这是一本讲解JavaScript编程语言的技术书籍，只不过，本书采用了一种全新的写作手法。如果你厌倦了厚厚的、如同字典般的编程书籍，不妨尝试一下新的口味！通过本书，你可以领悟到JavaScript的函数七重关秘籍；通过本书，你可以轻松学会使用jQuery操作DOM对象；通过本书，你可以学会目前流行的Vue基础语法；通过本书，你还可以学会最新的ES6常用语法。本书可作为JavaScript初学者入门的趣味读物。 杨逸飞，本科，南京航空航天大学金城学院毕业，毕业后从事IT行业多年。对JavaWeb，JavaScript，以及sql语言较为熟悉，尤其对前端技术非常喜爱。曾在上市软件公司任职，涉及IT金融，政府软件等多个领域。热爱分享知识，在简书和博客园写过非常之多的技术博客，教程清晰，深入浅出，对初学者较为友好。

什么样的定位能够脱颖而出? 什么样的选题能够引爆流量? 什么样的人设能够长久维持? 什么样的场景能够促进完播? ······ 这是一本手把手教你从0到1打造爆款内容的图书。作者休斯是多个粉丝数达百万级的网红幕后的操盘手，拥有一套打造爆款内容的方法论。在这本书里，休斯详细分析了一般自媒体从业者存在的认知误区，介绍了从自身资深经验中总结出来的打造爆款内容的方法，同时，还分析了爆款内容必备的相关要素，即场景、人设、需求等，以及如何提出问题、寻找选题、拟定标题等细节的操作方法。这是一本自媒体从业者从新手成长为高手的必备实操指南。 休斯，Hughes camp内容创作营主理人；多个百万粉丝网红的幕后操盘手；多家企业主、品牌方的流量顾问。 2018年独立运营小红书账号，通过线上流量赚到第一桶金。 2019—2021年独立孵化短视频超级个体40多名，其中粉丝数量在百万以上的4名。 2021—2023年做流量培训，帮助2000多名博主与个人提升内容创作能力，实现流量及业绩的增长，2022年创办Hughes camp内容创作营，并开始全国巡讲流量课。

本书是一本面向中高级程序员的算法教程，借助Python语言，用经典的算法、编码技术和原理来求解计算机科学的一些经典问题。全书共9章，不仅介绍了递归、结果缓存和位操作等基本编程组件，还讲述了常见的搜索算法、常见的图算法、神经网络、遗传算法、k均值聚类算法、对抗搜索算法等，运用了类型提示等Python高级特性，并通过各级方案、示例和习题展开具体实践。本书将计算机科学与应用程序、数据、性能等现实问题深度关联，定位独特，示例经典，适合有一定编程经验的中高级Python程序员提升用Python解决实际问题的技术、编程和应用能力。 大卫·科帕克（DavidKopec）是香普兰学院（ChamplainCollege）的计算机科学与创新专业助理教授，该学院位于美国佛蒙特州的伯灵顿市。他是一位经验丰富的软件开发人员，也是ClassicComputerScienceProblemsinSwift和DartforAbsoluteBeginners的作者。他拥有达特茅斯学院（DartmouthCollege）的经济学学士学位和计算机科学硕士学位。

人工智能现在正深刻地影响着我们的生产与生活，甚至关系到人类未来的前途命运，但究竟什么是人工智能？人工智能背后的原理是什么？从问世到演化至今，人工智能经历了怎样的历史变迁？当下人工智能的能力边界在哪里？人工智能与人类智能的差异是什么？未来人工智能又将面对什么样的挑战和机遇？关于这些疑问，《AI 3.0》将为你一一揭晓答案。 《AI 3.0》是超级畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔历经10年思考，厘清人工智能与人类智能的全新力作。本书源自米歇尔多年来对人工智能领域发展真实状态的记录，她在书中通过5个部分揭示了“现在的人工智能可以做什么，以及在未来几十年我们能从它们身上期待什么”。在描述了人工智能的发展历史之后，作者通过对视觉识别、游戏与推理、自然语言处理、常识判断这4大人工智能领域的热门应用的发展现状和局限性的探究，厘清了人工智能与人类智能的关系，书中关于人脸识别、无人驾驶、机器翻译等方面的案例分析都充满了巨大的启示！而这些，都是当下人工智能发展所面临的困境、人工智能想要取得突破性进展所必须重新思考的。看懂这本书，你将对人工智能领域有一个全景式的认知。 梅拉妮·米歇尔，波特兰州立大学计算机科学教授，曾在美国圣塔菲研究所（Santa Fe Institute）和洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）工作，主要的研究领域为类比推理、复杂系统、遗传算法等。在圣塔菲研究所时，米歇尔主导了复杂系统领域的研究工作，并教授了相关的在线课程。她的在线课程《复杂性入门》已经被近30 000名学生选修，成为Coursera排名前50位的在线课程之一。

