购物车
个人中心
Excel电商数据分析与应用(第2版 微课版)
￥38.80
本书共分为三个部分，第一部分是理论基础，讲述从事电子商务数据分析前需要了解前导的理论知识，每个理论知识都配备教学例子。第二部分是技术方法，介绍了数据采集和数据清洗的专业方法。第三部分是应用场景，介绍了主要数据平台的使用，市场分析、运营分析方法、商务报告的撰写。 书既可以作为高等院校电子商务专业、商务数据分析与应用、大数据分析与应用专业等本专科学生的专业课教材，也可以作为实务工作者学习电子商务数据分析的基础知识以及报考商务数据分析相关资格考试的参考用书。
基于机器学习的个性化推荐算法及应用
￥63.94
个性化推荐作为一种重要的信息过滤技术，广泛应用于电子商务、社交服务以及基于位 置的服务等领域，随着数据量的爆炸式增长，原有的推荐算法存在执行效率低和数据稀疏性等问题。为了解决原有推荐算法存在的问题，本书提出了3 种新的算法，分别是基于三维项集矩阵和向量的频繁项集挖掘算法、融合惩罚因子和时间权重的协同过滤算法以及基于用户属性和项目评分的协同过滤算法，并介绍了一个个性化图书推荐原型系统的构建方案。 本书结构清晰、文字流畅，适合对机器学习、个性化推荐感兴趣的读者阅读。
软考直通车:系统集成项目管理工程师高频考点与应试专题
￥55.30
2024年1月，软考中项出版了第3版官方教程，其中新增了很多内容。对于考生而言，最直的问题就是，面对内容的更新，该如何高效地复习和备考？ 为了解决此问题，也为了帮助考生顺利通过软考中项，拿到证书，以及帮助读者深刻领悟项目管理精髓，能够学以致用，作者编写了本书。本书分为认知篇、知识精讲篇和应试专题篇。认知篇首先介绍软考相关基本信息，然后分析软考中项各科目的考试特及备考策略，最后论述对学习本质的理解，也就是对“认知”的认知。知识精讲篇主要通过分析软考命题的规律，从官方教程中提炼出重考，为考生减负。应试专题篇主要通过让考生刻意练习，做到举一反三、触类旁通，能答对题拿到分。 本书适合所有参加软考中项的考生使用，也可以作为项目管理人员的参考用书。
破解深度学习(核心篇):模型算法与实现
￥70.27
本书旨在采用一种符合读者认知角度且能提升其学习效率的方式来讲解深度学习背后的核心知识、原理和内在逻辑。 经过基础篇的学习，想必你已经对深度学习的总体框架有了初步的了解和认识，掌握了深度神经网络从核心概念、常见问题到典型网络的基本知识。本书为核心篇，将带领读者实现从门到阶、从理论到实战的跨越。全书共7章，前三章包括复杂CNN、RNN和注意力机制网络，深详解各类主流模型及其变体；第4章介绍这三类基础模型的组合体，即概率生成模型；第5章和第6章着重介绍这些复杂模型在计算机视觉和自然语言处理两大最常见领域的应用；第7章讲解生成式大语言模型的内在原理并对其发展趋势予以展望。 本书系统全面，深浅出，且辅以生活中的案例行类比，以此降低学习难度，能够帮助读者迅速掌握深度学习的基础知识。本书适合有志于投身人工智能领域的人员阅读，也适合作为高等院校人工智能相关专业的教学用书。
AI辅助编程实战
￥44.67
本书深探讨了AI（人工智能）如何革新软件发领域，从AI辅助编程的演变、优势与挑战到具体的工具与技术实现，为发者了一个全新的世界。全书共10章，第1章介绍了编程的历史演变和生成式AI的崛起；第2章深技术细节，解释了AI辅助编程工具的主要功能和工作原理；第3章讨论了提示工程的重要性，以及如何与AI工具行有效沟通；第4章和第5章通过GitHub Copilot和其他AI编程工具的案例，展示了AI在实际发中的应用；第6章扩展到通用大语言模型，如ChatGPT和GPT-4，探讨了它们在日常任务处理中的应用；第7章和第8章覆盖了软件发的早期阶段和代码编写过程，展示了AI如何辅助决策、提高学习效率和代码质量；第9章讨论了调试、测试和部署过程中AI的作用；第10章总结了AI辅助编程的一些启示，包括学习曲线、优势、不足及对未来工作的影响。 本书适合软件发者、编程爱好者、技术项目经理、高等院校计算机科学专业的学生及对AI在编程领域的应用感兴趣的专业人士阅读。
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。
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。
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。
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。
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。
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。
大话机器智能:一书看透AI的底层运行逻辑
￥53.40
本书以有趣的案例和深浅出的语言，直AI的底层运行逻辑与核心原理，勾勒人工智能的全貌，以便读者掌握AI技术要，通AI的各种技术壁垒，厘清不易察觉的“认知错误”，从而更好地认识正在运转的神秘AI世界。 本书共9章，逻辑上分为三部分。 第1～3章是人工智能的基础理论，通过生动、有趣的讲解，让读者知道支撑AI的基础学科如何起作用：如何基于统计学和概率论找到应对不确定性的有效方法与解题思路；如何基于数据统计的基础知识与原理避数据“陷阱”，给出谨慎的主观结论；如何从数学视角理解信息的处理模型。 第4～7章讨论人工智能的核心技术——数据、算法、算力，详细介绍大数据是如何处理的，如何通过机器学习算法和深度学习算法让机器正确认识数据间的关联与规律，以及如何通过算力整合与软件协作实现更高效的智能。 第8～9章探讨一些人工智能安全话题——大数据“杀熟”、隐私计算、深度伪造技术、对抗样本攻、数据投毒攻、攻防博弈等，并展望人工智能的未来，包括：人工智能会抢走人类的工作吗？机器人会统治人类吗？通用人工智能会出现吗？未来到底会变成什么样子？
Windows Server 2012 Hyper-V虚拟化部署与管理指南
￥51.35
windows server 2012 hyper-v虚拟化部署与管理领域为详尽和权威的指南之一，由来自于微软的资深虚拟化与云计算专家亲自执笔。《windows server 2012 hyper-v虚拟化部署与管理指南》不仅对windows server 2012 hyper-v虚拟化的强大功能做了详尽的阐述，而且对windows server 2012在虚拟化、网络、存储、用户体验、云计算、自动化等多种领域的数百项新的改行了详尽的讲解。 全书共10章：第1～2章首先对windows server 2012和hyper-v 2012的新功能行了全面的介绍，然后对hyper-v 2012的部署行了详细的讲解；第3～9章分别讲解了hyper-v 虚拟机的管理、网络功能及其设置、存储设置、动态实时迁移、故障转移集群的管理、复制、备份；第10章介绍了system center virtual machine manager 2012的功能和配置。?
