购物车
个人中心
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。
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。
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。
企业级数据与AI项目成功之道
￥53.40
只有在可以一致地提供预测性的业务见解并在整个组织范围内扩展时，数据分析和AI才能产生价值。这也是众多企业所面临的巨大挑战。本书概述了有效且实用的组织、管理和评估数据的方法，因此有助于建立信息体系结构以更好地推动AI和数据科学的发展。本书主要包括以下内容：简化数据管理，使数据随时随地可用；缩短实现AI用例的价值实现时间；使整个企业都可以访问AI和数据洞察力；动态、实时地扩展复杂的AI场景；发可带来可预测的、可重复的价值的信息体系结构。本书可以使包括架构师、发人员、产品所有者和业务主管在内的各种角色受益。
智能语音处理
￥51.35
本书从智能化社会对语音处理提出的新要求出发，系统地介绍了智能语音处理涉及的基础理论、基本技术、主要方法以及典型的智能语音处理应用，理论与实际紧密结合，适合作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。 本书共11章，可分为四个部分。 *部分是导论，对应第1章，概要介绍了经典语音处理与智能语音处理的基本概念以及语音处理的典型应用。 第二部分是基础理论，包括第2～5章。第2章介绍了稀疏和稀疏表示、冗余字典以及压缩感知的基本原理和方法；第3章介绍了隐变量模型，包括高斯混合模型、隐马尔可夫模型和高斯过程隐变量模型等；第4章主要介绍主成分分析和非负矩阵分解两种典型的组合模型；第5章主要介绍人工神经网络和深度学习的基础知识以及深度神经网络的典型结构。 第三部分是应用实践，包括第6～10章。第6章综合利用稀疏表示、字典学习、深度学习等智能处理技术，分别介绍基于K-L展的字典学习的语音压缩感知、基于梅尔倒谱系数重构的抗噪低速率语音编码以及基于深度自编码器的抗噪低速率语音编码这三种方案；第7章重介绍了基于非负矩阵分解和基于深度学习的智能语音增强方法；第8章在介绍语音转换的基本原理的基础上，重介绍了基于非负矩阵分解和基于深度神经网络的谱转换方法；第9章首先介绍了说话人识别系统的框架和模型，然后分别介绍了基于i-vector和基于深度神经网络的说话人识别方法；第10章在介绍骨导语音特性和骨导语音盲增强的基本原理的基础上，分别介绍了基于长短时记忆网络和基于均衡-生成组合谱映射的骨导语音盲增强方法。 第四部分是结束语，对应第11章，对全书行了总结，并对智能语音处理的未来发展行展望。
大圣陪你学AI:人工智能从入门到实验(上册)
￥65.35
本书以孙悟空师徒学习AI为题材，通过主人公孙大圣学习AI知识和方法，并教授其他师兄弟了解AI知识，帮助他们通过百度AI技术掌握特殊技能，实现梦想。全书分8章，分别通过卡通故事给少儿读者讲解几项简单的AI技术，然后通过百度AI平台让读者参与实验了解AI技术是什么。本书以少儿读者为对象，以卡通动漫的形式科普AI知识和技术，为少儿AI梦想的大门。
大圣陪你学AI:人工智能从入门到实验(下册)
￥65.35
本书以孙悟空师徒学习AI为题材，通过主人公孙大圣学习AI知识和方法，并教授其他师兄弟了解AI知识，帮助他们通过百度AI技术掌握特殊技能，实现梦想。全书分8章，分别通过卡通故事给少儿读者讲解几项简单的AI技术，然后通过百度AI平台让读者参与实验了解AI技术是什么。本书以少儿读者为对象，以卡通动漫的形式科普AI知识和技术，为少儿AI梦想的大门。
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。
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。
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。
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。
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。
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。
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？
嵌入式实时操作系统:RT-Thread设计与实现
￥57.85
本书由自研源嵌式实时操作系统RT-Thread核心作者撰写，专业性毋庸置疑，系统剖析嵌式系统核心设计与实现，掌握物联网操作系统精髓。本书分为两大部分，共16章，第1～10章为内核篇；第11～16章为组件篇。 内核篇（第1～10章）详解RT-Thread内核，先对RT-Thread行总体介绍，再分别介绍RT-Thread的核心技术——线程管理、时钟管理、线程间同步、线程间通信、内存管理、中断管理与内核移植。 组件篇（第11～16章）分别介绍Env发环境、FinSH控制台、设备管理、文件系统和网络框架。 各章均有配套示例，方便读者动手实践和参考。
深度学习全书——公式+推导+代码+TensorFlow全程案例
￥111.30
《深度学习全书——公式 推导 代码 TensorFlow全程案例》共有15章，分为5部分，篇说明深度学习的概念，包括数理基础，特是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，后，介绍了强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。
