购物车
个人中心
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。
Go程序员面试笔试宝典
￥69.90
Go语言是一门既年轻、简捷，又强大、高效、充满潜力的服务器语言。《Go程序员面试笔试宝典》使用浅显易懂的语言与大量流程图，深介绍了Go语言。全书分为三大部分：第1部分（1～5章）为Go语言基础。介绍了Go 语言中基础、常见的逃逸分析、defer 延迟语句、切片、数组、散列表、通道和口。第2部分（6～11章）为Go语言类库。介绍了Go语言自身的类库，如unsafe、context、错误、计时器、反射和sync包。第3部分（12～14章）为Go语言高级特性。介绍了调度、内存分配、GC，从原理到源码分析，逐渐深。这三大部分是runtime 中重要、核心的内容，理解了这三者的原理，才算是对Go语言有了一个比较深的理解和掌握。 ?? 《Go程序员面试笔试宝典》是一本计算机相关专业毕业生面试笔试求职参考书，同时也适合有一定工作经验的发工程师一步提升自身水平。
数字化转型2.0 ——数字经济时代传统企业的进化之路
￥79.90
本书首先回顾了我国数字化转型的发展历程，认为数字化转型在“十四五”期间将深水区，数字化技术将推动业务战略、商业模式、运营模式、IT架构的全面升级，需要构建更加科学的方法论，为数字化转型提供更有价值的指引。基于这样的理解，本书构建了一个转型的SMART 框架，作者称之为传统企业的数字化转型20方法论，并基于此对企业下一步数字化转型给出了全面、科学、可行的指引。全书共9章，分别是企业数字化的表象与本质；数字化转型20的总体框架；创新战略：数字化转型20的新标配；商业模式：数字化转型20的核心；运营转型：技术加持下的提质增效；架构升级：夯实数字化转型的地基；转型方法：有路径无捷径；资源保障：数字化转型的软实力；创新机制：数字化转型的永动机。 本书读者对象为企业的CEO、CDO、CIO、IT总监，以及从事企业数字化转型规划建设的相关人群。
Orleans:构建高性能分布式Actor服务
￥90.00
Orleans是由微软公司基于.NET平台构建的跨平台、分布式源应用框架，可用于快速搭建面向大数据吞吐量和高并发场景的互联网应用服务。 ? ? 《Orleans构建高性能分布式Actor服务》主要介绍了虚拟Actor模型和Orleans运行时、资源管理、消息传递、集群构建、数据持久化及可靠性管理等组件，还对Orleans的流式处理、分布式事务、多集群配置与部署等功能行了介绍。全面介绍了Orleans 的主要功能与特，并结合实际互联网应用场景给出了多个应用实例。 ? ? 《Orleans构建高性能分布式Actor服务》可作为软件发及测试工程师、架构师在设计构建分布式应用服务时的参考用书，适合对大型互联网应用服务发感兴趣的读者阅读学习，还可以作为大中专院校分布式软件发相关课程的教学用书。
中文版Mastercam 2022数控加工从入门到精通
￥59.90
《中文版Mastercam 2022数控加工从门到精通》以Mastercam 2022版本为平台，介绍了在该软件中行产品设计、模具分模、2D平面加工、3D曲面粗加工和精加工、多轴加工、钻削、车削以及线切割等设计与数控加工的相关操作。书中配套资源丰富，包含全书所有实战案例、综合案例的源文件与结果文件，以及高清语音教学视频，读者可在正文中扫描案例旁对应的二维码行观看，由专业工程师亲自示范教学，可以大幅提高个人的学习兴趣和效率。 《中文版Mastercam 2022数控加工从门到精通》图文并茂，讲解层次分明、重难突出、技巧独特，可以作为CAD工程设计、CAM加工制造、模具设计人员及一线加工操作人员的案头指南，也可以作为大中专院校及社会培训班机械CAD、模具设计与数控编程加工等专业师生的培训学习用书，还可以作为对加工制造行业有浓厚兴趣读者的学习手册。
SAP Fiori开发实战——从入门到大师
￥90.00
本书详细讲解了 ＳＡＰ Ｆｉｏｒｉ 发。 全书共 １６ 章， 主要内容包括 ＳＡＰ Ｆｉｏｒｉ 的架构、 环境、 实施和发四部分， 分别从业务顾问、 实施专家、管理员和发者的角度， 详细地介绍了 ＳＡＰ Ｆｉｏｒｉ 的架构、 运行环境、 安全、 启动面板、 发环境、 数据访问、 前端技术、 工作流、 应用实施、 应用增强、 应用发、 应用扩展、 集成等内容。 全书以 ＳＡＰ Ｆｉｏｒｉ 的三种应用类型为主线， 以 ＳＡＰＵＩ５ 前端技术为基础， 将架构原理和应用实践相结合，重把 ＳＡＰ Ｆｉｏｒｉ 应用实施的方法和步骤、 ＳＡＰ Ｆｉｏｒｉ 应用发的环境和技术， 通过要概述、 示例操作、 代码解析、 图表展示的形式， 立体地呈现给读者，满足从门到大师不同层次的用户对 ＳＡＰ Ｆｉｏｒｉ 知识的获取和使用需求。
奔跑吧Linux内核(第2版)卷2:调试与案例分析
￥70.34
本书基于Linux 5.0内核的源代码讲述Linux内核的调试技巧和案例。本书共6章。主要内容包括并发与同步，中断管理，内核调试和性能优化，基于x86_64的宕机难题解决方案，基于ARM64的宕机题解决方案，安全漏洞的产生原理与修复方案等。 本书适合从事Linux系统发人员、嵌式系统发人员及Android发人员阅读，也可供计算机相关专业的师生阅读。
