购物车
个人中心
增强型分析:AI驱动的数据分析、业务决策与案例实践
￥57.85
增强型分析是数据科学的未来，本书讲解了如何通过前沿的大数据技术和AI技术实现智能的数据分析和业务决策，即增强型分析。 本书的三位作者是来自德勤、前华为和前IBM的资深数据科学家，在大数据和AI领域至少都有10年以上的工作经验，他们将各自多年来在“构建数据挖掘模型，解决实际业务问题”方面积累的经验全部总结在了这本书中。 全书的内容由两条主线贯穿： 技术主线：一方面讲解了预测模型、序列分析、预测分析、Prescriptive分析等前沿数据处理技术，一方面讲解了CNN、RNN和GNN等前沿的AI技术如何为数据分析赋能。 业务主线：在数字化转型的大时代背景下，如何通过数据分析实现智慧营销、智慧风险管控，实现由初级的“主动营销”到“被动营销”，再到“全渠道协同营销”等营销手段的升级应用。 本书的重聚焦在本质内容上，即数据处理、算法及模型、“模型洞见到业务决策”的分析等。 全书共8章： 第1章：作者结合自己的从业经验介绍了数据科学家的职业生涯发展、工作模式和工作方法要等内容，为有志成为数据科学家的读者指明了道路和方向； 第2章：从描述性分析的角度讲解了数据探索、数据预处理衍生指标加工方面的技巧； 第3章：介绍了预测类模型构建时的新方法、新思路、新工具； 第4章：讲解了序列分析的相关内容，包括序列模式、序列规则、序列预测等的挖掘与应用，用实例的方式说明了算法的原理、特和使用技巧； 第5章：介绍了人工智能下一个阶段的重领域，即如何应用数据分析做出*决策； 第6~8章：通过与传统模型的对比，介绍了CNN、RNN、GNN等算法的原理，通过大量的实例说明了这些AI技术在数据分析与决策领域的用法和实际效果。
智能物联网的存储器设计与实现
￥65.35
本书涵盖了一系列先的物联网嵌式存储器实现，阐述了用于物联网设备的超低功耗存储器，讲述了用于医疗电子等特殊应用的塑料电路和聚合物电路；探讨了具有嵌式存储器的微控制器，用于多种互联网设备的智能控制；详述了用铁电RAM（FeRAM）、电阻式RAM（RRAM）和磁阻式RAM（MRAM）技术制作神经形态存储器，用于收集、处理和表示物联网硬件生成的大量数据。本书还特别介绍了与互补金属氧化物半导体（CMOS）兼容的存储器技术，包括嵌式浮栅和电荷捕获EEPROM/闪存以及FeRAM、FeFET、MRAM和RRAM。
实用卷积神经网络:运用Python实现高级深度学习模型
￥44.85
本书主要用Python语言构建CNN,主要关注如何以*佳的方式利用各种Python和深度学习库（如Keras，TensorFlow和Caffe）来构建真实世界的应用程序。从构建CNN块始，基于*佳实践来指导你实现真实的CNN模型及解决方案。你将学习创建图像和视频的创新解决方案，以解决复杂的机器学习和计算机视觉问题。
机器学习实战:基于Sophon平台的机器学习理论与实践
￥51.35
本书内容覆盖了机器学习领域从理论到实践的多个主题，总共分为10章。 第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及发机器学习工作流的方式。 第2章详细介绍数据预处理和特征工程技术，并辅以实例行验证。 第3~6章介绍回归模型、分类模型、模型融合和聚类模型，这些内容是机器学习理论和实践中的传统重。其中不仅介绍各种常见数据类型的处理方法，还针对删失数据行了专门的综述和实践。 第7章介绍机器学习领域较难的图计算话题，并从工业界视角解读如何将图计算落地。 第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。 第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析）技术，使用新闻文本数据搭建文本分类的流程。 第10章介绍计算机视觉中图像分类和目标检测的应用以及车辆检测的落地案例。 本书既适合作为高等院校计算机、软件工程、人工智能等相关专业的教学用书，同时也可供从事机器学习相关领域的工程技术人员阅读和参考，帮助他们掌握机器学习相关的算法原理，并能通过专业工具平台快速搭建各类模型，构建机器学习的行业应用。
