购物车
个人中心
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。
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。
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。
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。
数字孪生实战:基于模型的数字化企业(MBE)
￥57.85
本着“理论与实践、科学性与通俗化、系统性与模块化、前瞻性与可实施性相结合”的原则，本书内容分为技术篇、方案篇和实践篇。技术篇主要包括数字孪生推装备制造业转型与升级，数字孪生助力造基于模型的数字化企业；方案篇主要阐述基于模型的系统工程解决方案、基于模型的三维设计与仿真解决方案、基于模型的电子电气系统工程、基于模型的软件全生命周期管理方案、基于模型和产品成本管理方案、基于模型的工艺与虚拟验证解决方案、基于模型的闭环制造解决方案、基于模型的MBE数字化服务管理等。实践篇包括众多实际案例的背景、问题解决、采取的方案，以及取得的效果，更是包括了西门子自身的样板工厂。
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。
敏捷软件开发(珍藏版)
￥111.30
《敏捷软件发(珍藏版)》作为敏捷软件发的里程碑之作，重介绍了敏捷软件发的原则、模式和实践。全书共6部分30章4个附录，以场景化方式阐述了什么敏捷软件发的核心，强调了工程实践是敏捷软件发的重要基石。本书的写作风格诙谐幽默，巧妙地通过通俗易懂和画面感十足的的表述漫画来帮助读者理解可能枯燥晦涩的专业技术要。 《敏捷软件发(珍藏版)》适合真正想要通过敏捷方式来提升软件发技能以及及时交付软件价值的所有读者阅读和参考。
敏捷软件开发:用户故事实战
￥48.86
作为敏捷社区的经典名作，《敏捷软件发：用户故事实战》不负众望，为软件行业提供了一种高效的需求过程，通过用户故事来节省时间、消除重复工作和发更优秀的软件。要想构建可以满足用户需求的软件，*好的方法是从“用户故事”始，用简明扼要的语言清楚明确地描述对实际用户有价值的功能。在本书中，敏捷实干家提供了一个详尽的蓝图来指导读者如何编写用户故事，如何在软件发生命周期中实际运用用户故事。 《敏捷软件发：用户故事实战》共5部分21章，介绍了如何写出理想的用户故事，造成用户故事不理想的因素有哪些，如何在无法直触到用户的情况下有效搜集用户故事，如何对写好的用户故事行整理、排优先级并在此基础上行计划、管理和测试。 《敏捷软件发：用户故事实战》适合采用XP、Scrum甚至其他自主敏捷方法的所有发、测试、分析师和项目负责人阅读和参考，可以帮助他们以更少的人手在更短的时间内发出更符合用户需求的产品或服务。
软件需求与可视化模型(微软技术丛书)
￥48.30
需求文档的模糊性和歧义性是导致很多软件项目*终无法满足用户需求的主要原因。针对这一现状，本书主要侧重于以视觉化方式来表达软件需求，介绍了4大类22个可视化需求模型，旨在指导读者通过软件需求的视觉化模型来一步明确需求，促发人员对需求的理解，从而一步推动软件项目的成功。 本书取自需求领域两位专家十多年的实践经验，具有重要的指导和参考意义，可以帮助读者准确理解需求，发出满足用户需求和可以帮助用户达成任务目标的软件产品。
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。
AutoCAD 2015中文版从入门到精通
￥38.35
本书以AutoCAD2015中文版为操作平台，结合典型实例循序渐地介绍了软件的每一个知识。全书共16章，第1～2章介绍AutoCAD2015的基础知识和绘图基础；第3～9章介绍二维图形的绘制和编辑方法，包括尺寸标注、文字和表格的添加、块操作以及图层管理等内容；第10～12章介绍了三维图形的绘制、编辑和渲染，并介绍了工程图的输与输出；第13～16章通过4个典型案例讲解了AutoCAD在机械设计、建筑设计、室内装潢设计和电气设计方面的应用。本书图文并茂、语言简洁、思路清晰、内容翔实，可作为初学者的门用书和相关工程技术人员的参考资料，也可作为各类计算机培训中心、中职中专、高职高专和AutoCAD认证考试的辅导与自学用书。
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？
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。
AI嵌入式系统:算法优化与实现
￥59.40
本书介绍在嵌式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加训练代价函数，从算法训练端减少运算量以提升AI嵌式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌式环境下机器学习算法自动优化和部署工具发的基本知识；本书通过应用例子和大量代码说明AI算法在通用嵌式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌式系统发的知识与技能。
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。
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。
