前端工程化包含一系列规范和流程，其可提升前端工程师的工作效率，加快Web开发迭代速度，是现在前端开发领域中非常重要的一环。前端工程化：体系设计与实践》系统、全面地介绍了前端工程体系的各个环节，包括设计要点和实践经验。全书分为7章，分别是前端工程简史、脚手架、构建、本地开发服务器、部署、工作流、前端工程化的未来。

前端工程化包含一系列规范和流程，其可提升前端工程师的工作效率，加快Web开发迭代速度，是现在前端开发领域中非常重要的一环。前端工程化：体系设计与实践》系统、全面地介绍了前端工程体系的各个环节，包括设计要点和实践经验。全书分为7章，分别是前端工程简史、脚手架、构建、本地开发服务器、部署、工作流、前端工程化的未来。 前端工程化：体系设计与实践》适合对前端工程化有一定理解和实践的中高级前端工程师阅读，同样适合对前端工程化感兴趣的服务器端开发者以及运维人员阅读。

全书分为2篇： 1.第1篇详细介绍Go语言高性能优势是如何实现的，包括经典的GMP调度模型，Go语言调度器的实现，垃圾回收，以及如何基于管道、锁等并发编程。 2.第二篇主要是项目实战，手把手带领读者从0开始搭建高性能、高稳定的Go服务。以及在面对线上问题时，如何调试、分析、解决。 通过学习本书，读者对Go语言的核心——高并发会有一个深刻的认识，具备一定的Go并发编程经验，能够独立完成高性能、高稳定Go服务的架构设计，并且能够基于一些工具进行Go线上问题分析与性能调优。

全书分为2篇： 1.第1篇详细介绍Go语言高性能优势是如何实现的，包括经典的GMP调度模型，Go语言调度器的实现，垃圾回收，以及如何基于管道、锁等并发编程。 2.第二篇主要是项目实战，手把手带领读者从0开始搭建高性能、高稳定的Go服务。以及在面对线上问题时，如何调试、分析、解决。 通过学习本书，读者对Go语言的核心——高并发会有一个深刻的认识，具备一定的Go并发编程经验，能够独立完成高性能、高稳定Go服务的架构设计，并且能够基于一些工具进行Go线上问题分析与性能调优。

本书包括三大部分，对应着三个层次的OpenCV开发进阶：（1）基础篇学习OpenCV基础知识，知道如何简单使用API函数；（2）进阶篇学习OpenCV核心API、达到熟练掌握可以解决常见的计算机视觉问题；（3）高级实战篇：综合运用OpenCV开发知识，解决实际问题。 第 一部分针对初级读者，介绍什么是OpenCV、如何开始写第 一行OpenCV代码，图像如何被OpenCV加载与显示、OpenCV基础API操作、Mat对象与像素操作。 第二部分针对中级读者，从图像卷积开始，认真学习OpenCV图像处理、特征提取、机器学习等核心模块相关知识点、穿插大量工程案例与代码实践、从图像卷积滤波到二值图像分析、图像特征提取、自定义对象检测、完整系统化的学习OpenCV传统图像处理的经典知识点与案例。真正做到扎实基础、构建中级水准，可以解决常见计算机视觉问题。 第三部分针对高级读者，这是本书的重点与难点，主要涉及深度神经网络运用、DNN中支持卷积神经网络模型理解与调用、人脸检测与识别、自定义对象检测、深度神经网络模型压缩与优化、模型转换与加速推理、tensorflow对象检测框架与OpenCV DNN模块结合使用等相关知识点、同时还有OpenCV传统强项应用二值图像分析相关的典型工业应用案例学习。 通过对本书的学习，读者对OpenCV整个框架理解、相关模块的运用能力都达到一个新的高度、有能力设计复杂的计算机视觉算法、通过OpenCV解决实际问题、把深度学习模型应用到端侧加速实现商业价值、拓展OpenCV与计算机视觉在各个行业的商业化落地。

