购物车
个人中心
pandas数据处理与分析
￥62.72
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。 本书共包含13章，部分介绍NumPy和pandas的基本内容；第二部分介绍pandas库中的4类操作，包括索引、分组、变形和连；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的后一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。
网络AI+:2030后的未来网络
￥83.90
未来网络是什么样子？构建未来网络的关键技术有哪些？如果你在思考这些问题，请你一定要阅读本书。AI助力通信网络的发展构建了“网络AI”，在此基础上叠加云网融合、B5G/6G、网络5.0、算力网络、区块、数字孪生、量子通信、网络安全等新的关键技术，共同造“2030后的未来网络”。本书通过讲解和剖析上述关键技术，多维度地阐述了未来网络发展的愿景和演路径，可让读者系统地学习与思考。 本书的主要读者对象为电信运营商、电信设备提供商、电信咨询行业的从业人员和从事通信科研的高校师生，以及关注通信行业技术发展的相关人士。
深度实践OCR:基于深度学习的文字识别
促销价:￥19.99|￥89.00
这是一部融合了企业界先工程实践经验和学术界前沿技术和思想的ORC著作。 本书由阿里巴巴本地生活研究院算法团队技术专家领衔，从组件、算法、实现、工程应用等维度系统讲解基于深度学习的OCR技术的原理和落地。书中一步步剖析了算法背后的数学原理，提供大量简洁的代码实现，帮助读者从零基础始构建OCR算法。 全书共10章： 第1章从宏观角度介绍了ORC技术的发展历程、概念和产业应用； 第2章讲解了OCR的图像预处理方法； 第3~4章介绍了传统机器学习方法和深度学习的相关基础知识； 第5章讲解了基于传统方法和深度学习方法的OCR的数据生成； 第6章讲解了与OCR相关的一些高级深度学习方法，方便读者理解后续的检测和识别部分； 第7章讲解了文字的检测技术，从通用的目标检测到文字的检测，一步步加深读者对文字检测问题的认识； 第8章讨论了文字识别的相关技术，定位到文字的位置之后，需要对文字的内容行一步的解析； 第9章介绍了一些OCR后处理的方法； 第10章介绍了一些版面分析方法。
共创智能时代
￥49.00
本书是上海交通大学校友会人工智能分会“源聚”系列校友论坛、沙龙等活动的衍生书籍，记录了15位行业领军校友在母校活动中分享的真知灼见。从人工智能的社会责任、认知范式、数理基础等关键问题到城市治理、药物研发、工业智能、自动办公等应用场景，全面解析了人工智能的科学概念和社会影响。 书稿语言通俗易懂，案例丰富，既具备知识含量较高的专业性，也做到了深浅出的科普性，不仅适合人工智能相关领域的学术界、产业界人士参考，也可供所有对人工智能有兴趣的大众人士阅读。
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。
强化学习:原理与Python实现
促销价:￥19.99|￥89.00
第1章：介绍强化学习的基础知识与强化学习环境库Gym的使用，并给出完整的编程实例。 第2～9章：介绍强化学习的理论知识。以Markov决策过程为基础模型，覆盖了所有主流强化学习理论和算法，包括资格迹等经典算法和深度确定性梯度策略等深度强化学习算法。所有章节都提供了与算法配套的Python程序，使读者完全掌握强化学习算法的原理与应用。 第10～12章：介绍了多个热门综合案例，包括电动游戏、棋盘游戏和自动驾驶。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法，包括AlphaGo的改版AlphaZero。
机器学习实战:模型构建与应用
￥77.40
本书主要包括两部分。第1部分（第1章-第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章-第20章）将引导你了解如何将模型置于 Android 和 iOS 上的用户手中、使用 JavaScript 的浏览器以及通过云提供服务的场景。
馆藏墓室壁画数字修复技术(上下册)
￥110.60
