购物车
个人中心
Autodesk Revit Structure 2020建筑结构设计从入门到精通
￥69.86
本书重介绍了Autodesk Navisworks中文版建筑施工模拟的各种基本操作方法和技巧。其*的特是，在行知识讲解的同时，不仅列举了大量的实例，还增加了上机操作，使读者能够在实践中掌握Autodesk Navisworks的操作方法和技巧。 全书分为11章，分别介绍了概述、和边界、曲面和土木设计、地块划分设计、Civil 3D中的、Civil 3D和放坡、Civil 3D中的土方计算、路线设计和操作、道路设计和操作、管线设计、数据共享等内容。
机器学习入门:数学原理解析及算法实践
￥47.40
本书面向初学者，比较全面的介绍了机器学习的基本方法，循序渐的阐述了其中的数学原理，让读者能够知其然，然后知其所以然。书中结合应用场景，列举了大量编程实例帮助读者展动手实践，理论与实践相辅相成，对算法原理产生更加直观和感性的认识。作者希望能够通过本书帮助读者揭人工智能领域的神秘面纱，走人工智能和机器学习的大门，了解其中的奥秘，甚至成为该领域的学习者、研究者和实践者。
人人可懂的深度学习
￥41.40
采用通俗易懂的语言，简明而*地介绍对人工智能革命起到核心作用的深度学习技术。
DeepSeek原生应用与智能体开发实践
￥90.30
《DeepSeek原生应用与智能体发实践》围绕DeepSeek大模型应用发展，深度融合技术创新与工程实践，内容覆盖大模型应用发（在线调用、提示词、推理、Agent、工具调用、MCP、微调、蒸馏、后训练、RAG）技术栈及其案例。书中原理与案例相融合，注重培养读者的大模型原生应用与智能体发能力，并构建从理论到落地的完整知识体系。《DeepSeek原生应用与智能体发实践》配套示例源码、PPT课件、配图PDF文件、读者微信交流群。 《DeepSeek原生应用与智能体发实践》共分16章，内容包括大模型时代、DeepSeek发环境配置与放API使用、提示工程与DeepSeek提示库、思维与DeepSeek推理模型、基于DeepSeek的Agent发详解、DeepSeek的Function Calling与MCP应用实战、大模型驱动的即时金融信息采集与分析平台、KV Cache加持的推理加速、MLA注意力机制、MoE专家模型、MTP与多组件优化、大模型微调技术与应用、大模型蒸馏技术与应用、后训练算法GRPO详解与实战、基于后训练的智能医疗问诊实战，以及基于A2A、MCP与RAG的多Agent跨境电商智能客服实战。 《DeepSeek原生应用与智能体发实践》既适合DeepSeek发初学者、大模型原生应用与智能体发人员、模型优化与工程化工程师、大模型研究人员、行业AI解决方案提供商，也适合高等院校及高职高专院校学习人工智能大模型的学生。
PyTorch深度学习——深入理解人工智能算法设计
￥69.30
本书系统介绍了人工智能相关算法，尤其是深度学习算法，包含了基础的算法理论介绍、深度学习框架实现和重要的算法模型应用简介等，本书提供配套的源代码、源版本电子书、课件素材、以及微课视频等资料。全书共14章，可以分为4部份：第1~3章为第1部分，主要介绍人工智能的初步认知，并引出相关算法问题；第4~5章为第2部分，主要介绍PyTorch框架使用基础知识，为后续算法实现作铺垫；第6~9章为第3部分，主要介绍神经网络的核心理论基础，让读者能理解深度学习的本质；第10~14章为第4部分，主要介绍经典算法方向与模型结构的应用，让读者能够学有所用。
Arduino项目开发——音乐创意
￥26.91
本书以“大众创业万众创新”为时代背景，结合当前高等院校创新实践课程，总结Arduino源硬件的发方法，并给出了系统发Arduino智能硬件产品的实际案例。其主要内容包括四个方面：源硬件简介及Arduino发板，Arduino发产品的基本方法、外围硬件及传感器使用方法。本书内容是教师在教学过程中，基于Arduino发平台，指导学生行创新项目，*后总结了优秀的项目发案例，图文并茂，丰富实用，深浅出，易学易用。 对于书中的每个案例从项目背景、创意描述、功能及总体设计、具体电路图、系统流程图、产品展示以及每个案例所用模块行详细讲解，使读者可以从不同层面对发案例行分析、理解和具体实现。
动手学PyTorch深度学习建模与应用
￥55.30
本书以新版深度学习框架PyTorch为基础，循序渐地介绍其在深度学习中的应用。全书共10章，从深度学习数学知识手，逐步介绍PyTorch在数值建模、图像建模、文本建模、音频建模中的基本概念及应用示例，还将介绍模型的可视化和联邦学习等内容，以扩展读者的视野。本书在讲解每一个知识的同时，都配合有动手练习实例，便于读者深理解所学知识，并达成学以致用的目标。 本书原理与实践并重，易于理解且可操作性强，特别适合PyTorch新手、大学生、研究人员和发人员使用，也可作为高等院校相关专业的教学用书。
深度强化学习:学术前沿与实战应用
￥65.35
本书共分为四篇，即深度强化学习、多智能体深度强化学习、多任务深度强化学习和深度强化学习的应用。由浅深、通俗易懂，涵盖经典算法和近几年的前沿技术展。特别是书中详细介绍了每一种代表性算法的代码原型实现，旨在理论与实践相结合，让读者学有所得、学有所用。 *篇（包含第1～3章）主要讲解深度强化学习基础，侧重于单智能体强化学习算法，相对简单，有助于初级读者理解，同时涵盖了近几年的经典算法和一些前沿的研究成果。 第二篇（包含第4～5章）主要侧重于对多智能体深度强化学习的讲解，从多智能体强化学习基本概念到相关算法的讲解和分析，以多个极具代表性的算法为例带领读者逐步学习多智能体训练及控制的理论与方法。同时，还介绍了多智能体强化学习领域一些前沿学术成果。 第三篇（包含第6～7章）扩展到多任务场景，称为多任务深度强化学习。首先介绍了多任务强化学习的基本概念和相关基础知识，随后讲解了部分经典的多任务深度强化学习算法。 第四篇（包含第8～11章）主要讲解深度强化学习的实际应用，涉及游戏、机器人控制、计算机视觉和自然语言处理四大领域。通过领域应用中思想和方法的讲解，培养读者跨领域解决实际问题的能力，以帮助读者熟练掌握和使用深度强化学习这一强大的方法来解决和优化实际工程领域中的问题。