本书基于Linux 和Solaris系统阐述了适用于所有系统的性能理论和方法，Brendan Gregg将业界普遍承认的性能方法、工具和指标收集于本书之中。阅读本书，你能洞悉系统运作的方式，学习到分析和提高系统与应用程序性能的方法，这些性能方法同样适用于大型企业与云计算这类最为复杂的环境的性能分析与调优。 作者： Brendan Gregg是Joyent公司的首席性能工程师，通过软件栈分析性能和扩展。在Sun Microsystem公司（之后为Oracle）作为首席性能和内核工程师期间，他的工作包括开发ZFS L2ARC，这是一个利用闪速存储器提升性能的文件系统。他还开发了许许多多的性能工具，部分工具收录在Mac OS X和Oracle Solaris 11的发行版中。他最近从事的工作覆盖针对Linux和illumos内核分析的性能可视化。他还是《DTrace》（Prentice Hall出版社，2011年）和《Solaris Performance and Tools》的两书合著者。 译者： 徐章宁，1984年生，毕业于上海交通大学，硕士毕业后一直从事软件运维工作，在云存储与虚拟化领域浸沁多年，现于百度公司担任高级运维工程师，致力于大数据方向运维。钟爱开源软件，平日热爱读书和写作，《算法谜题》《编程格调》合译者。 吴寒思，2010年毕业于南京大学软件学院，目前就职于EMC公司核心技术部从事文件系统研发工作，拥有2项文件系统方面专利。对程序设计、系统存储、云计算和操作系统有浓厚兴趣。 陈磊，1979年生，毕业于同济大学。从事网络、系统和IT管理14年。曾就职于EMC中国卓越研发集团，任实验室经理。目前在互联网金融企业负责基础架构。兴趣广泛，尤其热爱开源软件和其它各类新兴技术的探讨和研究。

《推荐系统算法实践》主要讲解推荐系统中的召回算法和排序算法，以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。 《推荐系统算法实践》中本着循序渐进的原则进行讲解。首先，介绍推荐系统中推荐算法的数学基础，推荐算法的平台、工具基础，以及具体的推荐系统。其次，讲解推荐系统中的召回算法，主要包括基于行为相似的协同过滤召回和基于内容相似的Word2vec召回，并且介绍其在Spark、TensorFlow主流工具中的实现与应用。再次，讲解推荐系统中的排序算法，包括线性模型、树模型和深度学习模型，分别介绍逻辑回归、FM、决策树、随机森林、GBDT、GBDT+LR、集成学习、深度森林、DNN、Wide & Deep、DeepFM、YouTube推荐等模型的原理，以及其在Sklearn、Spark、TensorFlow主流工具中的实现与应用。最后，介绍推荐算法的4个实践案例，帮助读者进行工程实践和应用，并且介绍如何在Notebook上进行代码开发和算法调试，以帮助读者提升工作效率。 《推荐系统算法实践》适合AI、数据挖掘、大数据等领域的从业人员阅读，书中为开发者展现了推荐算法的原理、实现与应用案例。 黄美灵 现任一线互联网公司的高级工程师，拥有多年大型互联网公司推荐系统和机器学习实战经验，现从事广告推荐、应用分发和资讯Feeds流推荐相关工作。

固态存储发展极为迅速，目前已成为一个新兴热点领域。云计算、物联网、大数据时代的到来，为存储技术的创新带来了新的机遇和挑战。随着新型固态存储介质的日渐成熟，延时越来越低，带宽越来越高，以动态随机存储器为代表的易失型存储设备在主存中的垄断地位将可能被非易失型固态存储设备所取代。而不断增大的容量和不断降低的价格，使固态存储技术越来越适合于构建高性能的外部存储设备。以磁盘为代表的机械驱动外部存储设备的主流地位将逐步被固态存储设备取代，使得存储系统的访问模式可能转为利用电子设备的电气特性而非机械转动。总之，固态存储已成为数据存储发展的必然趋势，其安全性、机密性、可靠性等值得关注。 不同于磁带、机械硬盘、光盘等依托机械运动实现读写的存储技术，固态存储器（solid-state memory，简称固态存储）完全基于半导体技术，通过改变芯片内部固态存储介质的状态（比如电荷、相变、极化和电阻等）来存储数据。在传统磁盘存储系统性能停滞不前的情况下，固态存储以崭新的视角，经过多年的研究和发展，为存储领域带来了一场革命性变革，成为突破现有存储性能瓶颈的希望。然而，随着固态存储的应用和普及，数据存储安全性、机密性、可靠性等问题逐渐凸显。如何解决固态存储架构中存在的安全问题将是本书中的浓墨重彩之处。

