购物车
个人中心
UG NX 12.0运动仿真与分析教程
￥34.87
本书全面、系统地介绍了使用UG NX 12.0行产品运动仿真与分析的过程、方法和技巧，内容包括UG NX运动仿真概述与基础、连杆、运动副与约束、连器、驱动与函数、运动仿真分析与测量、力学对象和运动仿真与分析综合范例等。 本书是根据北京兆迪科技有限公司为国内外几十家不同行业的知名公司（含国外独资和合资公司）编写的培训教案整理而成的，具有很强的实用性和广泛的适用性。本书附带1张多媒体DVD学习光盘，盘中含有大量UG运动仿真与分析技巧和具有针对性的范例教学视频并行了详细的语音讲解；另外，盘中还包含本书所有的模型文件、范例文件和练习素材文件。 在内容安排上，本书紧密结合范例对UG 运动仿真与分析的流程、构思、方法与技巧行讲解和说明，这些范例都是生产一线实际产品设计中具有代表性的例子，这样安排能使读者较快地运动仿真与分析实战状态；在写作方式上，本书紧贴软件的实际操作界面行讲解，使初学者能够尽快上手，提高学习效率。 本书内容全面、条理清晰、讲解详细、图文并茂、范例丰富，可作为广大工程技术人员深学习UG 的自学教程和参考书，也可作为大中专院校学生和各类培训学校学员的CAD/CAM课程上课及上机练习教材。
UG NX 12.0中文版从入门到精通
￥32.99
本书全面地介绍了UG NX 12.0的各个功能模块，针对功能模块的各个知识行了详细讲解并辅以相应的实例，使读者能够快速、熟练、深地掌握NX设计技术。 全书共16章，由浅深地介绍了NX的各种操作，包括UG NX 12.0软件门、NX基本操作、绘制草图、实体特征建模、特征操作与编辑、装配设计基础、模型测量与分析、GC工具箱应用、创建工程图、曲线建模、曲面建模、曲面编辑、运动仿真简介与基础、NX数控加工（CAM）、NX模具设计、钣金设计等内容，同时讲解了大量工程案例，以提升读者的实战技能。 本书还提供了各章实例的语音视频教学文件与模型文件，以方便读者学习和上机演练，读者可从本书提供的网址上下载。 本书非常适合广大NX初、中级读者使用，既可作为大中专院校、高职院校相关专业的教科书，也可以作为社会相关培训机构的培训教材和工程技术人员的参考用书。
网络化多智能体系统的分布式优化算法
￥41.30
本书主要内容包括：(1) 提出了分布式的随机次梯度投影算法；(2) 提出了异步广播的分布式次梯度随机投影算法；(3) 提出了分布式随机坐标块次梯度投影算法；(4) 提出了分布式随机坐标块条件梯度算法；(5) 提出了量化信息与随机网络拓扑的扩散小均方算法；(6) 提出了分布式随机次梯度在线算法；(7) 提出了差分隐私的分布式随机次梯度在线优化算法；(8) 提出了分布式条件梯度在线学习算法。本书选材广泛、内容新颖，适合数学、控制、计算机等专业的本科生及研究生，适合从事应用数学、计算数学、机器学习等研究领域的科技人员。
联邦学习:原理与算法
￥81.99
数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下, 联邦学习(Federated Learning) 作为一种新兴的机器学习技术范式, 凭借其突出的隐私保护能力,展示出在诸多业务场景中的应用价值。 本书从联邦学习的基础知识出发, 深浅出地介绍了中央服务器优化和联邦机器学习的算法体系, 详细阐述了联邦学习中涉及的加密通信模块的相关知识, 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系, 还延伸介绍了提升联邦学习服务质量的方法, 并对联邦学习的研究趋势行了深探讨与分析, 可以对设计和选择算法提供工具式的参考和帮助。 本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本, 也适合大数据、人工智能行业的从业者和感兴趣的读者参考。
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。
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。
Arduino Uno轻松入门48例
￥41.30
本书以实验案例形式系统讲述了Arduino Uno门基础知识与编程实现方法。*部分讲述了初学者应了解的门基础知识，包括Arduino是什么、如何始Arduino编程、Arduino语言等；第二部分依次讲解了48例经典的Arduino Uno编程实例，内容包括实验描述、知识要、编程要、程序设计、拓展和挑战等。本书可作为Arduino初学者的参考用书，尤其可作为课外或校外中小学生学习和行Arduino编程的辅导教材。
VR策划与编导
￥26.60
本书是关于VR 策划与编导的门级教材，从VR 与普通影视的异同手，对VR 的有关概念、分类、特、关键技术、发展历程、发展现状、传播与管理及存在的问题等行探讨，有史、有论、有料、有趣，有故事，有分析，有案例，有建议。VR 一经问世便备受瞩目，发展迅速，应用范围广泛，影视创作、游戏动漫、教育培训、视听广告、军事模拟、建筑设计、考古仿真等诸多领域都受益于VR 技术。在高等院校中，影视、计算机、电子工程等诸多专业都设了VR 课程。在“媒介分众”越来越明显的今天，若想改变VR界重硬件、重技术、轻策划、轻叙事等情况，就需加强VR 的创作，提升VR 创意、编撰和叙事水平。
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。
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。
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。
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。
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。
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。
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。
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。
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。
