购物车
个人中心
机器学习入门:Python语言实现
￥53.40
本书旨在为读者提供与机器学习有关Python3的基本编程概念。前4章快速介绍了Python 3、NumPy和Pandas。第5章介绍了机器学习的基本概念。第6章主要介绍机器学习分类器，例如逻辑回归、kNN、决策树、随机森林和SVM。第7章介绍了自然语言处理和强化学习。本书还提供了基于Keras的代码示例作为理论讨论的补充。此外还为正则表达式、Keras和TensorFlow 2提供了单独的附录。
基于Linux的企业自动化实践:服务器的构建、部署与管理
￥77.40
本书提供了一系列有价值的过程、方法和工具，用于企业级Linux部署的精简和高效管理。全书分为三部分。第1部分介绍系统管理基础知识和技术，包括在本书中用于自动化以及包管理和高级系统管理等的工具Ansible。第二部分介绍如何确保一致性和可重复性仍然是Linux服务器环境的核心方面，从而促Linux服务器环境的可伸缩性、再现性和高效性。第三部分介绍企业中Linux服务器的日常管理，将探讨如何使用Ansible和其他工具来实现这些管理目标。第四部分将带你亲身体验安全基准并介绍如何在企业中应用、实施和审计安全基准的实例。
商用机器学习:数据科学实践
￥51.35
本书向企业高管和学生介绍了在机器学习中如何使用工具，不需要使用微积分、矩阵或向量代数就可以清楚、简洁地解释目前*流行的算法。本书的重是业务应用程序，并提供了许多案例，比如评估一个国家行国际投资的风险、预测房地产的价值，以及可以细致到将零售贷款分为可受或不可受模式。书中示例的数据、工作表和Python代码都在作者的网站上，本书同时还提供了一套完整的幻灯片，供教师使用，教师可自行下载使用。
CentOS 8 Linux系统管理与一线运维实战
￥65.40
本书结合编者十余年一线运维工作实战精心编撰，从Linux系统门到企业级服务器搭建和维护行了全面讲解，内容包括基础和实战两部分：基础部分主要介绍CentOS Stream 8 Linux的安装和系统初始化、Linux运维常用命令、用户和磁盘管理、日志与安全管理等内容；实战部分主要介绍各类服务平台的搭建和运维，包括日志管理工具禅道系统的安装和使用，HTTP服务器的搭建与配置，Samba、VSFTP、NFS共享平台的搭建与使用，Lighttpd、Nginx和Tomcat源轻型Web服务器的搭建与维护，数据库平台MySQL和高速内存数据库Redis的安装与运维，代码管理工具Git的使用，企业虚拟化工具Docker的安装与使用，Hadoop大数据平台的安装及集群搭建，以及集中式运维工具Ansible、SecureCRT和系统监控工具Zabbix的安装和使用等。
微前端设计与实现
￥49.90
本书聚焦微前端方方面面的知识、技巧、经验和实践，几乎涵盖了迄今为止出现的每一种微前端的实现原则和解决方案。遵循这些实践，你能够应对在发微前端项目的过程中所面临的挑战，按照正确的思路完成微前端项目，实现组织目标。本书共10章，内容丰富，条理清晰，主要包括微前端决策框架、微前端的实现方式、微前端的自动化策略、微前端的后端模式、从单体架构到微前端的案例以及如何在组织中引微前端等。
pandas数据处理与分析
￥62.72
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。 本书共包含13章，部分介绍NumPy和pandas的基本内容；第二部分介绍pandas库中的4类操作，包括索引、分组、变形和连；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的后一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。
共创智能时代
￥49.00
本书是上海交通大学校友会人工智能分会“源聚”系列校友论坛、沙龙等活动的衍生书籍，记录了15位行业领军校友在母校活动中分享的真知灼见。从人工智能的社会责任、认知范式、数理基础等关键问题到城市治理、药物研发、工业智能、自动办公等应用场景，全面解析了人工智能的科学概念和社会影响。 书稿语言通俗易懂，案例丰富，既具备知识含量较高的专业性，也做到了深浅出的科普性，不仅适合人工智能相关领域的学术界、产业界人士参考，也可供所有对人工智能有兴趣的大众人士阅读。
自然语言处理Python进阶
￥38.35
