计算机导论

在物联网及大数据被广泛应用的时代背景下，计算机网络在人们的日常生产生活中的应用比重越来越大，并潜移默化地改变着人们的生产生活方式。在计算机网络中，应用最广泛的是局域网。本书对局域网的组建、管理与维护进行全面剖析，向读者揭开局域网的神秘面纱，在熟悉局域网知识要点的同时，重点培养读者的动手能力和专业思维能力。全书共9章，内容包括局域网概述、局域网基础技术、局域网网络设备、无线局域网的组建、局域网规划与

测试设计思想是本书的主题。针对测试的两个基本目的和五个基本问题，本书归纳了八类测试设计思想，即系统的思想、枚举的思想、准则化的思想、多样化的思想、统计的思想、冗余的思想、推理的思想、控制的思想。围绕每一类思想，本书深入讲解来自不同领域的测试设计方法、实践及理念，借此剖析如何依据该思想缓解测试的基本问题。了解这些思想，有助于读者奠定扎实的测试理论基础，适应当代研发生产活动多学科交叉、多领域融合的发展

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。全书分为4篇，共19章：微积分篇（第1～5章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第6～10章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统

本书深入剖析了互联网主导下的数字广告系统，详细阐述了如何通过数据驱动的产品技术、计算算法和动态定价模型来推进广告主的数字营销，并使其在广告领域与技术广告体系全面融合。同时，本书还探讨了数字化升级对广告业流程的影响，包括市场研究、内容匹配、定制化广告、广告竞投以及消费者沉浸式互动和用户忠诚度提升等营销职能。这些内容共同构建了数字化和智能化广告发展的综合知识体系。全书分为三篇（共10章）：第一篇为基础

本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括精确信念状态规划、离线信念状态规划、在线信念状态规划等；最后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书

深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（D

本书以网络安全为主线，对计算机网络安全所面对的各种威胁、表现形式、解决技术、应对方案等知识进行讲解，让读者全面掌握网络安全技术的应用方法和防范措施。全书共10章，内容包括计算机网络安全概述、网络模型中的安全体系、常用渗透手段及防范、病毒与木马的防范、加密与解密技术、局域网与网站安全、身份认证及访问控制、远程控制及代理技术、灾难恢复技术等。在正文讲解过程中，穿插了知识点拨注意事项动手练等板块，以助读

本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于回归事物本质，规律性、系统性地思考问题理论为实践服务并且反过来充实理论，为更多人服务的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的到底是什么，为什么要这样做的通俗理解。尽可能

本书比较全面、系统地介绍了深度强化学习的理论和算法，并配有大量的案例和编程实现。全书核心内容可以分为3部分，第一部分为经典强化学习，包括第2、3、4章，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，包括第6、7、8章，主要内容有值函数近似法、策略梯度法、策略梯度法进阶；第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外，作为理论和算法的辅助，第1章介绍