本书深入分析已发表的与AV1编解码标准相关的文献资料，并仔细参考SVT-AV1编码器，全面介绍AV1视频编解码标准的各个模块，不仅详尽阐述AV1视频编解码标准的关键技术组件，还介绍核心技术方案及其背后原理，以帮助开发者深入理解AV1视频编解码标准，以及该标准对整个视频编解码行业及技术发展所带来的影响。 全书共11章，具体内容包括AV1视频编解码标准的起源和当前发展态势、高层语法、AV1块划分结构、帧内预测技术、帧间预测技术、变换和量化模块、熵编码模块、环路滤波模块、参考缩放模式和超分辨率模式、电影颗粒合成编码工具以及AV1视频编解码标准中专门针对屏幕视频内容而设计的编码工具。

本书深入分析已发表的与AV1编解码标准相关的文献资料，并仔细参考SVT-AV1编码器，全面介绍AV1视频编解码标准的各个模块，不仅详尽阐述AV1视频编解码标准的关键技术组件，还介绍核心技术方案及其背后原理，以帮助开发者深入理解AV1视频编解码标准，以及该标准对整个视频编解码行业及技术发展所带来的影响。 全书共11章，具体内容包括AV1视频编解码标准的起源和当前发展态势、高层语法、AV1块划分结构、帧内预测技术、帧间预测技术、变换和量化模块、熵编码模块、环路滤波模块、参考缩放模式和超分辨率模式、电影颗粒合成编码工具以及AV1视频编解码标准中专门针对屏幕视频内容而设计的编码工具。

本书以AV1视频标准为主要对象，力图向读者全面地展示视频编码中的主要算法原理、发展过程、实现方法和工程优化点。对视频编码算法中的主要工具，具体讲述这些工具的实现过程，以及在不同编码标准中的使用方法和发展过程；对AV1编码标准，结合参考代码，详细讲述实时编码模式下具体编码流程和各个算法模块的实现方法；对工程优化，介绍了从多线程到汇编，从分支的处理到缓存的使用等众多优化点。 本书分成5章。第1章梳理视频编码算法中的主要工具，从发展的角度介绍这些工具的演变过程。2~4章重点介绍AV1编码标准。其中，第2章介绍AV1算法、代码的使用和性能分析；第3章详解AV1实时编码模式下参考代码的具体实现方法；第4章介绍其他编码模块的实现过程。第5章是关于编码器优化的内容，总结工程化一个视频编码器代码时需要着重优化的部分。 本书适合作为介绍视频编码算法原理和具体实现的入门书籍，以及从事AV1视频编解码器开发人员的参考书籍。

本书以AV1视频标准为主要对象，力图向读者全面地展示视频编码中的主要算法原理、发展过程、实现方法和工程优化点。对视频编码算法中的主要工具，具体讲述这些工具的实现过程，以及在不同编码标准中的使用方法和发展过程；对AV1编码标准，结合参考代码，详细讲述实时编码模式下具体编码流程和各个算法模块的实现方法；对工程优化，介绍了从多线程到汇编，从分支的处理到缓存的使用等众多优化点。 本书分成5章。第1章梳理视频编码算法中的主要工具，从发展的角度介绍这些工具的演变过程。2~4章重点介绍AV1编码标准。其中，第2章介绍AV1算法、代码的使用和性能分析；第3章详解AV1实时编码模式下参考代码的具体实现方法；第4章介绍其他编码模块的实现过程。第5章是关于编码器优化的内容，总结工程化一个视频编码器代码时需要着重优化的部分。 本书适合作为介绍视频编码算法原理和具体实现的入门书籍，以及从事AV1视频编解码器开发人员的参考书籍。

数字化转型背景下，Python作为一门简单、易学、速度快、免费、开源的主流编程语言，广泛应用于大数据处理、人工智能、云计算等各个领域，是众多高等院校学生的必修基础课程，也是堪与Office办公软件应用比肩的职场人士的必备技能。同时随着数据存储、数据处理等大数据技术的快速进步，机器学习的各种算法在各行各业得以广泛应用，同样成为高校师生、职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“机器学习课程学习”有机结合，推动数字化人才的培养，提升人才的实践应用能力。 全书内容共17章。第1、2章介绍Python的入门知识和进阶知识；第3章介绍机器学习的概念及各种术语及评价标准；第4~10章介绍相对简单的监督式学习方法，包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶斯算法、高维数据惩罚回归算法、K近邻算法；第11、12章介绍主成分分析算法、聚类分析算法两种非监督式学习算法；第13~15章介绍相对复杂的监督式学习算法，包括决策树算法和随机森林算法、提升法两种集成学习算法；第16、17章介绍支持向量机算法、神经网络算法两种高级监督式学习算法。 本书可以作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python或机器学习应用的专业教材、参考书；也可以作为企事业单位数字化人才培养的教科书、工具书，还可以作为职场人士自学掌握Python机器学习应用、提升数据挖掘分析能力进而提高工作效能和改善绩效水平的工具书。

数字化转型背景下，Python作为一门简单、易学、速度快、免费、开源的主流编程语言，广泛应用于大数据处理、人工智能、云计算等各个领域，是众多高等院校学生的必修基础课程，也是堪与Office办公软件应用比肩的职场人士的必备技能。同时随着数据存储、数据处理等大数据技术的快速进步，机器学习的各种算法在各行各业得以广泛应用，同样成为高校师生、职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“机器学习课程学习”有机结合，推动数字化人才的培养，提升人才的实践应用能力。 全书内容共17章。第1、2章介绍Python的入门知识和进阶知识；第3章介绍机器学习的概念及各种术语及评价标准；第4~10章介绍相对简单的监督式学习方法，包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶斯算法、高维数据惩罚回归算法、K近邻算法；第11、12章介绍主成分分析算法、聚类分析算法两种非监督式学习算法；第13~15章介绍相对复杂的监督式学习算法，包括决策树算法和随机森林算法、提升法两种集成学习算法；第16、17章介绍支持向量机算法、神经网络算法两种高级监督式学习算法。 本书可以作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python或机器学习应用的专业教材、参考书；也可以作为企事业单位数字化人才培养的教科书、工具书，还可以作为职场人士自学掌握Python机器学习应用、提升数据挖掘分析能力进而提高工作效能和改善绩效水平的工具书。

本书用平实的语言深入浅出地介绍当前热门的机器学习经典算法，包括线性回归、Logistic回归与Softmax回归、决策树（分类与回归）、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络，针对每一个算法首先介绍数学模型及原理，然后根据模型和算法描述使用Python编程和Numpy库进行算法实现，最后通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。本书适合准备进入人工智能和数据分析与挖掘领域的初学者，对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。

本书用平实的语言深入浅出地介绍当前热门的机器学习经典算法，包括线性回归、Logistic回归与Softmax回归、决策树（分类与回归）、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络，针对每一个算法首先介绍数学模型及原理，然后根据模型和算法描述使用Python编程和Numpy库进行算法实现，最后通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。本书适合准备进入人工智能和数据分析与挖掘领域的初学者，对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。

本书由浅入深地剖析了MariaDB，首先简要介绍了一些基础知识、新特性、对MySQL原有功能所做的扩展以及源代码，接着介绍了底层数据结构、线程池技术、binlog、复制等内容，最后介绍了分布式数据库系统。

本书由浅入深地剖析了MariaDB，首先简要介绍了一些基础知识、新特性、对MySQL原有功能所做的扩展以及源代码，接着介绍了底层数据结构、线程池技术、binlog、复制等内容，最后介绍了分布式数据库系统。