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。
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。
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。
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。
商用机器学习:数据科学实践
￥51.35
本书向企业高管和学生介绍了在机器学习中如何使用工具，不需要使用微积分、矩阵或向量代数就可以清楚、简洁地解释目前*流行的算法。本书的重是业务应用程序，并提供了许多案例，比如评估一个国家行国际投资的风险、预测房地产的价值，以及可以细致到将零售贷款分为可受或不可受模式。书中示例的数据、工作表和Python代码都在作者的网站上，本书同时还提供了一套完整的幻灯片，供教师使用，教师可自行下载使用。
智能机器人
￥38.80
本书阐述了智能机器人的基本理论及实际应用。全书共分9章，深浅出地介绍了智能机器人的概念、架构，以及当今世界范围内典型的智能机器人；讲述了机器人运动过程的数学表示方法、机器人的传感器种类、机器人的通信方式和操作系统；对移动机器人的定位与建图技术行了比较详细的讨论；在机器人的路径规划方面，给出了几种常见的分析方法，对目前应用日益增多的机器人导航方法也作了较为详尽的介绍；同时，全面阐述了机器人视觉技术与机器人语音技术的常用算法及实际应用；后两章内容包含智能机器人的设计案例，以及基于应用平台的实践发。本书提供了丰富的教学资源，并配套编程实验，以提升学生的实际应用能力。
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。
UG NX 2007中文版完全自学一本通
￥69.30
本书基于UG NX 2007软件，对其中的各个模块行了全面、细致的讲解，由浅深、循序渐地介绍了UG NX 2007的基本操作及命令的使用，并配以大量的制作实例。全书共15章，内容涵盖基础门操作、特征与曲面建模、行业应用设计3个方面。 本书语言通俗易懂，内容讲解到位，操作实例具有很强的实用性和代表性。同时本书的专业性和技巧性等特也比较突出。
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。
中国人形机器人创新发展报告2025
￥55.30
作为一本技术性很强的书，《中国人形机器人创新发展报告2025》覆盖人工智能、大模型、视觉捕捉、自动化控制等一些列技术和学科。本书系统性梳理了《人形机器人创新发展指导意见》发布以来中国人形机器人产业在关键技术、产品培育、场景应用、生态营造、支撑能力以及保障措施等多方面的发展态势，通过多角度案例研究，全面解析了中国在这一领域的成果与经验，力图展示中国人形机器人产业的全貌，洞察人形机器人产业未来发展的新趋势、新挑战及新机遇。
智能驾驶之激光雷达算法详解
￥57.47
本书内容涵盖了智能驾驶场景中常用的激光雷达的标定、感知和定位算法。标定算法部分介绍了有代表性的激光雷达与车体的外参标定算法以及激光雷达和相机间的外参标定算法；感知算法部分介绍了基于激光雷达行地面检测、障碍物聚类、目标检测、多目标跟踪、路沿检测的代表性算法；定位算法部分则介绍了几种有影响力的激光里程计、激光雷达 IMU（intertial measurement unit，惯性测量单元）组合定位算法以及多传感器融合定位与建图算法。本书着重从理论出发，介绍激光雷达关键算法的原理，可为读者提供车载激光雷达相关算法的基础指导。 本书可作为高等院校车辆工程、机器人工程、交通工程专业和自动驾驶专业的教材，也可供智能驾驶或机器人领域的技术爱好者以及激光雷达标定、感知、定位算法工程师使用和参考。
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。
人工智能(第3版)
￥76.67
作为计算机科学的一个分支，人工智能主要研究、发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 本书包括引言、基础知识、基于知识的系统、人工智能高级专题、人工智能的现在和未来以及安全与编程六部分内容。第一部分从人工智能的定义讲起，对人工智能的早期历史、思维和智能的内涵、图灵测试、启发式方法、新千年人工智能的发展行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN 等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，也介绍了机器学习、深度学习以及受到自然启发的搜索算法等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来行了展望。第六部分主要介绍人工智能的安全以及编程问题。 本书系统、全面地讲解了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容行了拓展，更辅以实例，可以帮助读者扎扎实实好基础。本书内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。
