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。
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。
TensorFlow+Android经典模型从理论到实战(微课视频版)
￥62.86
这是一本以项目为引领、以经典模型为主线的面向产业的实战化教科书。全书分为九章，包含九个实战项目。以基于Android手机的智能化应用场景为项目目标，采用迭代模式，从基于TensorFlow的智能建模始，到基于Android的应用发结束。模型从训练到部署，设计周期长，技术要多，复杂度高，工作量大，考验设计者的恒心与毅力。 场景无限好，模型来相撑。场景包括一百余种花朵识别、三百余种鸟类识别、美食场景检测、驾驶场景检测、人机畅聊、人脸生成、人脸识别、基因序列预测、蛋白质结构预测。模型包括EfficientNetV1、EfficientNetV2、MobileNetV1~MobileNetV3、EfficientDet、YOLOv1~YOLOv5、Transformer、GAN、Progressive GAN、StyleGAN1~StyleGAN3、VGGFace、FaceNet、BERT、DenseNet121、AlphaFold2。 本书聚焦前沿、经典，充满创新与挑战； 全程配备同步教学视频，26小时的高密度、大容量精华视频，让学习变得更简单。 本书适合作为高阶实践教材、毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，还适合研究生和工程技术人员学习参考。
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。
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。
Linux内核API完全参考手册(第2版)
￥65.35
本书基于zui新的Linux内核源代码3.19.3版本，对常用的内核API作了系统归纳，并编写了典型验证程序，使理论分析与实际编程做到了统一。分析的内核API模块包括：模块机制内核API、程管理内核API、程调度内核API、中断与异常机制内核API、时间与定时机制内核API、内存管理内核API、内核同步机制API、文件系统内核API和设备驱动与设备管理模块内核API。
产品经理方法论
￥63.87
本书结合案例介绍了产品经理需要用到的各种产品设计方法和思路，帮助读者将从本书所学到的知识灵活地运用到自己的工作中。本书主要内容包括产品原型设计过程中输、反馈、输出等类型控件的使用方法，产品原型的设计方法，通用的产品功能设计方法，通用的产品逻辑，基础系统产品的设计思路，通用的产品体系，通用的产品设计方法，通用的产品设计原则， 通用的产品管理方法。 本书不仅适合产品经理阅读，还适合运营人员、设计人员阅读。
黑镜与秩序——数智化风险社会下的人工智能伦理与治理
￥41.30
本书从现代科技伦理的隐喻“黑镜”出发，系统而深地剖析全球人工智能伦理与治 理发展的理论根源、人工智能落地应用场景中的伦理问题以及全球视野下的人工智能治理 问题。书中既包括对传统西方伦理学的形而上学的研究，也包括人工智能有关实践案例和 国际政策的解读。本书的目的不仅仅是对人工智能伦理和治理问题行学术性梳理，而更 在于寻求解决真实世界中人工智能伦理与治理问题的路径，是一部在理论和实践层面都非 常有意义的专著。本书不仅讨论技术伦理涉及的伦理学、政治经济学、哲学和社会学等人 文科学思想，还涉及计算机科学、生物学以及医学等自然科学框架，利用跨学科思维深 探讨如何在人工智能时代形成伦理共识和建立智能社会治理规则，以期帮助智能经济参与 者、人工智能研究和应用发领域的专业人员以及公共管理决策者获得全面和独特的科技 洞察。同时，本书也是关注人工智能伦理与治理问题的读者适宜的科技人文读物。
PyTorch自然语言处理入门与实战
￥51.14
运用PyTorch 探索自然语言处理与机器学习！ 这是一本兼顾理论基础和工程实践的门级教程，基于 PyTorch，揭示自然语言处理的原理，描绘经典学术研究脉络，通过实践与项目展现技术与应用的细节，并提供可扩展阅读的论文出处。
Revit 2022中文版完全自学一本通
￥69.30
书基于Revit 2022及广联达鸿业BIMSpace乐建2022对BIM建筑、结构及机电设计的功能与应用行了全面详解。本书由浅深、循序渐地介绍了Revit 2022的基本操作及工具的使用，并结合大量的操作案例，帮助读者更好地巩固所学知识。本书是指导初学者学习Revit 2022中文版绘图软件与BIMSpace乐建2022、BIMSpace机电2022的标准教程。书中详细地介绍了Revit 2022强大的绘图功能及其专业知识，使读者能够利用该软件方便快捷地绘制工程图样。本书包含大量的技术要，能帮助读者快速掌握建筑模型设计技巧，并向读者提供了超过11小时的设计案例的演示视频、全部案例的素材文件及设计结果文件，协助读者完成全书案例的操作。