第1章教你使用内置的NLTK语料库和频率分布。我们还将学习什么是WordNet，并探索其特和用法。 第2章演示如何从各种格式的数据源中提取文本。我们还将学习如何从网络源提取原始文本。*后，我们将从这些异构数据源中对原始文本行规范并构建语料库。 第3章介绍一些关键的预处理步骤，如分词、词干提取、词形还原和编辑距离。 第4章介绍正则表达式，它是*基本、*简单、*重要和*强大的工具之一。在本章中，你将学习模式匹配的概念，它是文本分析的一种方式，基于此概念，没有比正则表达式更方便的工具了。 第5章将学习如何使用和编写自己的词性标注器和文法规则。词性标注是一步句法分析的基础，而通过使用词性标记和组块标记可以产生或改文法规则。 第6章帮助你了解如何使用内置分块器以及训练或编写自己的分块器，即依存句法分析器。在本章中，你将学习评估自己训练的模型。 第7章介绍信息抽取和文本分类，告诉你关于命名实体识别的更多信息。我们将使用内置的命名实体识别工具，并使用字典创建自己的命名实体。我们将学会使用内置的文本分类算法和一些简单的应用实例。 第8章介绍高阶自然语言处理方法，该方法将目前为止你所学的所有课程结合到一起，并创建应对你现实生活中各种问题的适用方法。我们将介绍诸如文本相似度、摘要、情感分析、回指消解等任务。 第9章介绍深度学习应用于自然语言处理所必需的各种基本原理，例如利用卷积神经网络（CNN）和长短型记忆网络（LSTM）行邮件分类、情感分类等，*后在低维空间中可视化高维词汇。 第10章描述如何利用深度学习解决*前沿的问题，包括文本自动生成、情景数据问答，预测下一个*词的语言模型以及生成式聊天机器人的发。
敏捷软件开发:用户故事实战
￥48.86
作为敏捷社区的经典名作，《敏捷软件发：用户故事实战》不负众望，为软件行业提供了一种高效的需求过程，通过用户故事来节省时间、消除重复工作和发更优秀的软件。要想构建可以满足用户需求的软件，*好的方法是从“用户故事”始，用简明扼要的语言清楚明确地描述对实际用户有价值的功能。在本书中，敏捷实干家提供了一个详尽的蓝图来指导读者如何编写用户故事，如何在软件发生命周期中实际运用用户故事。 《敏捷软件发：用户故事实战》共5部分21章，介绍了如何写出理想的用户故事，造成用户故事不理想的因素有哪些，如何在无法直触到用户的情况下有效搜集用户故事，如何对写好的用户故事行整理、排优先级并在此基础上行计划、管理和测试。 《敏捷软件发：用户故事实战》适合采用XP、Scrum甚至其他自主敏捷方法的所有发、测试、分析师和项目负责人阅读和参考，可以帮助他们以更少的人手在更短的时间内发出更符合用户需求的产品或服务。
FreeRTOS内核实现与应用开发实战指南:基于STM32
￥65.35
本书基于野火STM32全系列发板介绍FreeRTOS内核实现与应用发，全书分为两部分：*部分教你如何从0到1把FreeRTOS内核写出来，从底层的汇编始，讲解任务如何定义、如何切换，还讲解了阻塞延时如何实现，如何支持多优先级，如何实现定时器以及时间片等FreeRTOS的核心知识；第二部分则始讲解FreeRTOS内核组件的应用以及如何使用FreeRTOS行多任务编程。本书内容翔实，案例丰富，配有大量示例代码，适合作为嵌式领域工程师和爱好者的技术参考书，也适合相关专业的学生学习参考。
强化学习:原理与Python实现
￥57.85
第1章：介绍强化学习的基础知识与强化学习环境库Gym的使用，并给出完整的编程实例。 第2～9章：介绍强化学习的理论知识。以Markov决策过程为基础模型，覆盖了所有主流强化学习理论和算法，包括资格迹等经典算法和深度确定性梯度策略等深度强化学习算法。所有章节都提供了与算法配套的Python程序，使读者完全掌握强化学习算法的原理与应用。 第10～12章：介绍了多个热门综合案例，包括电动游戏、棋盘游戏和自动驾驶。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法，包括AlphaGo的改版AlphaZero。
敏捷软件开发(珍藏版)
￥111.30
《敏捷软件发(珍藏版)》作为敏捷软件发的里程碑之作，重介绍了敏捷软件发的原则、模式和实践。全书共6部分30章4个附录，以场景化方式阐述了什么敏捷软件发的核心，强调了工程实践是敏捷软件发的重要基石。本书的写作风格诙谐幽默，巧妙地通过通俗易懂和画面感十足的的表述漫画来帮助读者理解可能枯燥晦涩的专业技术要。 《敏捷软件发(珍藏版)》适合真正想要通过敏捷方式来提升软件发技能以及及时交付软件价值的所有读者阅读和参考。
