT名企的面试中脱颖而出、一举成名了吗？这本书就是你应该拥有的“神兵利器”。当然，对需要提升算法和数据结构等方面能力的程序员而言，本书的价值也是显而易见的。

The best-selling guide to overcoming creative blocks and unleashing a torrent of great ideas-updated for a new generation of problem solvers. James Adams's unique approach to generating ideas and solving problems has captivated, inspired, and guided thousands of people from all walks of life. Now, twenty-five years after its original publication, Conceptual Blockbusting has never been more relevant, powerful, or fresh. Integrating insights from the worlds of psychology, engineering, management, art, and philosophy, Adams identifies the key blocks (perceptual, emotional, cultural, environmental, intellectual, and expressive) that prevent us from realizing the full potential of our fertile minds. Employing unconventional exercises and other interactive elements, Adams shows individuals, teams, and organizations how to overcome these blocks, embrace alternative ways of thinking about complex problems, and celebrate the joy of creativity. With new examples and contemporary references, Conceptual Blockbusting is guaranteed to introduce a new generation of readers to a world of new possibilities.

This introductory text offers a clear exposition of the algorithmic principles driving advances in bioinformatics. Accessible to students in both biology and computer science, it strikes a unique balance between rigorous mathematics and practical techniques, emphasizing the ideas underlying algorithms rather than offering a collection of apparently unrelated problems.The book introduces biological and algorithmic ideas together, linking issues in computer science to biology and thus capturing the interest of students in both subjects. It demonstrates that relatively few design techniques can be used to solve a large number of practical problems in biology, and presents this material intuitively.An Introduction to Bioinformatics Algorithms is one of the first books on bioinformatics that can be used by students at an undergraduate level. It includes a dual table of contents, organized by algorithmic idea and biological idea; discussions of biologically relevant problems, including a detailed problem formulation and one or more solutions for each; and brief biographical sketches of leading figures in the field. These interesting vignettes offer students a glimpse of the inspirations and motivations for real work in bioinformatics, making the concepts presented in the text more concrete and the techniques more approachable.PowerPoint presentations, practical bioinformatics problems, sample code, diagrams, demonstrations, and other materials can be found at the Author's website.

《代数特征值问题》是一本计算数学名著。作者用摄动理论和向后误差分析方法系统地论述代数特征值问题以及有关的线性代数方程组、多项式零点的各种解法，并对方法的性质作了透彻的分析。《代数特征值问题》的内容为研究代数特征值及有关问题提供了严密的理论基础和强有力的工具。《代数特征值问题》共分九章。第一章叙述矩阵理论，第二、三章介绍摄动理论和向后舍入误差分析方法，第四章分析线性代数方程组解法，第五章讨论Hermite矩阵的特征值问题，第六、七章研究如何把一般矩阵化为压缩型矩阵及压缩型矩阵的特征值的问题，第八章论述LR和QR算法，最后一章讨论各种迭代法。

本书是一本家长与孩子共同学习编程的入门书。作者是一对父子，他们以Python语言为例，详尽细致地介绍了Python如何安装、字符串和操作符等程序设计的基本概念，介绍了条件语句、函数、模块等进阶内容，最后讲解了用Python实现游戏编程。书中的语言生动活泼，叙述简单明了。 为了让学习者觉得编程有趣，本书编排了很多卡通人物及场景对话，让学习者在轻松愉快之中跨入计算机编程的大门。
第 2 版新增内容
首先，我们来说说第 2 版中有哪些内容没有改变，那就是我们决定在第 2 版中继续使用 Python 2，而不是转换到 Python 3。我们会在第 1 章解释其中的原因。
下面是第 2 版与第 1 版的不同之处
增加了一些说明，解释 Python 2 和 Python 3 的区别。
第 12 章增加了一节关于 Python 字典的内容。
在第 20 章的 GUI 编程部分，我们将不再被支持的 PythonCard 换成了应用更广泛的 PyQt。PyQt 也用在第 22 章的 Hangman 程序和第 24 章的电子宠物程序中。
增加了第 25 章，用来详细解释第 10 章中的 Skier 程序。
增加了第 26 章，讲述在简单的对战游戏中，如何编写一个有人工智

