购物车
个人中心
RPA智能机器人:实施方法和行业解决方案
￥51.35
这是一部为企业应用RPA智能机器人提供实施方法论和解决方案的著作。 作者团队RPA技术、产品和实践方面有深厚的积累，不仅有作者研发出了行业领先的国产RPA产品，同时也有作者在万人规模的大企业中成功推广和应用国际*有名的RPA产品。本书首先讲清楚了RPA平台的技术架构和原理、RPA应用场景的发现和规划等的理论知识，然后重讲解了人力资源、财务、税务、ERP等领域的RPA实施方法和解决方案，具有非常强的实战指导意义。 全书从逻辑上分为三个部分： 基础篇（第1章） 简单介绍了RPA的定义、产生背景、发展历程、优势、适用场景、行业生态，以及主流RPA平台的技术架构和原理，能帮助读者快速掌握RPA的基础知识。 方法论篇（第2章） 重讲解了企业应该如何去发现适合应用RPA的业务场景和业务流程、如何对识别出的RPA流程行评价和分析、PoC的几种方式、CoE组织的建立，以及RPA发和落地的通用管理理论。 实战篇（第3~5章） 详细讲解了RPA智能机器人在人力资源、财务、税务、ERP等领域的各种场景和业务中的实施方法论和解决方案，包含大量的典型案例。
区块链:技术原理与应用实践
￥45.50
本书以全景方式介绍了区块的过去与未来，从历史背景、基础知识、技术原理、产 业应用、发展趋势等方面，讲述了区块是怎样不断发展、变化并对社会产生影响的。 从区块1.0时代的数字货币，到区块2.0时代的数字金融，再到如今的区块3.0， 我们从信息互联网走向了价值互联网。如何用法律法规约束和监管区块，如何推动区块 应用落地，如何将区块与5G、大数据、人工智能等技术协同利用，充分发挥新一代 信息技术的价值，是当下区块行业发展的难题。这些在本书中都能得到解答。 区块发展至今，在如密码学、智能合约、超级账本等关键技术上取得了重大突破， 涌现了一大批诸如DAO、DeFi、NFT等优秀应用场景。面向未来，区块在新能源、碳中和、 知识产权、工业互联网等领域，会产生什么样的效应，催生什么样的应用，本书也做了详 细探讨。本书对想了解区块技术的普通用户以及想更深理解区块技术的专业人士都 是大有裨益的。 本书适合想要系统性、全局性了解当前区块技术的从业者，想要学习和实践区块 技术的传统IT从业者，研究和探索区块技术的高校与研究机构人士，以及其他对区块 技术感兴趣的读者。
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。
馆藏墓室壁画数字修复技术(上下册)
￥110.60
在文物数字化生存的大背景下，各博物馆对馆藏文物陆续行了高清数字化采集，产生了大量饱含岁月痕迹的文物影像资料。这些数字化文物信息是研究文化、考证历史的重要素材。在文物不可逆地走向衰亡的过程中，利用数字化信息处理手段记录、重建文物信息是文物科技保护的发展趋势。特别是对于壁画类平面文物，其画面传承的文史信息消亡，则文物本体的价值也就不复存在了，它们是博物馆急需修复的文物类型。博物馆馆藏壁画的修复有着繁琐的流程，修复周期很长。因修复效果无法预测与修复人员紧缺的现状，大部分壁画存储在保管部，迟迟未能展厅。本文研究对象是高清采集的馆藏墓室壁画数字化信息，研究目标是通过对现存信息的分析，非触无损地提取壁画的数字档案，并模拟壁画手工修复的过程，建立一整套满足博物馆管理流程的数字修复体系。 馆藏墓室壁画数字修复依据贝叶斯的逆概原理，包括：提取壁画残存信息的先验知识，建立壁画病害信息的数据模型，建立壁画缺损信息的修复模型三大部分。论文在研究过程中充分考虑此类反问题求解的强病态性与格式塔视觉心理学原则，通过建立主、客观评价方法，并设计交互式数字修复管理平台，共享远程专家经验，动态调整修复方案。
电路板设计与开发——Altium Designer应用教程
￥41.86
《电路板设计与发——Altium Designer应用教程》详细介绍了基于Altium Designer软件的电路原理图设计和PCB图设计。全书由7章内容组成：第1章介绍了电路板设计的基础知识，包括电路板设计的基本概念、电路板的发展过程、电路板设计软件Altium Designer和国际著名半导体公司等。第2章介绍了电路原理图的设计，包括原理图参数的设置方法、原理图设计的基本方法、原理图的处理方法和元件库文件的编辑方法等。第3章介绍了PCB图的设计，包括PCB图的基础知识、PCB图环境参数的设置和PCB图设计的详细步骤。第4章介绍了PCB图的高级操作和检查。第5章介绍了PCB图封装的设计。第6章介绍了电路的仿真技术，包括电路仿真的基础知识、仿真原理图的设计和仿真电路的应用实例等。第7章介绍了电路板设计的实验内容，包括原理图设计的实验、PCB图设计的实验和电路仿真的实验。 《电路板设计与发——Altium Designer应用教程》既可以作为高等院校电子类相关专业的教材，也可以作为硬件工程师等电子工程技术人员行自学或参考的书籍。
