购物车
个人中心
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。
强化学习入门:从原理到实践
￥51.35
本书以理论和实践相结合的形式深浅出地介绍强化学习的历史、基本概念、经典算法和一些前沿技术，共分为三大部分：第壹部分（1～5章）介绍强化学习的发展历史、强化学习的基本概念以及一些经典的强化学习算法；第二部分（6～9章）在简要回顾深度学习技术的基础上着重介绍深度强化学习的一些前沿实用算法；第三部分（*后一章）以五子棋为例详细讲解战胜了人类*围棋选手的Alpha Zero算法的核心思想。
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。
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。
深度探索嵌入式操作系统:从零开始设计、架构和开发
￥65.35
本书的*终目的是构建一个用于学习的嵌式操作系统内核，并工作在真正的物理机上。为了达到这一目的，本书大体上分为两部分：硬件部分和软件部分。硬件部分首先分析了我们选择的平台，以及这个平台上的组件。软件部分首先分析了操作系统内核是干什么的，其中都有些什么组件，这些个组件分别是干什么的有什么作用。然后是如何设计操作系统架构并将这些重要的组件组合在一起，以及设计时需要注意些什么。*后介绍了构建操作系统的工具。
InDesign CC排版设计全攻略:视频教学版
￥44.85
InDesign是主流的专业排版设计软件，被广泛应用于书刊、媒体、平面设计、印刷出版、数字媒体等领域。本书由浅深、图文并茂地讲解了InDesign CC 2018的各项功能、应用技巧和设计手法，并且提供了丰富的设计案例和视频教学，特别适合InDesign新手阅读，对具有一定使用经验的用户其中的案例也有很好的参考价值，还可作为学校、培训机构的教学用书以及广大自学者的学习教材。
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。
MATLAB R2022a完全自学一本通
￥69.30
本书面向MATLAB的初、中级读者，在介绍MATLAB R2022a集成环境的基础上，对MATLAB使用中常用的知识和工具行了详细的介绍。书中各章均提供了大量有针对性的示例，可供读者行实战练习。 根据内容的侧重不同，全书分为4部分，共20章：第1～5章为基础部分，第6～11章为数学应用部分，第12～16章为工程应用部分，第17～20章为高级应用部分。为了使读者能够更好地操作MATLAB，本书中示例的命令已记录在M文件及其他相关文件中，读者可以将相关的目录设置为工作目录，直使用M文件行操作，以便快速掌握MATLAB的使用方法。
人工智能数学基础
￥62.82
本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为一步学习人工智能好数学基础。 全书分为 4 篇，共 19 章：微积分篇（第 1～5 章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第 6～10 章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统计篇（第 11～17 章），主要介绍概率、随机变量、数字特征、相关分析和回归分析，并介绍数据处理的基本方法和 Pandas 在数据处理中的应用；应用篇（第18 章和第 19 章），主要介绍人工智能中典型的全连神经网络和卷积神经网络。 本书既有理论又有应用，既可以用纸笔计算，也可以用 Python 编程计算，读者可在学习过程中根据需要合理地选择侧重。 本书既可作为高职院校数据科学与人工智能专业的教材，也可作为相关产业从业者的自学或参考用书。
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。
PyTorch深度学习简明实战
￥62.86
本书针对深度学习及源框架——PyTorch，采用简明的语言行知识的讲解，注重实战。全书分为4篇，共19章。深度学习基础篇（第1章~第6章）包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇（第7章~第14章）包括计算机视觉与卷积神经网络、卷积门实例、图像读取与模型保存、多分类问题与卷积模型的优化、迁移学习与数据增强、经典网络模型与特征提取、图像定位基础、图像语义分割。自然语言处理和序列篇（第15章~第17章)包括文本分类与词嵌、循环神经网络与一维卷积神经网络、序列预测实例。生成对抗网络和目标检测篇（第18章~第19章)包括生成对抗网络、目标检测。 本书适合人工智能行业的软件工程师、对人工智能感兴趣的学生学习，同时也可作为深度学习的培训教程。
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。
Flink核心技术:源码剖析与特性开发
￥70.34
本书主要分为两部分。部分以核心概念和基本应用为脉络，介绍了Flink的核心特性（如检查机制、时间与窗口、shuffle机制等），部署，DataStream API、Dataset API、Table API的应用，运行时的原理等内容，每一章先对概念做基本的介绍，然后基于应用实例详细分析Flink的设计思想和源码实现。第二部分基于对原理的理解，手把手教读者如何行定制化的特性发和性能提升，能够让读者对Flink的理解有质的飞跃。这一部分内容来自作者大量的工作实践，所引用例均源自企业级的真实需求，能够解决非常复杂的现网问题。
拥抱开源(第2版)
￥51.07
本书深阐释了自由软件如何成为源软件以及如何销售源软件。本书从源如何彻底改变软件的编写方式、合作方式、沟通方式、组织结构以及商业价值等多个方向展论述。内容涉及源所创造的机会和随之而来的挑战，公司如何创造商业模式来成功地销售“自由”软件，如何从创建社区到销售商业产品应用源发模式，审视与源项目和产品管理及许可相关的重要问题，以及源原则如何更广泛地适用于DevOps和其他组织实践。 本书不仅适合对源软件感兴趣的人员、IT从业人员以及致力于源健康发展的人员阅读参考，而且适合作为高等院校相关专业的源教育通识读物。
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。
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。
