购物车
个人中心
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。
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。
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。
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。
C#神经网络编程
￥57.85
本书遵循循序渐、兼顾理论和实践的原则，从神经网络基本概念手，以图文并茂的形式生动地讲解激活函数和反向传播等概念原理，并以人脸识别和动作检测为例，让读者直观地了解深度学习的应用场景，在知识内容方面，不但包含决策树、随机森林等常规算法，还重讲解了LSTM、CNN神经网络等主流算法，在代码实践方面，比较深地讲解发细节，详细介绍了相关网络结构、参数调优和各种网络的对照比较，对程序员实际动手有比较强的参考意义。此外，本书还包含了常用激活函数，读者可以方便的在附录中查询相关函数特性，是一本集原理、实践与资料查询为一体的书籍。
大话机器人
￥51.35
《大话机器人》第0章为绪论，对机器人的需求及教育现状行概述；第1童主要介绍机器人定义、机器人分类、机器人组成部件及相关技术参数等基本概念；第2章系统阐述前工业机器人时代国内外机器人的起源和发展历史，以及现代机器人的畅想；第3章主要介绍工业机器人到现代机器人的发展历程，包括*代、第二代和第三代机器人；第4章主要介绍当前机器人在各行业领域中的应用状况；第5章预测了机器人发展的两个趋势，即“向人”和“向机器”的对立属性发展，并围绕道德、法律、责任、义务、权利掌对机器人伦理问题行了讨论。 《大话机器人》对机器人发展历史行全面而系统的梳理，图文并茂，调动学生对机器人的兴致，并为教师配备了电子教案，方便教师展教学。 《大话机器人》可作为高等院校各类专业的机器人普及教材，也可为相关人员了解和认识机器人提供参考。
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。
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。
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。
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。
TensorFlow机器学习实战指南(原书第2版)
￥57.85
本书由数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带领读者由浅深系统掌握TensorFlow机器学习算法及其实现。 本书第1章和第2章介绍了关于TensorFlow使用的基础知识，后续章节则针对一些典型算法和典型应用场景行了实现，并配有较详细的程序说明，可读性非常强。读者如果能对其中代码行复现，则必定会对TensorFlow的使用了如指掌。
MXNet深度学习实战
￥57.85
这是一本详细讲解计算机视觉算法实现以及MXNet框架的原理和使用的工具书。 作者是网易的资深计算机视觉算法工程师，本书融合了他丰富的工程实践经验，一方面详细讲解了深度学习框架MXNet的技术原理和应用方法，一方面以MXNet为工具讲解了算法实现的具体细节。辅以大量简洁的代码，助你从零基础始实现深度学习算法。 全书共12章，分为4个部分： *部分 准备篇（第1~2章） 介绍了MXNet的发展、优势、预备知识、各种深度学习框架的对比，以及发环境的搭建，包括Docker的使用。 第二部分 基础篇（第3~7章） 纤细讲解了MXNet主要模块使用和原理，如MXNet的数据读取、数据增强操作、常用网络层的含义及使用、常见网络结构的设计思想、模型训练相关的参数配置等。 第三部分 实战篇（第8~10章） 以图像分类、目标检测、图像分割这三个常用领域为例演示了如何通过MXNet实现算法训练和模型测试，同时还结合MXNet的口详细讲解了算法实现的细节。 第四部分 扩展篇（第11~12章） 主要介绍了基于动态图构建网络结构的Gluon口，以及MXNet专门为计算机视觉任务推出的深度学习库GluonCV。
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。
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。
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。
Python自然语言处理实战:核心技术与算法
￥44.85
自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础门。 本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是*、前明略数据和七牛云的资深专家。同时，本书也得到了*达摩院高级算法专家、七牛云AI实验室Leader等专家的高度评价和鼎力推荐。 全书一共11章，在逻辑上分为2个部分： *部分（第1、2、11章） 主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。 第二部分（第5-10章） 第3~5章讲解了词法分析相关的技术，包括中文分词技术、词性标注与命名实体识别、关键词提取算法等。 第6章讲解了句法分析技术，该部分目前理论研究较多，工程实践中使用门槛相对较高，且效果多是依赖结合业务知识行规则扩展，因此本书未做深探讨。 第7章讲解了常用的向量化方法，这些方法常用于各种NLP任务的输。 第8章讲解了情感分析相关的概念、场景以及一般做情感分析的流程，情感分析在很多行业都有应用。 第9章介绍了机器学习的重要概念，同时重突出NLP常用的分类算法、聚类算法，还介绍了几个案例。 第10章节介绍了NLP中常用的一些深度学习算法，这些方法比较复杂，但是非常实用，需要读者耐心学习。
我是微商3:开口就成交微演说修炼笔记
￥38.35
本书是微商界超级畅销书“我是微商”系列的第3本，它系统总结了作者们3年来的演说实战经验，首次披露了他们通过演说累计创造千万元收背后的不传之秘。本书依然以“造微商教育界的实战手册”为目标，让你快速掌握一口就成交的演说技法！ 本书从以下5个方面系统总结了如何才能做到口就能成交。 微演说技巧篇：揭秘演说的4个必要过程，从敢讲，到会讲，到讲好，到收到，囊括20大秘诀，帮助微演说初学者克服恐惧，尽快蜕变；呈现微演说4大板块、16种技巧，让每个初学者都能快速掌握演说的精髓。 演说稿设计篇：归纳*演说稿3大框架，以模板形式呈现，让每位伙伴都可以在20分钟内快速搭建文稿框架，快速记忆演讲稿内容；分享10种演讲稿内容设计方法，让每个人都做自己的导演，造走心、留人、自我销售的神奇演说稿。 演说团队造篇：揭秘作者（徐东遥）从0始，造300人万人迷导师团的全过程，告诉你如何一步步将团队所有小伙伴都激励成为超级演说家；揭秘团队激励的6大步骤，告诉你当团队造陷瓶颈期时，说什么样的话可以让伙伴们心潮澎湃，再创佳绩。 活动成交篇：在活动闭幕之前，教你如何通过微演说让加团队的伙伴倍受鼓舞，让未加团队的伙伴积极加，让一场活动的终结成为二次成交的始！ 大咖分享篇：中国电子商会微商教育委员会秘书长凌教头，次、一次、后一次的品牌招商战略及流程分享文字原稿；万人迷导师徐东遥，微信群1小时产生40万零售业绩的成交文字原稿及流程剖析。 参照本书介绍的方法，一步步落地执行，就能马上提升业绩、扩大团队。用微演说突破瓶颈，再造辉煌，你准备好了吗？
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。