机器学习实战:模型构建与应用
￥77.40
本书主要包括两部分。第1部分（第1章-第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章-第20章）将引导你了解如何将模型置于 Android 和 iOS 上的用户手中、使用 JavaScript 的浏览器以及通过云提供服务的场景。
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。
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。
Python机器学习(原书第3版)
￥90.40
本书自第1版出版以来，备受广大读者欢迎。第3版结合TensorFlow 2和scikit-learn的*新版本进行了更新，其范围进行了扩展，以涵盖强化学习和生成对抗网络（GAN）这两种*先进的机器学习技术。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还讨论了机器学习概念的必要细节，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供了直观且翔实的解释，是Python机器学习入门之作。书中涵盖了众多*Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，可帮助读者快速解决自己和团队面临的一些重要问题。本书适用于机器学习的初学者和专业技术人员。
Linux集群之美
￥59.40
全书共9章，主要是以作者的项目实践为基础，以CentOS 7.5 x86_64为主操作系统、AWS云为平台，介绍Linux传统集群技术、云原生下的负载均衡技术、MySQL的高可用方案及Python自动化运维工具的使用。本书是对实际工作经验的总结，涉及大量的知识点和专业术语，建议经验还不是很丰富的读者先了解第1～2章的内容，如果大家在学习过程中根据这两章的讲解进行操作，定会达到事半功倍的效果。系统工程师和运维工程师可以重点关注第4～7章的内容，这些都是与运维工作息息相关的，建议大家多花些精力和时间，从线上环境去考虑学习。DevOps工程师可以重点关注第2～8章的内容，想在企业运维开发工作中开发*的运维工具并不是一件很容易的事情，建议大家多学习，拓宽自己的知识面。运维架构师可以重点关注第4～5章和第7～8章的内容，这些都跟系统/网站架构技术息息相关，而且基本上都出自真实项目经验，具备一定的参考意义。对于开发人员来说，由于已具备很强的编程开发能力，可以重点关注第2章和第3章之外的章节，以提升自己的技术。
机器意识:人工智能的终极挑战
￥59.40
自20世纪90年代以来，人们再次高度关注意识问题，众多哲学家、心理学家与神经科学家在此领域开展了深入的研究工作（Zelazo，2007）。与此同时，人们也开始尝试用计算方法让机器装置拥有意识能力。这类研究逐渐被称为“机器意识”（Machine Consciousness）研究，有时也用“人工意识”（Artificial Consciousness）或偶尔用“数字觉知”（Digital Awareness）来称呼这一领域。
TensorFlow 2.0神经网络实践
￥57.85
本书通过聚焦于发基于神经网络的解决方案来介绍机器学习，首先将从熟悉构建深度学习解决方案所需的概念和技术始，然后介绍如何创建分类器、构建目标检测和语义分割神经网络、训练生成式模型，以及使用TF 2.0的工具，如TensorFlow Datasets和TensorFlow Hub，加速发过程。学完本书之后，读者将能够使用TF 2.0发任何机器学习问题的解决方案，并能将它们部署到生产环境之中。
深入理解XGBoost:*机器学习算法与进阶
￥65.35
本书以机器学习基础知识做铺垫，深剖析XGBoost的原理、分布式实现、模型优化、深度应用等。 ?第1～3章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 ?第4章借助实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，并介绍了XGBoost常用功能的使用方法。 ?第5～7章是本书的重，从理论推导与源码层面深剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。 ?第8～9章为阶内容，着重解析算法实践与工程应用中的难，而帮助读者更好地解决实际问题。 ?第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法，以拓眼界，拓展思路。
