购物车
个人中心
MSC Fatigue 疲劳分析标准教程
￥51.07
本书主要讲述MSC Fatigue 2019 疲劳分析的软件操作技巧和要。全书共分为9章，包括疲劳分析概述、MSC Fatigue 疲劳分析介绍、疲劳载荷谱的统计处理、应力疲劳分析、应变疲劳分析、裂纹扩展分析、振动疲劳分析、焊疲劳分析、MSC Fatigue的其他模块与应用。全书由浅深，循序渐，从简单的应力疲劳分析逐渐深，将理论联系实际，把枯燥的理论讲透、讲活。 本书既适合作为高等院校疲劳分析课程教材，也适合从事相关科学研究的读者自学使用。
Revit 2022中文版完全自学一本通
￥69.30
书基于Revit 2022及广联达鸿业BIMSpace乐建2022对BIM建筑、结构及机电设计的功能与应用行了全面详解。本书由浅深、循序渐地介绍了Revit 2022的基本操作及工具的使用，并结合大量的操作案例，帮助读者更好地巩固所学知识。本书是指导初学者学习Revit 2022中文版绘图软件与BIMSpace乐建2022、BIMSpace机电2022的标准教程。书中详细地介绍了Revit 2022强大的绘图功能及其专业知识，使读者能够利用该软件方便快捷地绘制工程图样。本书包含大量的技术要，能帮助读者快速掌握建筑模型设计技巧，并向读者提供了超过11小时的设计案例的演示视频、全部案例的素材文件及设计结果文件，协助读者完成全书案例的操作。
SAP Fiori开发实战——从入门到大师
￥90.00
本书详细讲解了 ＳＡＰ Ｆｉｏｒｉ 发。 全书共 １６ 章， 主要内容包括 ＳＡＰ Ｆｉｏｒｉ 的架构、 环境、 实施和发四部分， 分别从业务顾问、 实施专家、管理员和发者的角度， 详细地介绍了 ＳＡＰ Ｆｉｏｒｉ 的架构、 运行环境、 安全、 启动面板、 发环境、 数据访问、 前端技术、 工作流、 应用实施、 应用增强、 应用发、 应用扩展、 集成等内容。 全书以 ＳＡＰ Ｆｉｏｒｉ 的三种应用类型为主线， 以 ＳＡＰＵＩ５ 前端技术为基础， 将架构原理和应用实践相结合，重把 ＳＡＰ Ｆｉｏｒｉ 应用实施的方法和步骤、 ＳＡＰ Ｆｉｏｒｉ 应用发的环境和技术， 通过要概述、 示例操作、 代码解析、 图表展示的形式， 立体地呈现给读者，满足从门到大师不同层次的用户对 ＳＡＰ Ｆｉｏｒｉ 知识的获取和使用需求。
低代码开发实战——基于低代码平台构建企业级应用
￥69.90
低代码发平台是不写或者只写极少量代码即可实现业务功能的软件平台，可以助力企业快速完成数字化转型。 本书循序渐地讲述了数据库设计、UI设计、业务逻辑处理、报表、权限等技术。本书共8章，以当下使用者多的企业级低代码产 品活字格为例，内容包括概述、数据库设计、客户端页面设计实战、服务端逻辑设计实战、报表设计实战、配置权限、编码扩展与系 统集成实战、低代码应用的部署。 本书面向具备一定的软件发基础的读者，适合所有对低代码发平台或对元数据模型感兴趣的软件工程师及相关从业人员阅读。
Orleans:构建高性能分布式Actor服务
￥90.00
Orleans是由微软公司基于.NET平台构建的跨平台、分布式源应用框架，可用于快速搭建面向大数据吞吐量和高并发场景的互联网应用服务。 ? ? 《Orleans构建高性能分布式Actor服务》主要介绍了虚拟Actor模型和Orleans运行时、资源管理、消息传递、集群构建、数据持久化及可靠性管理等组件，还对Orleans的流式处理、分布式事务、多集群配置与部署等功能行了介绍。全面介绍了Orleans 的主要功能与特，并结合实际互联网应用场景给出了多个应用实例。 ? ? 《Orleans构建高性能分布式Actor服务》可作为软件发及测试工程师、架构师在设计构建分布式应用服务时的参考用书，适合对大型互联网应用服务发感兴趣的读者阅读学习，还可以作为大中专院校分布式软件发相关课程的教学用书。
中文版Mastercam 2022数控加工从入门到精通
￥59.90
《中文版Mastercam 2022数控加工从门到精通》以Mastercam 2022版本为平台，介绍了在该软件中行产品设计、模具分模、2D平面加工、3D曲面粗加工和精加工、多轴加工、钻削、车削以及线切割等设计与数控加工的相关操作。书中配套资源丰富，包含全书所有实战案例、综合案例的源文件与结果文件，以及高清语音教学视频，读者可在正文中扫描案例旁对应的二维码行观看，由专业工程师亲自示范教学，可以大幅提高个人的学习兴趣和效率。 《中文版Mastercam 2022数控加工从门到精通》图文并茂，讲解层次分明、重难突出、技巧独特，可以作为CAD工程设计、CAM加工制造、模具设计人员及一线加工操作人员的案头指南，也可以作为大中专院校及社会培训班机械CAD、模具设计与数控编程加工等专业师生的培训学习用书，还可以作为对加工制造行业有浓厚兴趣读者的学习手册。