Python3智能数据分析快速入门
￥77.35
内容简介 本书以Python相关技术为工具，讲解了如何基于机器学习等AI技术行智能数据分析。 作者在Python数据挖掘与分析领域有10余年的工作经验，对AI技术驱动的智能数据分析有非常深的研究。本书面向没有Python编程基础和AI技术基础的读者，由浅深地提供了系统的Python智能数据分析的技术和方法。 全书共9章，从逻辑上可分为两个部分： 第壹部分：Python编程基础（1~4章） 这部分详细介绍了从事Python编程需要掌握的各种基础知识，包括发环境的搭建与配置，以及各种语法和常见Python库的原理和使用方法。 第二部分：智能数据分析（第5~9章） 这部分对Python的数值分析库NumPy、数据处理库pandas、绘图库Matplotlib/Seaborn/Bokeh、机器学习与数据分析建模库scikit-lear等行了详细地讲解，包含数据读取、数据预处理、模型构建、模型评价、结果可视化等整个数据分析的过程，能指导读者快速门Python智能数据分析。
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。
大话机器人
￥51.35
《大话机器人》第0章为绪论，对机器人的需求及教育现状行概述；第1童主要介绍机器人定义、机器人分类、机器人组成部件及相关技术参数等基本概念；第2章系统阐述前工业机器人时代国内外机器人的起源和发展历史，以及现代机器人的畅想；第3章主要介绍工业机器人到现代机器人的发展历程，包括*代、第二代和第三代机器人；第4章主要介绍当前机器人在各行业领域中的应用状况；第5章预测了机器人发展的两个趋势，即“向人”和“向机器”的对立属性发展，并围绕道德、法律、责任、义务、权利掌对机器人伦理问题行了讨论。 《大话机器人》对机器人发展历史行全面而系统的梳理，图文并茂，调动学生对机器人的兴致，并为教师配备了电子教案，方便教师展教学。 《大话机器人》可作为高等院校各类专业的机器人普及教材，也可为相关人员了解和认识机器人提供参考。
Python人脸识别:从入门到工程实践
￥44.85
内容简介 这是一本面向初学者的人脸识别工具书，不仅适合零基础的读者快速门，而且适合有一定基础的读者迅速达到可以行工程实践的水平。 作者就职于某世界100强企业，在人脸识别方面积累了丰富的工程实践经验，本书不仅详细介绍了机器学习、深度学习、计算机视觉、人脸识别等方面的原理、技术和算法，而且还通过相关的实战案例讲解了如何行人脸识别方面的实践，以及如何将做好的模型用于工程实践中。同时，本书还提供了大量简洁、精炼的代码，能帮助读者从零始实现一个工程级别的人脸识别引擎。 全书一共8章： 第1章介绍了人脸识别的基础和常识； 第2-4章详细讲解了与人脸识别相关的数学、机器学习、计算机视觉、OpenCV相关的基础和算法； 第5章讲解了深度学习的原理以及使用Keras实现深度学习模型的方法； 第6章介绍了常用的人脸识别算法； 第7~8章详细讲解了人脸识别引擎的实现方法以及如何将做好的模型行工程化。
AI安全之对抗样本入门
￥83.85
第1章介绍了深度学习的基础知识，重介绍了与对抗样本相关的梯度、优化器、反向传递等知识。 第2章介绍了如何搭建学习对抗样本的软硬件环境，虽然GPU不是必需的，但是使用GPU可以更加快速地验证你的想法。 第3章概括介绍了常见的深度学习框架，从TensorFlow、Keras、PyTorch到MXNet。 第4章介绍了图像处理领域的基础知识，这部分知识对于理解对抗样本领域的一些常见图像处理技巧非常有帮助。 第5章介绍了常见的白盒攻算法，从*基础的FGSM、DeepFool到经典的JSMA和CW。 第6章介绍了常见的黑盒攻算法。 第7章介绍了对抗样本在目标识别领域的应用。 第8章介绍了对抗样本的常见抵御算法，与对抗样本一样，抵御对抗样本的技术也非常有趣。 第9章介绍了常见的对抗样本工具以及如何搭建NIPS 2017对抗防御环境和轻量级攻防对抗环境robust-ml，通过这章读者可以了解如何站在巨人的肩膀上，快速生成自己的对抗样本，行攻防对抗。