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。
Serverless架构下的AI应用开发:入门、实战与性能优化
￥59.40
内容简介 这是一部指导读者在Serverless 架构下发、部署和运维机器学习项目的实战性著作。 本书由阿里巴巴官方出品，来自阿里云和蚂蚁集团的Serverless产品专家、AI算法专家、Serverless解决方案架构师、Serverless工具技术负责人联合撰写，全方位地梳理和总结了阿里在Serverless架构下的机器学习实战经验，得到了企业界和学术界的10余位专家的高度认可。 具体内容上，本书主要包含如下几个方面： （1）Serverless架构基础 详细介绍了Serverless架构的概念、特和应用场景，Serverless架构下的应用发、部署的流程和方法，以及传统的Web框架如何向Serverless架构迁移和部署，这些都是在Serverless架构下发和部署应用的基础知识。 （2）机器学习算法和机器学习框架在Serverless架构下的应用 详细讲解了支持向量机、神经网络等各种机器学习常用的算法和模型，以及Scikit-learn、TensorFlow、Pytorch、PaddlePaddle等4种主流深度学习框架与Serverless架构的结合，为读者在Serverless架构下发机器学习应用下基础。 （3）Serverless架构下的机器学习项目实战 首先通过几个实战案例讲解了图像识别、模型升级、情感分析等机器学习领域的高频应用的Serverless化，为传统的AI应用迁移和部署到Serverless架构给出指引；然后通过两个综合案例讲解了机器学习应用在Serverless架构上从设计、发、部署到运维的全流程。 （4）Serverless应用性能优化 总结了Serverless架构下应用性能优化的方法和经验，比如冷启动的优化方案、发注意事项等。
数字孪生实战:基于模型的数字化企业(MBE)
￥57.85
本着“理论与实践、科学性与通俗化、系统性与模块化、前瞻性与可实施性相结合”的原则，本书内容分为技术篇、方案篇和实践篇。技术篇主要包括数字孪生推装备制造业转型与升级，数字孪生助力造基于模型的数字化企业；方案篇主要阐述基于模型的系统工程解决方案、基于模型的三维设计与仿真解决方案、基于模型的电子电气系统工程、基于模型的软件全生命周期管理方案、基于模型和产品成本管理方案、基于模型的工艺与虚拟验证解决方案、基于模型的闭环制造解决方案、基于模型的MBE数字化服务管理等。实践篇包括众多实际案例的背景、问题解决、采取的方案，以及取得的效果，更是包括了西门子自身的样板工厂。
快速开发(纪念版)
￥90.60
度失控，几乎是每一个软件发项目挥之不去的噩梦。如何从容赶急，如何通过正确的发策略和原则，避免典型错误，有效地行风险管理，从多个方面贯彻执行快速软件发，都可以从本书中找到答案。《快速发(纪念版)》借助于实际案例和数据，阐述了快速软件发方法的要领和精髓。 《快速发(纪念版)》前两部分描述快速发的策略和理念，其中的案例讨论有助于读者清楚地领略到策略和理念在实践中的作用。第Ⅲ部分则由27个快速发实践构成，对于技术领导、程序员和项目经理具有重要的参考和指导意义。
持续测试
￥51.07
本书旨在讲述如何通过持续测试交付一个功能完善、质量完美的系统，满足测试人员快速交付、快速迭代的需求。本书首先概述了什么是持续测试，以及持续测试和自动化测试的异同，介绍了如何提升持续测试的效率和效果，然后讨论了如何通过持续测试中的非功能性测试保障软件的可靠性、可用性、可移植性、性能效率等质量特性，如何通过建立质量门禁保障所交付系统的质量，并通过自动化提升质量效能，后介绍了持续测试技术的发展，讨论了如何通过有效的度量促质量的成熟，以及持续测试下测试工程师的自我修养。 本书适合测试人员阅读。
AutoCAD 2015中文版从入门到精通
￥38.35
本书以AutoCAD2015中文版为操作平台，结合典型实例循序渐地介绍了软件的每一个知识。全书共16章，第1～2章介绍AutoCAD2015的基础知识和绘图基础；第3～9章介绍二维图形的绘制和编辑方法，包括尺寸标注、文字和表格的添加、块操作以及图层管理等内容；第10～12章介绍了三维图形的绘制、编辑和渲染，并介绍了工程图的输与输出；第13～16章通过4个典型案例讲解了AutoCAD在机械设计、建筑设计、室内装潢设计和电气设计方面的应用。本书图文并茂、语言简洁、思路清晰、内容翔实，可作为初学者的门用书和相关工程技术人员的参考资料，也可作为各类计算机培训中心、中职中专、高职高专和AutoCAD认证考试的辅导与自学用书。