本书包括三大部分，对应着三个层次的OpenCV开发进阶：（1）基础篇学习OpenCV基础知识，知道如何简单使用API函数；（2）进阶篇学习OpenCV核心API、达到熟练掌握可以解决常见的计算机视觉问题；（3）高级实战篇：综合运用OpenCV开发知识，解决实际问题。 第 一部分针对初级读者，介绍什么是OpenCV、如何开始写第 一行OpenCV代码，图像如何被OpenCV加载与显示、OpenCV基础API操作、Mat对象与像素操作。 第二部分针对中级读者，从图像卷积开始，认真学习OpenCV图像处理、特征提取、机器学习等核心模块相关知识点、穿插大量工程案例与代码实践、从图像卷积滤波到二值图像分析、图像特征提取、自定义对象检测、完整系统化的学习OpenCV传统图像处理的经典知识点与案例。真正做到扎实基础、构建中级水准，可以解决常见计算机视觉问题。 第三部分针对高级读者，这是本书的重点与难点，主要涉及深度神经网络运用、DNN中支持卷积神经网络模型理解与调用、人脸检测与识别、自定义对象检测、深度神经网络模型压缩与优化、模型转换与加速推理、tensorflow对象检测框架与OpenCV DNN模块结合使用等相关知识点、同时还有OpenCV传统强项应用二值图像分析相关的典型工业应用案例学习。 通过对本书的学习，读者对OpenCV整个框架理解、相关模块的运用能力都达到一个新的高度、有能力设计复杂的计算机视觉算法、通过OpenCV解决实际问题、把深度学习模型应用到端侧加速实现商业价值、拓展OpenCV与计算机视觉在各个行业的商业化落地。

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。 本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产重塑、数据资产标准、数据资产建设、数据资产运营展开。第4部分主要介绍自研领域大模型的技术原理，涵盖领域大模型的基础、需求理解算法、需求匹配算法、需求转译算法等内容。第5部分主要介绍大模型的工程化原理，涉及工程化的基础、技术筹备、建设要点、安全策略等内容。第6部分介绍大模型在游戏领域的应用，通过游戏领域的经营分析案例，系统地阐述如何实现业务需求。 本书适合致力于大模型技术应用的数据工程师阅读，也适合寻求AI自动化编程解决方案的软件开发者阅读，还适合希望利用AI提升业务效率的企业决策者阅读。

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。 本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产重塑、数据资产标准、数据资产建设、数据资产运营展开。第4部分主要介绍自研领域大模型的技术原理，涵盖领域大模型的基础、需求理解算法、需求匹配算法、需求转译算法等内容。第5部分主要介绍大模型的工程化原理，涉及工程化的基础、技术筹备、建设要点、安全策略等内容。第6部分介绍大模型在游戏领域的应用，通过游戏领域的经营分析案例，系统地阐述如何实现业务需求。 本书适合致力于大模型技术应用的数据工程师阅读，也适合寻求AI自动化编程解决方案的软件开发者阅读，还适合希望利用AI提升业务效率的企业决策者阅读。

本书针对中小功率范围的开关电源，对及为热门的LED驱动电源、适配器电源中主流拓扑进行了分析及实际设计，逐步给出了完整的工程化产品研发过程。并从项目管理角度对电源类产品研发生产的整个产品生命周期给出了一般性指导方法，以期给读者提供满足实际设计调试的经验补充。

明确业务、架构与工程三者之间的关系是研究前端技术架构和工程化的基本前提：业务为核心出发点，架构聚焦于代码，工程聚焦于流程。在此基础之上，本书进一步剖析并明确了架构与工程的子集与超集的关系。本书从架构的角度分析了一个完整Web项目在前端以及前后端协作层面需要考虑的各项技术要点和解决方案，在业务需求以及应用质量得到保障的基础之上，进一步从工程的角度分析迭代流程中可能阻碍提高工作效率的各个环节和关键因素，并讲解了如何通过技术手段提升团队的规范性和生产效率。本书的大部分内容需要读者对计算机操作系统、浏览器原理以及Web前后端工作原理有一定程度的理解。本书适用于前端从业经历较丰富并且对前后端协作流程有深度体验的读者。本书同样适用于对前端技术架构和工程化感兴趣的测试和运维人员。