本版书籍介绍了使用最广泛的桌面操作系统（包括Windows，Apple OS X和Linux），使用大量插图和实践活动为IT领域的成功奠定基础，使学生能够适应不同的工作情况并解决问题。

当前和未来处理器和计算机体系结构的严肃实用指南，使您能够设计计算机系统并在各个领域开发更好的软件应用程序；

随着多平台生产系统和以网络为中心的计算的出现，软件行业见证了虚拟机的复兴。软件工程师没有致力于任何单一的操作系统，而是接受了与平台无关的开发工具和运行时环境。《C/C++ 中的虚拟机设计和实现》深入探讨了功能齐全的虚拟机的构造和基础理论以及一整套相关开发工具。

本书讨论了流多处理器系统的分析、设计和优化技术，同时满足给定的面积、性能和能耗预算。

《实时系统》侧重于硬实时系统的设计，这些计算系统必须在所有预期的负载和故障场景中满足其时间规范。本书强调了分布式实时应用的系统方面，从整体的角度处理了实时、分布和容错等问题。

这本实用的新书为个人提供了分布式计算基础知识，以比传统区块链更安全、更有效的方式相互连接。这些新形式的安全、可扩展的区块链有望取代中心化机构，在没有用户操纵或数据勒索的风险的情况下连接个人。

本书面向学术界和工业界的数据科学家、机器学习工程师和机器学习从业者。假设对机器学习概念和Python编程的工作知识有基本的了解。以前使用TensorFlow或PyTorch实现ML / DL模型的经验将是有益的。如果你有兴趣使用分布式系统来提高机器学习模型训练和服务速度，你会发现这本书很有用。

这就是为什么我决定写一本书，将分布式系统的核心理论和实践概念结合在一起，这样你就不必花费数小时来连接这些点。本书将引导您了解大规模分布式系统的基础知识，并提供足够的细节和外部参考来深入研究。这是我刚开始时希望存在的指南，基于我构建大型分布式系统的经验，这些系统可扩展到每秒数百万个请求和数十亿个设备。

您对利用计算和机器学习的力量来理解大数据感兴趣吗？如果是这样，亚利桑那州立大学专注于大数据系统的计算机科学硕士可能非常适合。在此学习计划中，您将设计可扩展的系统，用于捕获、处理和解释大型复杂数据集。您还将获得分析专业知识，以从数据中生成见解并为组织提供决策信息。

《机器学习中的统计建模：概念和应用》介绍了统计学、探索性数据分析和机器学习的基本概念和角色。讨论了机器学习的各个方面以及统计学的基础知识。概念通过简单的示例和图形表示呈现，以便更好地理解技术。