ROS机器人编程实践
￥53.40
本书首先介绍GoPiGo3及其配备的传感器和执行器。然后，通过从零始创建3D模型并使用Gazebo在ROS中运行模拟机器人来使用GoPiGo3的数字孪生模型。下来展示如何使用GoPiGo3构建和运行一个了解周围环境的自主移动机器人。还探索了机器人如何学习尚未在代码中编程但通过观察其环境而获得的任务。本书甚至还涵盖深度学习和强化学习等主题。在本书的末尾，读者将熟悉在机器人技术中构建特定用途应用程序的基础知识，并具备从零起步发高度智能自主机器人的能力。本书适合机器人技术人员和业余爱好者阅读。
AI游戏开发和深度学习进阶
￥47.40
本书以各种各样的实例剖析游戏AI手法，并以此为目标，帮助读者学习构筑游戏AI的技术。另外，也阐述了游戏AI中的深层学习、机械学习、强化学习技术。
Revit建模进阶标准教程(实战微课版)
￥55.86
《Revit建模阶标准教程》基于32个独立项目，讲解了Revit的高级内容，包含内建模型、基本族、参数化族、体量建模以 及灯光与渲染。本书的目的是引领读者在掌握了基础的Revit建模之后，快速提高综合建模技能。 从内建模型、基本族、参数化族到体量建模，各项目是独立的，便于读者利用零碎时间学习。但这 四大部分从前往后，也有一定循序渐的规律，便于读者渐式提高其技能。 《Revit建模阶标准教程》力争从结构和逻辑方面，剖切Revit各复杂功能的运用，以利于读者触类旁通，深领会。 绪论着重讲解Revit软件处理问题的结构和逻辑；第1部分（项目1～项目13）为基于项目的基础建 模篇，各案例着重讲解基础建模的各基本命令、界面、属性、材质、灯光等的综合与灵活运用；第2部 分（项目14～项目18）讲解无参数简单族的创建，基于案例讲解族建模的基本方法和步骤；第3部分 （项目19～项目25）讲解参数化族的创建，相对于第2部分是提高内容，基于案例讲解族建模和参数设 置的基本方法、步骤和要；第4部分（项目26～项目32）讲解体量族的创建，基于案例讲解族建模的 基本方法和步骤，并讲解体量族、普通族、项目的综合运用；第5部分为附录，解释了Revit高级建模中 必然会遇到的一些概念和参数，如实体建模的方法、参照、驱动、自适应、构件重复等。 全书项目案例都同步提供了视频教程，读者可以扫码观看。 《Revit建模阶标准教程》适合作为高等院校建设工程类专业学生学习BIM阶知识的教材或参考书，同时可供建设工程 领域工程师、建筑师和研究人员参考。
云原生Kubernetes全栈架构师实战
￥96.60
本书以一个Kubernetes工程师的视角，全面系统地介绍Kubernetes常见的知识、企业应用实践及运维管理方法。本书共分18章，第1、2章介绍如何快速搭建高可用的Kubernetes集群；第3～7章介绍Docker的基础和镜像的制作优化，以及Kubernetes的基础概念（Master、Node和Pod）、核心调度资源（Deployment、StatefulSet、DaemonSet、CronJob）、服务发布（Service和Ingress）和配置管理（ConfigMap和Secret）。第8～11章主要介绍Kubernetes的持久化存储、动态存储、CSI、高级调度（容忍、污和亲和力）、服务质量、权限管理、Kubernetes资源配额管理。第12、13章主要介绍云原生存储、中间件容器化、Operator和Helm的使用。第14～16章主要介绍针对Kubernetes的日志收集（EFK）、监控告警（Prometheus和Grafana）、生产级服务发布Ingress的使用。第17章主要介绍基于Kubernetes、Jenkins、Harbor、GitLab等工具建设生产级的DevOps平台，实现发、测试、UAT、生产环境的流水线设计。第18章主要介绍服务网格Istio的使用，实现对Kubernetes内部服务的细粒度流量管理。 本书从概念到实践，从手工到自动化，内容翔实且丰富，其中的范例与项目均在实践中多次验证，可直用于生产环境。本书适合Kubernetes初学者、发人员、运维人员、架构师使用，也可以作为培训机构和大专院校的教学用书。
测试反模式:有效规避常见的92种测试陷阱
￥38.35