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。
大圣陪你学AI:人工智能从入门到实验(第2版)
￥59.40
本书将读者耳熟能详的《西游记》故事与常见、易懂的人工智能应用案例相结合，用一个个小故事来解读人工智能，在轻松愉快中学到知识，在解决一个个问题的成就感中树立信心，在由浅深的一个个实践操作过程中逐步形成对人工智能的基本认知。
C# 8.0核心技术指南(原书第8版)
￥167.40
本书全方位地介绍了 C# 的语言特性。在内容上，它兼顾了各种类型的读者。对于初学者，本书不论是介绍基本的语法，还是介绍高级的语言特性，都采用了讲解和示例结合的方法。而对于经验丰富的读者，本书的每一章都详尽而系统，是的案头参考书。 本书在前一版的基础上行了大量的修订工作。不但将既有的内容和范例全部迁移到 .NET Core 之上，对 C# 8.0 与 .NET Core 3.x 提供的新特性行了详细的介绍，还在部分示例中专门对编写跨平台运行的程序的技巧或陷阱行了说明。可以说，本书从内容上涵盖了目前 C# 与 .NET Core 全新正式发行版的内容。
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。
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。
MLOps实战:机器学习模型的开发、部署与应用
￥47.40
本书分为三部分。第1部分介绍MLOps主题，深探讨了它是如何(以及为什么)发展成一门学科的、需要谁参与才能成功执行MLOps以及需要哪些组成部分。 第二部分介绍了机器学习模型的生命周期，其中包括有关模型发、生产准备、生产部署、监测和治理的章节。这些章节不仅包括一般的注意事项，还包括MLOps生命周期每个阶段的注意事项，并提供第3章中所涉及主题相关的更多详细信息。 第三部分提供了MLOps的具体示例，以便读者了解MLOps在实践中的设置和含义。
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。
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。
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。
跟老男孩学Linux运维:Shell编程实战
￥57.85
本书可分为五大部分：*部分为第1章~第4章，此部分着重介绍新手如何学好Shell编程。涉及的内容包括Shell编程的门介绍、基础知识、运行原理、编程语法、编程习惯、变量知识以及变量的深实践。第二部分为第5章~第8章，着重讲解变量的多种数值运算、条件测试与比较、if条件判断语句、Shell函数等相关的知识。第三部分为第9章~第13章，着重讲解case条件语句、while循环和until型循环、for循环和select循环、条件与循环控制及程序返回值、Shell数组等知识。第四部分为第14章~第16章，着重讲解Shell脚本发规范与编码习惯、Shell脚本的调试知识和技巧、Shell脚本发环境的配置调整和优化等。第五部分为第17章~第20章，着重讲解Linux信号及trap命令的企业应用实践、Expect自动化交互式程序的应用实践、贯穿全书技术的面试题和企业实战案例，以及子Shell知识。
深度探索Linux系统虚拟化:原理与实现
￥57.85
这是一部深度讲解如何在Linux操作系统环境下用软件虚拟出一台“物理”计算机的著作。 两位作者都是百度的资深技术专家，一位是百度的主任架构师，一位是百度智能云的副总经理，都在操作系统和虚拟化等领域有多年的实践经验。 本书从计算机体系结构、操作系统、硬件等多个方面深度探索了如何从CPU、内存、中断、外设、网络5个维度去虚拟化Linux系统，不仅剖析了其中的关键技术原理，而且深阐述了具体的实现。 全书共6章： 第1章：CPU虚拟化 介绍了X86架构下的VMX扩展，讨论了在VMX下虚拟CPU的完整生命周期，着重阐述了Host和Guest的切换、指令的模拟以及KVM是如何虚拟多处理器的。 第2章：内存虚拟化 讨论了操作系统如何为虚拟机呈现物理内存，结合影子页表以及EPT探讨了KVM如何完成从GVA到HPA的2层地址映射。 第3章：中断虚拟化 首先，讨论了从单核系统的8259A始，到多核系统的APIC，再到绕I/O APIC直从设备向LAPIC发送基于消息的MSI的虚拟化原理和实现。然后，讨论了Intel为了提高效率，是如何从硬件层面对虚拟化中断行支持的，以及KVM是如何使用它们的。 第4~5章 外设虚拟化 从完全虚拟化始，依次讲解了半虚拟化（Virtio）和Intel的VT-d支持下的硬件辅助虚拟化。通过实现一个模拟串口带领读者直观体会了设备虚拟化的基本原理，然后深阐述了Virito标准和实现，以及支持SR-IOV的DMA重映射和中断重映射。 第6章 网络虚拟化 讨论了在通用硬件网络的基础上，操作系统如何虚拟出专用的网络设备，为租户组建虚拟网络。
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。