近年来，让人工智能受到全世界瞩目的高调事件，基本上都是基于深度学习的。比如，AlphaGo击败了世界围棋冠军，自然语言处理催生了智能语音助手，自动驾驶、人脸识别在世界范围内得到广泛应用，AI绘画更是以假乱真、火遍全球……可以说，深度学习已经浸入了我们的日常生活，从边缘走到了舞台的中心，正蓄势待发，即将掀起一场惊人的变革。 这是一本讲述人工智能，尤其是深度学习的历史与未来的书。在这本书中，作者讲述了一群将深度学习带给全世界的企业家和科学家的故事，从谷歌、Facebook、百度等大公司的决策者讲到学术界的领军人物——“深度学习三巨头”，再讲到DeepMind、OpenAI等知名实验室的开创者。读者可以通过这些人的故事，跟随现代人工智能的发展脚步，从人工智能研究的萌芽阶段开始，穿过两次人工智能的寒冬，一直了解到当下全新的前沿进展。通过描绘人工智能的发展脉络和各大科技公司在前沿趋势方面的布局，这本书阐释了人工智能如何走到了今天，以及它在未来将如何发展。 凯德·梅茨（Cade Metz），《连线》杂志和《纽约时报》的知名记者，长期关注谷歌、Facebook等科技互联网企业，人工智能、深度学习等科技趋势，以及与之相关的前沿思想。他经常在广播和电视上讨论人工智能话题，是美国国家公共广播电台（NPR）、美国消费者新闻与商业频道（CNBC）和微软全国广播电台（MSNBC）的受邀嘉宾。

ChatGPT是OpenAI开发的人工智能聊天机器人程序，于2022年11月推出，能够自动生成一些表面上看起来像人类写出的文字的东西，是一件很厉害且出乎大家意料的事。那么，它是如何做到的呢？又是为何能做到的呢？本书会大致介绍ChatGPT的内部机理，然后探讨一下为什么它能很好地生成我们认为是有意义的文本。 本书适合想了解ChatGPT的所有人阅读。 斯蒂芬·沃尔弗拉姆（Stephen Wolfram） 计算机科学、数学和理论物理学家，当今科学和技术领域重要的革新者之一。他创造了在全世界备受推崇的软件系统——Mathematica、Wolfram|Alpha和Wolfram语言。35年来，他一直担任科技公司Wolfram Research的首席执行官，并负责基础科学领域的一系列突破性进展，包括最近的Wolfram物理项目（Physics Project）。著有畅销书《一种新科学》《这就是ChatGPT》《计算探索者之旅》《创想者》等。 伊利诺斯大学物理学、数学和计算机科学教授。“科学天才”15岁发表首篇粒子物理方面的学术论文；19岁，到加州理工学院研究基本粒子物理学，一年内获得理论物理学博士学位。随后他和费曼一起研究起元胞自动机。 软件工程师、企业老板，他创办的Wolfram Research软件公司，研发出当今世界四大数学软件之一Mathematica。Mathematica的发布标志着现代科技计算的开始，它是世界上通用计算系统中最强大的系统。沃尔夫勒姆本人也因为这个发明被认为是“人类的伟大赞助者”，并跨入千万富翁的行列。 1981年，沃尔弗拉姆被授予麦克阿瑟“天才人物”奖，并成为该奖有史以来最年轻的获得者。 2009年5月，沃尔弗拉姆发布了一个搜索引擎WolframAlpha。“第一个真正实用的人工智能”。可以给出针对问题的有效答案，所以，WolframAlpha问世不久后便被称为“谷歌杀手”。他跟乔布斯也是好友，比如苹果手机助手Siri，背后的知识库，其实就是Wolfram|Alpha支持的。 他的大部头著作，1197页的《一种新科学》（A New Kind of Science）在2002年出版的时候登上了亚马逊的榜首，畅销无比。

大型软件系统生命周期的绝大部分都处于“使用”阶段，而非“设计”或“实现”阶段。那么为什么我们却总是认为软件工程应该首要关注设计和实现呢？在《SRE：Google运维解密》中，Google SRE的关键成员解释了他们是如何对软件进行生命周期的整体性关注的，以及为什么这样做能够帮助Google成功地构建、部署、监控和运维世界上现存最大的软件系统。通过阅读《SRE：Google运维解密》，读者可以学习到Google工程师在提高系统部署规模、改进可靠性和资源利用效率方面的指导思想与具体实践——这些都是可以立即直接应用的宝贵经验。 任何一个想要创建、扩展大规模集成系统的人都应该阅读《SRE：Google运维解密》。《SRE：Google运维解密》针对如何构建一个可长期维护的系统提供了非常宝贵的实践经验。 （美）贝特西·拜尔（Betsy Beyer）是Google纽约负责SRE的一名技术文档作家。她之前曾为遍布全球的Google数据中心与Mountain View硬件运维团队编写文档。在搬到纽约之前，Betsy是Stanford大学技术性写作课程的讲师。她曾经学习国际关系与英文文学，并在Stanford和Tulane获得学历。