随着数据存储技术、网络技术和云计算技术的快速发展, 数据正以前所未有的速度在不断地增长和积累。在各种实际应用中, 需要处理的数据量越来越大。 而样例选择就是从包括冗余或噪声的海量数据中选择重要数据的技术, 是机器学习的重要数据预处理步骤, 对后续学习算法的训练及性能有很大的影响. 在机器学习中, 样例选择有两种场景：一是主动学习场景, 二是监督学习场景. 本书结合作者及研究团队近年来关于样例选择的研究成果, 系统介绍了两种场景下样例选择的理论和方法以及两种场景下样例选择之间的区别与联系。另外，本

本书是一本全面介绍基于大语言模型的RAG应用开发的专业图书。本书共分为3篇：预备篇、基础篇和高级篇。预备篇旨在帮助你建立起对大模型与RAG的基本认识，并引导你搭建起RAG应用开发的基础环境；基础篇聚焦于经典RAG应用开发的核心要素与阶段，介绍关键模块的开发过程，剖析相关的技术原理，为后面的深入学习打下坚实的基础；高级篇聚焦于RAG应用开发的高阶模块与技巧，特别是在企业级RAG应用开发中的优化策略与技术实现，并探索了一些新型的RAG工作流与范式，旨在帮助你了解最新的RAG应用技术发展，掌握RAG应

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。本书总计8章。第1章讲解STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通

UI组件库已成为现代前端开发人员的首选工具之一，第三方UI组件库在企业中被广泛使用，但大多数初级、中级前端开发者仅掌握如何应用UI组件库，并未了解其底层原理。本书采用Vue.js技术开发UI组件库，系统全面地介绍了UI组件库的开发过程，包括开发规范、底层逻辑、开发思维，以及运作原理、版本号管理、Markdown文件、npm发布等。本书配有UI组件库设计稿源文件和UI组件库源码，并附带300个左右的Git分支以及与本书代码清单一一对应的实例代码。本书可以帮助读者进一步提升开发能力、业务理解能力，让

本书是一本实用的AI辅助生成内容的操作指南，系统全面地介绍了如何选用各类AI工具高效完成多媒体创作。
全书共7章：AI创作时代已来、拥有你的智能创作助手AI工具的选择、掌握与AI创作助手沟通的技巧
提示词、使用AI工具快速生成图片、使用AI工具轻松创作音乐、使用AI工具生成高质量视频、使用AI工具高效
剪辑视频。其中第2～7章是本书的核心内容，深入浅出地展示了AI提示词技巧与应用，以及AI工具的强大功能，
并结合实际案例，提供了大量实用的技巧和方法，

本书从微纳光纤的特性出发，对近年微纳光纤传感技术领域的相关工作和研究进展进行梳理和评述，并提出作者对未来微纳光纤传感技术的发展预测和建议。本书首先介绍了微纳光纤的独特光学效应和特点；进而从二氧化硅和聚合物材料特性出发，介绍微纳光纤的常见制作方法和特点；分析和总结了微纳光纤传感技术当前热点领域的研究进展；最后结合作者在微纳光纤传感器及技术应用领域的研究工作进行了案例分析和技术讨论。

本书的主要特点是专业性、针对性较强，主要针对工科专业，特别是自动控制相关专业研究人员学习。涵盖了概率论基础与随机过程的基本概念，泊松过程、离散时间马尔可夫过程、连续时间马尔可夫过程、鞅、布朗运动、伊藤微积分、随机系统的最优估计、随机系统的最优控制与优化控制等，涵盖了工科专业所需的随机过程的基本内容. 同时，本书配有大量与自动控制、通信、信号处理等专业相关的例题和习题.本书可作为高等院校理工科专业高年级本科生及研究生教材，也可供相关专业的教师及工程技术人员参考。

本书系统介绍国产高分定量遥感产品的反演和信息提取技术，内容涵盖多个关键领域。本书首先详细介绍定量遥感参数反演技术，包括基于高分数据的植被覆盖度、潜热通量和地表反照率产品的反演方法。之后，探讨典型要素提取的研究方法，包括多源土地覆被产品的一致性分析与评价、遥感影像分割尺度的优化与应用研究、多源信息协同的城镇用地提取、城市空间格局的多源遥感协同提取，以及遥感地学协同的地表要素提取技术体系和应用。

本书的主要内容包括：创建一个简单的集群，了解Kubernetes的基本工作原理。深入了解使用Kubernetes部署应用程序的细节。学习Kubernetes的专属对象，如守护进程集、作业、ConfigMap以及机密等。探索如何通过部署组织应用程序的整个生命周期。学习如何保护应用程序部署的安全。学习部署多集群应用程序，以及通过编程语言访问Kubernetes。

人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大，而且魅力无穷，有望释放两者的全部潜能。本书的主要内容有：用Unity引擎和仿真技术，解决机器学习和人工智能问题。用游戏引擎合成图像训模。创建仿真环境，训练强化学习和模仿学习模型。采用PPO等高效通用算法解决基于仿真的机器学习问题。用不同方法训练多种机器学习模型。用PyTorch、Unity ML-Agents和Perception工具集，打通机器学习工具和业界标准游戏开发工具。