在文物数字化生存的大背景下，各博物馆对馆藏文物陆续行了高清数字化采集，产生了大量饱含岁月痕迹的文物影像资料。这些数字化文物信息是研究文化、考证历史的重要素材。在文物不可逆地走向衰亡的过程中，利用数字化信息处理手段记录、重建文物信息是文物科技保护的发展趋势。特别是对于壁画类平面文物，其画面传承的文史信息消亡，则文物本体的价值也就不复存在了，它们是博物馆急需修复的文物类型。博物馆馆藏壁画的修复有着繁琐的流程，修复周期很长。因修复效果无法预测与修复人员紧缺的现状，大部分壁画存储在保管部，迟迟未能展厅。本文研究对象是高清采集的馆藏墓室壁画数字化信息，研究目标是通过对现存信息的分析，非触无损地提取壁画的数字档案，并模拟壁画手工修复的过程，建立一整套满足博物馆管理流程的数字修复体系。 馆藏墓室壁画数字修复依据贝叶斯的逆概原理，包括：提取壁画残存信息的先验知识，建立壁画病害信息的数据模型，建立壁画缺损信息的修复模型三大部分。论文在研究过程中充分考虑此类反问题求解的强病态性与格式塔视觉心理学原则，通过建立主、客观评价方法，并设计交互式数字修复管理平台，共享远程专家经验，动态调整修复方案。
SPSS统计分析入门与应用精解(视频教学版)
￥68.60
这是一本精解SPSS统计分析基础门与应用的教材，通过“精解统计分析原理、精解SPSS窗口选项设置、精解SPSS输出结果”三要素，帮助读者真正掌握常用统计分析软件SPSS的应用。 全书共14章。第1章为SPSS基础与应用操作概述；第2~7章介绍SPSS的基本统计分析方法，包括描述统计分析方法、比较平均值分析方法、非参数检验方法、相关分析方法、一般线性模型、各类常用回归分析方法等；第8~13章介绍SPSS的常用高级统计分析方法，包括时间序列预测方法、聚类分析方法、决策树分析与判别分析方法、生存分析方法、降维分析方法等；第14章介绍如何使用SPSS行高质量的综合性研究，讲解研究方案设计、调查问卷的制作、SPSS数据挖掘、建模注意事项。每章有教学重提示，章后有“知识总结与练习题”，帮助读者增强学习效果，形成了“从基础原理到操作精解，从数据分析到案例应用”的完整教学闭环。与本书配套的还有教学PPT和作者新讲解的全套视频资料以辅助教学，力求实现**教学效果。 本书可作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的在校本、专科大学生及研究生学习、应用SPSS的主要教材，还可作为职场人士掌握SPSS应用、提升数据分析能力，而提升工作效率、改善绩效水平的工具书。
大圣陪你学AI:人工智能从入门到实验(第2版)
￥59.40
本书将读者耳熟能详的《西游记》故事与常见、易懂的人工智能应用案例相结合，用一个个小故事来解读人工智能，在轻松愉快中学到知识，在解决一个个问题的成就感中树立信心，在由浅深的一个个实践操作过程中逐步形成对人工智能的基本认知。
C# 8.0核心技术指南(原书第8版)
￥167.40
本书全方位地介绍了 C# 的语言特性。在内容上，它兼顾了各种类型的读者。对于初学者，本书不论是介绍基本的语法，还是介绍高级的语言特性，都采用了讲解和示例结合的方法。而对于经验丰富的读者，本书的每一章都详尽而系统，是的案头参考书。 本书在前一版的基础上行了大量的修订工作。不但将既有的内容和范例全部迁移到 .NET Core 之上，对 C# 8.0 与 .NET Core 3.x 提供的新特性行了详细的介绍，还在部分示例中专门对编写跨平台运行的程序的技巧或陷阱行了说明。可以说，本书从内容上涵盖了目前 C# 与 .NET Core 全新正式发行版的内容。
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。
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。
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。
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。
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。
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。
Linux内核观测技术BPF
￥51.35
本书是一本面向系统工程师的实践指南，皆在帮助他们获得Linux内核中BPF虚拟机的专业知识。 通过本书，你不仅可以深了解BPF程序的生命周期，熟悉日常工作所需的基本概念，增强有关性能优化、网络和安全方面的知识。还可以学习如何编写观测和修改内核行为的应用程序，以及通过代码注的方式对内核事件行监控、跟踪和安全观测等内容。同时，本书展示了相关的C、Go和Python代码示例。 本书将BPD知识系统的汇总在一起，使BPF爱好者能系统地学习这一技术。
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。