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。
写给 青少年的人工智能 实践
￥37.76
这是一本写给青少年看的人工智能科普图书，目的是帮助青少年启蒙科学素养，阔科学视野，培养科学思维，锻炼动手能力，让小读者了解人工智能的过去、现在和未来，从而更好地融人工智能时代。通过阅读本书，小读者不仅能学习 Python 语言的基本使用，还可以从数据、算法等多个角度来一探人工智能的奥秘。所有这些都旨在激发孩子们的好奇心，帮助他们体会科学研究应具备的精神。 本书用了大量形象的比喻，用贴近青少年生活的案例作类比，把书中的抽象概念和难以诙谐幽默的手绘插画形式诠释出来，力求让小读者读得懂、喜欢读。 本书从“如何实现人工智能”出发，讲述了流行的人工智能编程语言之一—Python 语言的基本使用，帮助小读者初步学习一种获取数据的重要手段—网络爬虫，以及如何行简单的数据处理，了解什么是算法，体验简单的人工智能算法，领略算法的魅力。当然，终还会指导小读者一行行地亲手写出代码，在自己的计算机上运行自己写出的人工智能程序。全书从多个角度了人工智能的大门，让读者得以窥见门内的风景。
基于Linux的企业自动化实践:服务器的构建、部署与管理
￥77.40
本书提供了一系列有价值的过程、方法和工具，用于企业级Linux部署的精简和高效管理。全书分为三部分。第1部分介绍系统管理基础知识和技术，包括在本书中用于自动化以及包管理和高级系统管理等的工具Ansible。第二部分介绍如何确保一致性和可重复性仍然是Linux服务器环境的核心方面，从而促Linux服务器环境的可伸缩性、再现性和高效性。第三部分介绍企业中Linux服务器的日常管理，将探讨如何使用Ansible和其他工具来实现这些管理目标。第四部分将带你亲身体验安全基准并介绍如何在企业中应用、实施和审计安全基准的实例。
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。
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。
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。
机器学习编程:从编码到深度学习
￥59.40
本书从一个完全不了解机器学习的程序员的视角出发，通过一系列生动有趣的具体应用实例，运用诙谐的语言以循序渐进的方式比较系统地介绍机器学习的本质思想、基本理论和重要算法，比较细致地剖析线性模型、感知机模型、浅层神经网络、深度神经网络的设计原理与编程方法，引导读者亲自动手从零开始打造和完善机器学习的底层代码，逐步消除对机器学习算法原理的认知盲点，让广大初学者能够较为轻松地掌握机器学习和深度学习的基本理论和编程技术。本书是从零基础初学者的思维角度编写的，适合作为智能科学与技术、数据科学与大数据技术、计算机科学与技术以及相关专业的本科生或研究生的机器学习入门教材，也可供工程技术人员和自学读者学习参考。
机器学习实战:基于Scikit-Learn、Keras和TensorFlow(原书第2版)
￥96.85
这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本行了全面更新，通过具体的示例、非常少的理论和可用于生产环境的Python框架，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。 全书分为两部分。首先介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。*部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。 通过本书，你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。 代码获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：新版蜥蜴书
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。
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。