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。
AutoCAD 2022快速入门、进阶与精通
￥70.00
本书针对零基础的读者，循序渐的介绍了使用AutoCAD 2022行设计的相关内容，包括：AutoCAD 2022概述、AutoCAD 2022软件的安装、软件的工作界面、图形的绘制、图形的编辑、精确高效绘图、标注尺寸、文字与表格、图层、图块以及属性、装配图设计、参数化设计、轴测图的绘制、三维图形的绘制、三维图形的编辑、由三维实体制作二维工程图等。 为了能够使读者更快的掌握该软件的基本功能，在内容安排上，书中结合大量的案例对AutoCAD 软件中的一些抽象的概念、命令和功能行讲解；在写作方式上本，本书采用采用软件真实的操作界面，采用软件真实的对话框、操控版和按钮行具体讲解，这样就可以让读者直观、准确地操作软件行学习，从而尽快手，提高学员的学习效率；另外，本书中的案例都是根据对国内外著名公司的培训教案整理而成，具有很强的实用性。 本书内容全面，条理清晰、实例丰富、讲解详细、图文并茂，可以作为广大工程技术人员学习AutoCAD 的自学教材和参考书籍，也可作为大中专院校学生和各类培训学校学员的AutoCAD课程上课或者上机练习素材。
深度学习高手笔记 卷1:基础算法
￥70.27
本书通过扎实、详细的内容和清晰的结构，从算法理论、算法源码、实验结果等方面对深度学习算法行分析和介绍。本书共三篇，篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络，从基础骨干网络、轻量级 CNN、模型架构搜索 3 个方向展，介绍计算机视觉方向的里程碑算法；第二篇主要介绍深度学习在自然语言处理方向的重要突破，包括基础序列模型和模型预训练；第三篇主要介绍深度学习在模型优化上的展，包括模型优化方法。 通过阅读本书，读者可以深理解主流的深度学习基础算法，搭建起自己的知识体系，领会算法的本质，学习模型优化方法。无论是从事深度学习科研的教师及学生，还是从事算法落地实践的工作人员，都能从本书中获益。
元宇宙+:经济、产业与企业的重塑
￥51.00
本书主要从经济、产业和企业三个维度对“元宇宙 ”的应用展论述。在经济层面，“元宇宙 ”对诸多传统行业实现颠覆与重构，这些行业包括制造业、零售业、游戏、教育等，同时改变我们的生活方式和企业组织形式；在产业层面，“元宇宙 ”推动生产资料和生产关系的变革，利用区块技术推动建立数字信用体系，而数字资产又反过来推动“元宇宙 ”的发展；在企业层面，“元宇宙 ”时代实现内容变现，整合营销生态，颠覆营销效果。 “元宇宙 ”基于BIGANT技术，通虚实空间，使得人类可以通过虚拟现实设备与虚拟人共同生活在一个虚拟空间中，终实现虚实高度互联互通。但现实世界与物理世界如何协调？数据安全和个人隐私如何保护？这些都是本书着重探讨的问题。作者相信，在不久的将来，元宇宙将在与现实世界的不断博弈中形成发展平衡。
GeoTools 地理信息系统开发
￥51.07
GeoTools 是由源社区维护的一套地理信息系统的发组件和解决方案。GeoTools 的实现完整遵循了OGC 的各类规范，并在二十多年的迭代中，形成了活跃的源社区生态。 本书从GeoTools 的基本信息、社区生态始介绍，随后以地理信息的基本概念为脉络，详细介绍GeoTools 是如何实现并管理坐标参考系统、如何管理矢量数据和栅格数据，以及如何连地理数据库的。在本书的后，通过实现一个空间数据管理系统，将全书的知识体系串联起来，帮助读者形成源地理信息解决方案，来解决地理信息系统中的数据解析、坐标计算、空间关系等常见问题。 本书适用于有志于从事地理信息系统发工作的人员，也可以帮助从事传统商业地理信息系统发和管理工作的人员一步了解源地理信息系统。
