Redis 是互联网技术架构在存储系统中使用得最为广泛的中间件，也是中高级后端工程师技术面试中面试官最喜欢问的工程技能之一，特别是那些优秀的互联网公司，通常要求面试者不仅仅掌握 Redis 基础用法，还要理解 Redis 内部实现的细节原理。《Redis 深度历险：核心原理与应用实践》作者老钱在使用 Redis 上积累了丰富的实战经验，希望帮助更多后端开发者更快、更深入地掌握 Redis 技能。 《Redis 深度历险：核心原理与应用实践》分为基础和应用篇、原理篇、集群篇、拓展篇、源码篇共 5 大块内容。基础和应用篇讲解对读者来说最有价值的内容，可以直接应用到实际工作中；原理篇、集群篇让开发者透过简单的技术表面看到精致的底层世界；拓展篇帮助读者拓展技术视野和夯实基础，便于进阶学习；源码篇让高阶的读者能够读懂源码，掌握核心技术实力。 《Redis 深度...(展开全部)

《Redis核心原理与实践》深入地分析了Redis核心功能的设计与实现，大部分内容源自对Redis源码的分析，并从中总结出Redis的设计思想与实现原理。通过阅读本书，读者可以快速、轻松地了解Redis的内部运行机制。 《Redis核心原理与实践》首先介绍了Redis常用的数据类型的编码格式，包括字符串、列表、散列、集合，这是Redis存储数据的基础。接着分析了Redis的事件机制，剖析了Redis事件驱动的实现原理，通过这部分内容，读者可以了解一个远程服务程序的整体架构。本书还分析了Redis持久化、主从复制、Sentinel机制、Cluster机制的实现原理，这部分内容是Redis的核心功能。在这部分内容中，本书也会延伸分析Redis中使用的UNIX机制，如UNIX网络编程、进程通信、线程同步等，并通过Redis源码展示这些UNIX机制的使用方式...(展开全部)

深度学习与大数据是当今最流行和最受关注的两大计算机技术方向。本书旨在成为国内第一本深度学习原著。本书将全面、系统地介绍深度学习相关的技术，包括人工神经网络，卷积神经网络，深度学习平台及源代码分析，深度学习入门与进阶，深度学习高级实践，所有章节均附有源程序，所有实验读者均可重现，具有高度的可操作性和实用性。 通过本书，研究人员、深度学习爱好者，能够在2-3个月内，系统掌握深度学习相关的理论和技术。

本书分为四大部分：第1～6章，初步认识Java的基础语法及主流编程工具的使用；第7～11章，详解Java面向对象编程语言的语法、核心编程思想、基础API等；第12～17章，介绍使用Java进行高级应用开发所需的API和基础原理；第18、19章，介绍了Java8～Java17版本的新特性。本书核心内容基于目前企业应用最主流的Java8进行讲解，读者可以直接进阶到最近的长期支持版本Java17。本书遵循深入浅出的原则编写，既有生动活泼的生活化案例讲解，又有干货满满的源码级分析，可以让读者轻松领会Java技术精髓，快速掌握Java开发技能。本书为每一个知识点的讲解都配备了案例，代码量庞大，如果读者跟随本书案例练习会大大提升自身的代码编写能力。本书配套名师视频教程，读者在学习过程中可结合视频学习，让你的Java进阶之路事半功倍，为后续的技术提升打下坚实的基础。 本书适合初学Java编程语言的自学者、编程爱好者学习，还适合各类院校计算机相关专业的师生作为教材或教辅资料使用，是Java编程语言入门的必备图书。

本书采用ES5和ES6融合的方式编写，兼顾了主流应用和发展趋势，书中知识点结合实际开发讲解演示。本书从JavaScript额的历史开始讲解，由浅入深地带领读者逐渐走入JavaScript的世界。本书内容包括：变量、基本数据类型、运算符和表达式、语句、函数、对象、数组、BOM、DOM、AJAX、异步编程及ES6新特性等。本书语言通俗易懂，案例贴近实际工作需求，内容全面，深入浅出地简洁了前端开发需掌握的知识点。与此同时，本书还对一些底层实现进行了介绍，让读者在阅读完本书之后对JavaScript有更深入的理解。

《软件定义网络核心原理与应用实践》分为核心原理和应用实践两大部分，对软件定义网络(SDN)技术进行了全面剖析和深入解读。本书涉及的内容广泛、技术思想凝练，突出核心原理和基本概念的阐述，同时力图深入浅出地讲解SDN的业务应用开发过程。《软件定义网络核心原理与应用实践》对从事SDN技术研发的专业人士、网络运营管理人员、相关专业高校学生以及对SDN技术感兴趣的读者，都具有一定的参考价值。

本书系统性地介绍了深度学习的原理、关键技术及相关应用，首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手，这些预备知识可帮助读者更好地理解深度学习技术。接着对深度学习方法和技术进行了详细介绍，包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等，针对每个技术都力图用简单易懂的语言、详尽的公式推导说明和生动的图形展示知识点，并附上应用样例，便于读者将概念、原理、公式和应用融会贯通。本书还考虑到初学者尽快入门的需求，对深度学习开发工具和处理技巧进行了细致的梳理和总结。最后本书对深度学习应用前景、发展趋势、未来研究趋势等进行了分析，具有一定前瞻性。本书涵盖了大量深度学习的技术细节，适用于不同层次的读者。

本书系统性地介绍了深度学习的原理、关键技术及相关应用，首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手，这些预备知识可帮助读者更好地理解深度学习技术。接着对深度学习方法和技术进行了详细介绍，包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等，针对每个技术都力图用简单易懂的语言、详尽的公式推导说明和生动的图形展示知识点，并附上应用样例，便于读者将概念、原理、公式和应用融会贯通。本书还考虑到初学者尽快入门的需求，对深度学习开发工具和处理技巧进行了细致的梳理和总结。最后本书对深度学习应用前景、发展趋势、未来研究趋势等进行了分析，具有一定前瞻性。本书涵盖了大量深度学习的技术细节，适用于不同层次的读者。

内容介绍 深度卷积网络（DCNN）是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。 本书以AI领域最新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。 以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。 本书在逻辑上分为3个部分： 第一部分综述篇（第1、6、9章） 这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。 第二部分深度卷积网络篇（第2、3、4、5章） 结合作者的实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。 第三部分实战篇（第7、8章） 详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量GAN的精彩实例。 本书的案例代码在GitHub上提供下载，同时读者可在GitHub与作者交流本书相关的问题。

《深度学习原理与TensorFlow实践》主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一，《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时，《深度学习原理与TensorFlow实践》着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。 《深度学习原理与TensorFlow实践》非常适合对机器学习、深度学习感兴趣的读者，或是对深度学习理论有所了解，希望尝试更多工程实践的读者，抑或是对工程产品有较多经验，希望学习深度学习理论的读者。