精通ROS机器人编程(原书第2版)
￥65.35
本书主要面向机器人发人员和想充分利用ROS功能的研究人员，是一本侧重ROS框架高级概念的阶学习指南。书中既介绍了ROS的基本概念，又系统讲解了使用ROS行复杂机器人设计、建模、仿真和交互的实用技术、工具和编程技巧，包含大量示例，可以为你快速提升ROS实战技能提供翔实参考。 全书共15章，第1章简要介绍ROS基本概念；第2章解释如何使用ROS软件包；第３章讨论７-DOF机械臂和差速驱动机器人的设计；第４章和第5章通过示例详细讲解如何使用Gazebo和V-REP这两个的机器人仿真软件；第6章介绍如何使用ROS MoveIt！和导航软件包集的现有功能；第7章讨论ROS pluginlib、小节和控制器等一些高级概念；第8章一步讨论RViz插件和ROS控制器；第9章讨论一些硬件组件与ROS的口；第１０章讨论如何使用ROS连各种视觉传感器，并利用源计算机视觉库（ＯｐｅｎＣＶ）和云库（PCL）行编程；第１１章介绍如何构建差速驱动的自主移动机器人，并将其与ROS连；第１２章介绍ＭｏｖｅＩｔ！的高级功能；第１３章讨论如何将Ｍａｔｌａｂ和Ｓｉｍｕｌｉｎｋ软件与ROS连；第１４章介绍ＲＯＳ－Ｉｎｄｕｓｔｒｉａｌ软件包；第１５章讨论如何在ROS中安装集成发环境，并介绍ROS实战技巧与调试方法。
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。
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。
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机器学习实战指南(原书第2版)
￥57.85
本书由数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带领读者由浅深系统掌握TensorFlow机器学习算法及其实现。 本书第1章和第2章介绍了关于TensorFlow使用的基础知识，后续章节则针对一些典型算法和典型应用场景行了实现，并配有较详细的程序说明，可读性非常强。读者如果能对其中代码行复现，则必定会对TensorFlow的使用了如指掌。
MXNet深度学习实战
￥57.85
这是一本详细讲解计算机视觉算法实现以及MXNet框架的原理和使用的工具书。 作者是网易的资深计算机视觉算法工程师，本书融合了他丰富的工程实践经验，一方面详细讲解了深度学习框架MXNet的技术原理和应用方法，一方面以MXNet为工具讲解了算法实现的具体细节。辅以大量简洁的代码，助你从零基础始实现深度学习算法。 全书共12章，分为4个部分： *部分 准备篇（第1~2章） 介绍了MXNet的发展、优势、预备知识、各种深度学习框架的对比，以及发环境的搭建，包括Docker的使用。 第二部分 基础篇（第3~7章） 纤细讲解了MXNet主要模块使用和原理，如MXNet的数据读取、数据增强操作、常用网络层的含义及使用、常见网络结构的设计思想、模型训练相关的参数配置等。 第三部分 实战篇（第8~10章） 以图像分类、目标检测、图像分割这三个常用领域为例演示了如何通过MXNet实现算法训练和模型测试，同时还结合MXNet的口详细讲解了算法实现的细节。 第四部分 扩展篇（第11~12章） 主要介绍了基于动态图构建网络结构的Gluon口，以及MXNet专门为计算机视觉任务推出的深度学习库GluonCV。
C指针原理揭秘:基于底层实现机制
￥44.85