AutoCAD 2022中文版完全自学一本通
￥69.30
AutoCAD是Autodesk公司发的通用计算机辅助绘图和设计软件，被广泛应用于机械、建筑、电子、航天、造船、石油化工、土木工程、冶金、气象、纺织、轻工等领域。在中国，AutoCAD已成为工程设计领域应用为广泛的计算机辅助设计软件之一。AutoCAD 2022是为适应当今科学技术的快速发展和用户需要而发的面向21世纪的CAD软件包。它贯彻了Autodesk公司一贯为广大用户考虑的理念，为多用户合作提供了便捷的工具、规范和标准，以及方便的管理功能。因此，用户可以与设计组密切而高效地共享信息。
人工智能入门
￥47.40
本书是门阶段的人工智能技术读物，使读者获得人工智能的门知识和基本的人工智能思维模式与动手能力，主要内容包括人类智能与人工智能的关系、人工智能的定义、人工智能六大实现途径、智能系统的动手实践等，为学校展人工智能门教学或者读者自学人工智能技术提供参考和指南。
星火相传
￥65.80
本书通过对王仁华老师创立中科大语音实验室的经历和科大讯飞的创业历程的真实记录，力求深挖掘中国智能语音领域的“精神图腾”，深刻诠释科大讯飞何以影响中国人工智能产业，全景式呈现科大讯飞坚持价值创造的根本和长期主义的奋斗哲学。本书记录了真实的科研故事和创业故事，也记录了动人的爱国情怀和师生情谊。从一间大学实验室到第一家大学生创业上市的公司，从探索产学研融合到创新人工智能产业生态，以一代人的光热照拂一代人的理想。弦歌不辍，产业报国，星火相传，这是几代人续的长期主义之路。
AutoCAD 2020中文版入门与提高——室内设计
￥69.86
本书重介绍了AutoCAD 2020中文版在室内设计中的应用方法与技巧。全书分为15章。分别介绍了室内设计概述，AutoCAD 2020门，二维图形命令，基本绘图工具，文字、表格和尺寸标注，二维编辑命令，快速绘图工具、室内设计平面图、地坪图、顶棚图、立面图和别墅室内设计施工图等内容。 全书解说翔实，图文并茂，语言简洁，思路清晰。在介绍的过程中由浅深，从易到难，各章节既相对独立又前后关联。而且作者还根据自己多年的经验及学习的通常心理，及时给出总结和相关提示，帮助读者及时快速掌握所学知识。
小程序开发原理与实战
￥41.93
本书全面讲解小程序发原理、运行机制和云发。首先，从小程序发门始，通过实用的项目案例，教会读者如何快速编写小程序应用；其次，深讲解小程序底层框架设计原理和运行机制，为读者提供了全方位的实战技巧以及工具和管理平台的实用指南；*后，全面介绍了小程序提供的云端能力，结合云发轻松实现Serverless架构，提高发效率和降低成本。
图深度学习从理论到实践
￥62.30
图神经网络是人工智能的一个热方向,从图的视角解读大数据,可以灵活建模复杂的信息交互关系,吸引大量学者的关注并在多个工业领域得到广泛应用。《图深度学习从理论到实践》由浅深,全面介绍图神经网络的基础知识、典型模型方法和应用实践。《图深度学习从理论到实践》不仅包括一般的深度学习基础和图基础知识,还涵盖了图表示学习、图卷积、图注意力、图序列等典型图网络模型,以自研的Galileo平台为代表的图学习框架,以及图神经网络在电商推荐和流量风控方面的两个典型工业应用。 《图深度学习从理论到实践》既适合对数据挖掘、机器学习方向以及图建模交叉方向感兴趣的高年级本科生和研究生作为教材使用,也适合互联网电商、金融风控、社交网络分析、药物研发等企业的从业者参考学习。
嵌入式Linux开发教程
￥38.50
第1篇为嵌式基础，介绍了嵌式系统门、嵌式软硬件系统、嵌式Linux、软件发环境建立和嵌式发的C语言基础；第2篇是嵌式系统基础，介绍了ARM的内部资源、ARM处理器、ADS集成发环境等；第3篇是嵌式设备驱动与移植，介绍了Linux设备驱动、各类驱动设计和引导程序、内核移植等相关知识；*后一篇通过一个真正的嵌式B超程序案例详解嵌式发的完整过程，以此提高读者的实战水平。
体验文化:社会化·生态化·智慧化
￥69.30
《体验文化:社会化·生态化·智慧化》是国际体验设计大会的演讲集锦，汇聚了当下*影响力的数位国内外知名企业、院校的设计师、商业领袖、专家、教授的大量实践案例与前沿学术观，分享并解决了新兴领域所面临的新问题，为企业人员提供丰富的设计手段、方法与策略，以便他们学习全新的思维方式和工作方式，掌握不断外延的新兴领域的技术、方法与策略。本书适合用户体验、交互设计的从业者阅读，也适合管理者、创业者以及即将投身于这个领域的爱好者、相关专业的学生阅读。
微信小程序开发边做边学—微课视频版
￥34.86
本项目教授读者微信小程序发和云服务的相关知识，重根据团队发运行的豆豆云助教小程序展案例教学，使得学习者通过模仿激发小程序发学习热情，主要掌握所需的发语言和发项目的具体实施内容，让参与课程的学习者具备发一套解决复杂互联网应用的信息化能力，可独立建立一套基于云服务的信息处理平台，并通过微信小程序的形式展现给用户。