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。
本书是Web开发者、架构师、应用工程师等的绝佳选择。

本书是一本针对所有层次的Python 读者而作的Python 入门书。全书分两部分：第一部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy 和Pygal 等强大的Python 库和工具介绍，以及列表、字典、if 语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D 游戏开发如何利用数据生成交互式的信息图，以及创建和定制简单的Web 应用，并帮读者解决常见编程问题和困惑。

从数字货币及智能合约技术层面，解读了区块链技术在金融领域的运用。“如果你正在寻找一本在技术层面解释比特币是如何运作的，并且你有一定计算机科学和编程的基本知识，这本书应该很适合你。”
《区块链：技术驱动金融》回答了一系列关于比特币如何运用区块链技术运作的问题，并且着重讲述了各种技术功能，以及未来会形成的网络。比特币是如何运作的？它因何而与众不同？你的比特币安全吗？比特币用户如何匿名？区块链如何帮助比特币实现没有身份的共识？我们可以在比特币这一平台上创建什么应用程序？加密数字货币可以被监管吗？创建一种新的数字货币将会带来什么样的变化？未来将会如何发展？
读完这本书，你会了解到所有比特币和其他数字货币相关的知识，对区块链技术具备基础性认识，能够区别那些完全虚构的故事。你将会对于需要什么样的安全软件，如何与比特币网络进行交互有了基础概念，也可以将区块链的概念整合应用于自己的项目中。你，将会成为时代的引领者！

Physics and computer science genius Stephen Wolfram, whose Mathematica computer language launched a multimillion-dollar company, now sets his sights on a more daunting goal: understanding the universe. Wolfram lets the world see his work in
, a gorgeous, 1,280-page tome more than a decade in the making. With patience, insight, and self-confidence to spare, Wolfram outlines a fundamental new way of modeling complex systems.

《蚁群优化算法》围绕蚁群算法这一来自昆虫世界的优化思想，对其基本原理、核心步骤及其在最优化相关领域的实现作了详细介绍。主要内容包括蚁群算法基本原理、蚁群算法在TSP及其扩展问题求解中的应用、蚁群算法在VRP及其扩展问题求解中的应用、蚁群算法在最优树问题求解中的应用、蚁群算法在整数规划问题求解中的应用、一般连续优化问题的蚁群算法以及多目标蚁群算法等。书中还给出了一些主要算法的Delphi程序实现源代码，可供参考或修改使用。

整数规划是运筹学与最优化理论的重要分支之一，整数规划模型、理论和算法在管理科学、经济、金融工程、工业管理和其他领域有着广泛的应用，《整数规划》由孙小玲、李端编著，主要介绍经典的线性整数规划理论和算法，同时简单介绍近年发展起来的非线性整数规划理论，主要内容包括：线性和非线性整数规划问题和模型、线性规划基础、全单模矩阵、图论和网络流问题、算法复杂性理论、分枝定界算法、割平面方法、多面体和有效不等式理论、整数规划对偶理论、0-1二次整数规划与SDP松弛、0-1多项式整数规划等。
《整数规划》适合运筹学、管理科学、应用数学和工程类专业的高年级本科生和研究生作为整数规划的教材和参考书，读者只需具有高等数学基础就可以阅读。

《学术研究,你的成功之道》讲述你有过成为科学家的梦想吗？想走进科学家的生活一探究竟吗？想知道科学研究究竟隐藏着怎样的神秘吗？刚刚开始学术研究的你，想知道如何挖掘好的研究课题及想法吗？有了课题和想法之后，下一步的研究又该如何展开呢？对于那些发表在顶级期刊和会议的文章，总觉得人家写得如行云流水，轮到自己写文章时纵有思路万千，却下笔无神。想知道如何将新的想法和研究结果有条理地组织在一起并撰写成高质量论文的秘密吗？如果你是一名年轻的导师，角色的突然转变让你还有些无从应对吗？那么，如何高效地指导学生，让他们快速在研究领域找到自己的立足点呢？对于这一连串的问号，你将会在《学术研究,你的成功之道》中找到答案。