全书分为准备篇、基础篇、揭秘篇、实战篇。本书力求从底层实现机制行解析，同时配合C/C 编程技巧以及某些指针运用技巧，讲解如何提高程序效能，如何避免滥用指针。 准备篇中介绍C指针概述、UBUNTU及发环境配置、AT&T汇编简介、编译原理基础；基础篇将对AT&T汇编以及C指针基础行介绍；揭秘篇讲述高级C指针的实现机制以及C 指针实现机制，同时讲解编程技巧和C/C 指针高级应用；实战篇讲解解释语言指针、TCC编译实践、垃圾回收等高级C指针应用话题。
Java多线程编程核心技术(第2版)
￥65.35
全书共7章。 第1章讲解了Java多线程的基础，重介绍线程类的核心API的使用。 第2章讲解对并发访问的控制，即如何写出线程安全的程序。 第3章介绍线程间通信，以提高CPU利用率和系统间的交互，同时增强对线程任务的把控与监督。 第4章讲解Lock对象，以更好实现并发访问时的同步处理。 第5章讲解移动发中使用较多的定时器类中的多线程技术，这是计划/任务执行里很重要的技术。 第6章讲解如何安全、正确地将单例模式与多线程技术相结合，避免实际应用中可能会出现的麻烦。 第7章将前面被遗漏的技术案例在本章节中行补充，尽量做到不出现技术空白。
Java程序设计与计算思维
￥65.35
程序设计的过程就是一种计算思维的表现，本书结合Java程序设计语言的教学特，遵循计算思维的方式，图解重要概念，通过大量的范例程序讲解和上机编程实践来指导读者活用Java程序语法，兼顾培养计算思维和学习面向对象程序设计的双目标。 本书分为18章，内容包括认识计算思维与Java程序设计、Java语言及其JDK 11、Java程序结构解析、Java语言的数据类型、流程控制、类与对象、继承与多态、抽象类、口、程序包、嵌套类、常用类、窗口环境与事件处理、Swing程序包、绘图与多媒体、例外处理、数据流的I/O控制、集合对象与泛型、多线程、网络程序设计等。
新一代垃圾回收器ZGC设计与实现
￥57.85
Java 11版本包含一个全新的垃圾收集器ZGC，它由Oracle发，承诺在数TB的堆上具有非常低的暂停时间。ZGC是2017年Oracle公司贡献给OpenJDK社区的，正式成为OpenJDK的源项目。ZGC 所针对的是这些在未来普遍存在的大容量内存：TB 级别的堆容量，具有很低的停顿时间（小于 10 毫秒），对整体应用性能的影响也很小（对吞吐量的影响低于 15％）。ZGC 所采用的机制也可以在未来行扩展，以支持一些令人兴奋的特性，如多层堆（用于热对象的 DRAM 和用于低频访问对象的 NVMe 闪存） 或压缩堆。 本书详细介绍ZGC涉及的基本概念和运行原理，以及调优方法。主要内容共9章，主要 内容有：垃圾回收器概述、ZGC内存管理、ZGC线程、ZGC垃圾回收算法的设计、ZGC日 志解读、ZGC参数和基准测试、ZGC的编译调试、ZGC特性总结和展望、ZGC的编译调试、Shenandoah简介等。
开发者测试
￥38.35
本书从发者测试的角度，介绍了软件测试的产生与发展以及发者与测试的关系；讲述了程序静态分析、逻辑覆盖测试、程序插桩与变异测试等发者需要掌握的测试方法和技术；结合示例讲解了单元测试、集成测试中发者应当要能发现和避免的各种问题；由浅深，介绍了测试工具JUnit的使用；*后介绍了由慕测科技提供的发者测试平台和全国大学生软件测试大赛。
JVM G1源码分析和调优
￥57.85
G1作为JVM中成熟的垃圾回收器，已经广泛应用在众多公司的生产环境中。本书详细介绍G1涉及的基本概念和运行原理，以及调优方法。主要内容共12章，主要内容有：第1～2章介绍垃圾回收的历史和应用的算法，以及基本概念。第3～7章从多方面分析G1的运行原理，如G1是如何分配对象的，G1的Refine线程、新生代回收、混合回收、FullGC等。第8章介绍垃圾回收过程中如何处理引用，第9章介绍G1引的新特性：字符串去重，第10章介绍G1垃圾回收过程中线程如何达到安全，第11章介绍如何选择垃圾回收器，第12章介绍了下一代垃圾回收器Shenandoah和ZGC。另外，为了降低学习难度，还给出了三个附录：附录A介绍如何始阅读和调试JVM代码，附录B介绍如何使用NMT对JVM内存行跟踪和调试,附录C介绍了Java程序员阅读JVM需要知道的一些C 知识。