《测试反模式：有效规避常见的92种测试陷阱》系统归纳了在日常的发过程中容易出现的92种测试陷阱，从描述、可能出现之处、典型症状、潜在的负面后果、潜在原因、建议和相关的陷阱等多个方面探讨了这些陷阱，可帮助测试人员、技术经理和其他利益相关者避免陷这些陷阱、在陷的时候识别这些陷阱，以及在逃脱陷阱的同时将负面后果小化。 《测试反模式：有效规避常见的92种测试陷阱》共分4章：第1章讲解测试、缺陷和测试陷阱等重要概念，并介绍如何对测试陷阱行分类和记录，以便能更容易地找到并理解它们；第2章总结了92种常见的测试陷阱，并对每种陷阱行了简要介绍，以帮助读者轻松寻找并识别出相关的陷阱；第3章是本书的核心内容，详细讲解经常发生的92种测试陷阱，包括名字、描述、适用性、典型症状、潜在的负面后果、潜在原因和相关的规避陷阱或限制后果的建议；第4章提供了关于测试陷阱的整体总结，然后简单地介绍了未来可能使测试陷阱分类更加有用的研究。此外，附录部分还提供了词汇表、缩略语、注释、参考和计划检查单，帮助读者快速了解大部分陷阱，指导实际工作。
会话式AI:自然语言处理与人机交互
￥51.35
这是一部讲解如何基于NLP技术和人机交互技术实现聊天机器人的著作。 两位作者聊天机器人领域均有多年大型项目的实战经验，这本书不仅讲解了NLP和人机交互的核心技术，而且从技术、算法、实战3个维度讲解聊天机器人的原理、实现与工程实践。 本书有3个特： 前瞻性强，专注于NLP和人机交互的前沿技术，以及会话式AI技术在热门场景中的工程实践。 实战性强，每章都提供实战代码，大部分代码简单修改后便可在实际场景中使用；数据集并非简单构造，而是具有真实性。 对比性强，结合应用场景，对比不同技术的优劣，既能指导读者行技术选型，又能加深读者对不同技术的理解。 本书一共12章，分为三大部分： 第壹部分 基础篇（第1-2章） 首先系统介绍了人机交互技术和聊天机器人技术的基础，然后讲解了深度学习工具的使用以及NLP发环境的搭建 第二部分 算法篇（第3-8章） 这部分是核心内容，主要讲解中文自然语言处理的各种算法，包括分词技术、数据预处理、词向量技术、序列标注与中文 NER、文本深度学习、循环神经网络等。 第三部分 实战篇（第9-12章） 主要讲解了语言模型与对话生成、知识图谱问答、自然语言推理、实体语义理解这4种人机交互方面的高阶技术，涵盖信息抽取、槽位填充、语义理解、聊天机器人、问答系统、多轮对话技术等知识。
TensorFlow自然语言处理
￥65.35
第1章是对NLP的简单介绍。该章将首先讨论我们需要NLP的原因。下来，将讨论NLP中一些常见的子任务。之后，将讨论NLP的两个主要阶段，即传统阶段和深度学习阶段。通过研究如何使用传统算法解决语言建模任务，我们将了解传统阶段NLP的特。然后，将讨论深度学习阶段，在这一阶段中深度学习算法被大量用于NLP。我们还将讨论深度学习算法的主要系列。*后，将讨论一种*基本的深度学习算法：全连神经网络。该章结束时会提供一份路线图，简要介绍后面的内容。 第2章介绍Python TensorFlow库，这是我们实现解决方案的主要平台。首先在TensorFlow中编写一段代码，执行一个简单的计算，并讨论从运行代码到得到结果这一过程中到底发生了什么。我们将详细介绍TensorFlow的基础组件。把Tensorflow比作丰富的餐厅，了解如何完成订单，以便一步加强对TensorFlow的理解。稍后，将讨论TensorFlow的更多技术细节，例如数据结构和操作（主要与神经网络相关）。*后，我们将实现一个全连的神经网络来识别手写数字。这将帮助我们了解如何使用TensorFlow来实现端到端解决方案。 第3章首先讨论如何用TensorFlow解决NLP任务。在该章中，我们将讨论如何用神经网络学习单词向量或单词表示。单词向量也称为词嵌。单词向量是单词的数字表示，相似单词有相似值，不同单词有不同值。首先，将讨论实现这一目标的几种传统方法，包括使用称为WordNet的大型人工构建知识库。然后，将讨论基于现代神经网络的方法，称为Word2vec，它在没有任何人为干预的情况下学习单词向量。我们将通过一个实例来了解Word2vec的机制。着，将讨论用于实现此目的的两种算法变体：skip-gram和连续词袋（CBOW）模型。我们将讨论算法的细节，以及如何在TensorFlow中实现它们。 第4章介绍与单词向量相关的更高级方法。首先，会比较skip-gram和CBOW，讨论其中哪一种有明显优势。下来，将讨论可用于提高Word2vec算法性能的几项改。然后，将讨论一种更新、更强大的词嵌学习算法：GloVe（全局向量）算法。*后，将在文档分类任务中实际观察单词向量。在该练习中，我们将看到单词向量十分强大，足以表示文档所属的主题（例如，娱乐和运动）。 第5章讨论卷积神经网络（CNN），它是擅长处理诸如图像或句子这样的空间数据的神经网络家族。首先，讨论如何处理数据以及处理数据时涉及哪种操作，以便对CNN有较深的理解。下来，深研究CNN计算中涉及的每个操作，以了解CNN背后的数学原理。*后，介绍两个练习。*个练习使用CNN对手写数字图像行分类，我们将看到CNN能够在此任务上很快达到较高的准确率。下来，我们将探讨如何使用CNN对句子行分类。特别地，我们要求CNN预测一个句子是否与对象、人物、位置等相关。 第6章介绍递归神经网络。递归神经网络（RNN）是一个可以模拟数据序列的强大的神经网络家族。首先讨论RNN背后的数学原理以及在学习期间随时间更新RNN的更新规则。然后，讨论RNN的不同变体及其应用（例如，一对一RNN和一对多RNN）。*后，用RNN执行文本生成任务的练习。我们用童话故事训练RNN，然后要求RNN生成一个新故事。我们将看到在持久的长期记忆方面RNN表现不佳。*后，讨论更高级的RNN变体，即RNN-CF，它能够保持更长时间的记忆。 第7章介绍长短期记忆网络。RNN在保持长期记忆方面效果较差，这使我们需要探索能在更长时间内记住信息的更强大技术。我们将在该章讨论一种这样的技术：长短期记忆网络（LSTM）。LSTM功能更强大，并且在许多时间序列任务中表现得优于其他序列模型。首先通过一个例子，研究潜在的数学原理和LSTM的更新规则，以说明每个计算的重要性。然后，将了解为什么LSTM能够更长时间地保持记忆。下来，将讨论如何一步提高LSTM预测能力。*后，将讨论具有更复杂结构的几种LSTM变体（具有窥孔连的LSTM），以及简化LSTM门控循环单元（GRU）的方法。 第8章介绍LSTM的应用：文本生成。该章广泛评估LSTM在文本生成任务中的表现。我们将定性和定量地衡量LSTM产生的文本的好坏程度，还将比较LSTM、窥孔连LSTM和GRU。*后，将介绍如何将词嵌应用到模型中来改LSTM生成的文本。 第9章转到对多模态数据（即图像和文本）的处理。在该章中，我们将研究如何自动生成给定图像的描述。这涉及将前馈模型（即CNN）与词嵌层及顺序模型（即LSTM）组合，形成一个端到端的机器学习流程。 第10章介绍有关神经机器翻译（NMT）模型的应用。机器翻译指的是将句子或短语从源语言翻译成目标语言。首先讨论机器翻译是什么并简单介绍机器翻译历史。然后，将详细讨论现代神经机器翻译模型的体系结构，包括训练和预测的流程。下来，将了解如何从头始实现NMT系统。*后，会探索改标准NMT系统的方法。 第11章重介绍NLP的现状和未来趋势。我们将讨论前面提到的系统的相关*发现。该章将涵盖大部分令人兴奋的创新，并让你直观地感受其中的一些技术。 附录向读者介绍各种数学数据结构（例如，矩阵）和操作（例如，矩阵的逆），还将讨论概率中的几个重要概念。然后将介绍Keras，它是在底层使用TensorFlow的高级库。Keras通过隐藏TensorFlow中的一些有难度的细节使得神经网络的实现更简单。具体而言，通过使用Keras实现CNN来介绍如何使用Keras。下来，将讨论如何使用TensorFlow中的seq2seq库来实现一个神经机器翻译系统，所使用的代码比在第11章中使用的代码少得多。*后，将向你介绍如何使用TensorBoard可视化词嵌的指南。TensorBoard是TensorFlow附带的便捷可视化工具，可用于可视化和监视TensorFlow客户端中的各种变量。
Keras深度学习实战
￥44.85
第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras行单词分析和情感分析的NLP基础知识。 第9章展示了如何在Amazon评论数据集中使用Keras模型行文本概述。 第10章侧重于使用Keras设计和发强化学习模型。
TensorFlow深度学习实战
￥65.35
本书将介绍如何有效地使用Google的源框架TensorFlow行深度学习。通过学习，你将实现不同的深度学习网络，如卷积神经网络（CNN）、循环神经网络（RNN）、深度Q learning网络（DQN）和生成对抗网络（GAN），以及如何使用TensorFlow的高级封装Keras工具。
