购物车
个人中心
三菱FX3U可编程控制器应用技术
￥10.00
本书以下面几个项目或模块组成，每一模块由上述4~5个任务组成，通过行动导向下任务驱动方式展PLC构成、指令及程序设计方法的学习。模块一：可编程序控制器的基本安装与程序编辑操作；模块二：三相异步电动机的PLC控制、安装与调试；模块三：现代检测、变频及气动技术的PLC控制与设备调试；模块四：PLC状态编程在控制中的应用；模块五：PLC在机电一体化设备中的应用；模块六：FX3U的基本通讯功能；模块七：昆仑通态人机界面与PLC通信控制。
Netty权威指南(第2版)
￥22.25
《Netty 权威指南（第2 版）》是异步非阻塞通信领域的经典之作，基于*版本的Netty 5.0 编写，是国内很难得一见的深介绍Netty 原理和架构的书籍，也是作者多年实战经验的总结和浓缩。内容不仅包含Java NIO门知识、Netty 的基础功能发指导、编解码框架定制等，还包括私有协议栈定制和发、Netty 核心类库源码分析，以及Netty 的架构剖析。
概率图模型：基于R语言
￥28.50
概率图模型结合了概率论与图论的知识，提供了一种简单的可视化概率模型的方法，在人工智能、机器学习和计算机视觉等领域有着广阔的应用前景。本书旨在帮助读者学习使用概率图模型，理解计算机如何通过贝叶斯模型和马尔科夫模型来解决现实世界的问题，同时教会读者选择合适的R语言程序包、合适的算法来准备数据并建立模型。本书适合各行业的数据科学家、机器学习爱好者和工程师等人群阅读、使用。
商务数据分析与应用
￥22.19
本书全面介绍商务数据分析涉及的原理、方法、常用工具、典型数据分析场景应用及数据可视化方案。主要内容包括：商务数据分析原理―概述、典型分析任务、常用分析模型、常用分析方法；商务数据分析工具―数据存储查询、数据分析、数据可视化；商务数据分析应用―行业分析、客户分析、产品分析、运营分析；商务数据分析报告―报告概述及报告实例；附录―商务数据分析常用指标。文中配有课堂活动及同步实训供读者学习和研究。本书可作为高职高专院校财经类专业学生学习商务数据分析与应用、数据化运营与管理的教材，也可作为从事数据分析工作人员的参考用书。
操作系统导论
￥99.00
这是一本关于现代操作系统的书。全书围绕虚拟化、并发和持久性这3个主要概念展，介绍了所有现代系统的主要组件（包括调度、虚拟内存管理、磁盘和I/O子系统、文件系统 ）。 本书共50章，分为3个部分，分别讲述虚拟化、并发和持久性的相关内容。本书大部分章节均先提出特定的问题，然后通过书中介绍的技术、算法和思想来解决这些问题。笔者以对话形式引所介绍的主题概念，行文诙谐幽默却又鞭辟里，力求帮助读者理解操作系统中虚拟化、并发和持久性的原理。 本书内容全面，并给出了真实可运行的代码（而非伪代码），还提供了相应的练习，适合高等院校相关专业教师教学和高校学生自学。
UG NX 12中文版动力学与有限元分析自学手册
￥38.50
全书共分为两篇：第1 篇为动力学分析篇，主要介绍UG NX 12 动力学分析的一些基础知识和操作实例，包括运动仿真基础，连杆、质量及材料，运动副，传动副，约束，力的创建，连器，仿真结果输出，机构检查，XY 函数编辑器，动力学分析综合实例等知识；第2 篇为有限元分析篇，主要介绍UG NX 12 有限元分析的一些基础知识和操作实例，包括有限元分析准备、建立有限元模型、有限元模型的编辑、分析和查看结果、球摆分析综合实例等知识。
模式识别与人工智能(基于MATLAB)
￥62.30
《模式识别与人工智能（基于MATLAB）》将模式识别与人工智能理论与实际应用相结合, 以酒瓶颜色分类为例, 介绍了各种算法理论及相应的 MATLAB实现程序。全书共分为10章, 包括模式识别概述、贝叶斯分类器的设计、判别函数分类器的设计、聚类分析、 模糊聚类、神经网络分类器设计、模拟退火算法的分类器设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计，覆盖了各种常用的模式识别技术。
现代控制理论及其MATLAB实现
￥8.75
本书主要介绍应用现代控制理论行系统分析和综合的方法及其MATLAB编程与计算。全书共分6章，主要内容包括：第1章控制系统的状态空间数学模型，第2章控制系统的运动分析，第3章控制系统的稳定性分析，第4章控制系统的能控性与能观测性，第5章线性定常控制系统的综合，第6章*控制。本书配套的电子课件和习题参考答案，可登录华信教育资源网www.hxedu.com.cn，注册后免费下载。
CATIA V5-6 R2014从入门到精通(含DVD光盘1张)
￥19.75
CATIA是一款功能强大的CAD/CAM软件，它集设计、分析、制造为一体。本书以“一命令一实例”的方式，介绍利用CATIA行机械设计所需要的绝大部分命令，是一本学习CATIA V5-6的优秀参考书。 全书分为三部分共20章，详细介绍CATIA V5-6的初级门环境设置、草图绘制、零件设计、装配设计等基础操作内容，还介绍使用CATIA V5-6行创成式钣金设计、工程制图、创成式曲面设计、自由造型、数字曲面等高级操作内容，后介绍使用CATIA V5-6行工程分析、实时渲染等操作。另外，附带的DVD光盘中，将本书中的案例以视频的方式行讲解，使读者学习起来更加方便。 本书以实用为目标，深浅出，实例引导，介绍翔实。
Linux Shell编程从初学到精通(含DVD光盘1张)
￥28.20
本书分两部分，*部分主要介绍分布式系统基础理论知识，总结一些在设计分布式系统时需要考虑的范式、知识以及可能会面临的问题，其中包括线程、通信、一致性、容错性、CAP理论、安全性和并发等相关内容；同时讲述分布式系统的常见架构体系，其中也包括*近比较火的RESTful风格架构、微服务、容器技术等。第二部分主要列举了在分布式系统应用中经常用到的一些主流技术，并介绍这些技术的作用和用法；这些技术涵盖了分布式消息服务、分布式计算、分布式存储、分布式监控系统、分布式版本控制、RESTful、微服务、容器等领域的内容。
UG NX 12.0中文版从入门到精通
￥32.99
本书全面地介绍了UG NX 12.0的各个功能模块，针对功能模块的各个知识行了详细讲解并辅以相应的实例，使读者能够快速、熟练、深地掌握NX设计技术。 全书共16章，由浅深地介绍了NX的各种操作，包括UG NX 12.0软件门、NX基本操作、绘制草图、实体特征建模、特征操作与编辑、装配设计基础、模型测量与分析、GC工具箱应用、创建工程图、曲线建模、曲面建模、曲面编辑、运动仿真简介与基础、NX数控加工（CAM）、NX模具设计、钣金设计等内容，同时讲解了大量工程案例，以提升读者的实战技能。 本书还提供了各章实例的语音视频教学文件与模型文件，以方便读者学习和上机演练，读者可从本书提供的网址上下载。 本书非常适合广大NX初、中级读者使用，既可作为大中专院校、高职院校相关专业的教科书，也可以作为社会相关培训机构的培训教材和工程技术人员的参考用书。
量子大趋势
￥58.00
量子力学的发展历史波澜壮阔。当前，量子科技处于加速度的关键时刻，量子技术在国家和全球范围内取得的展超出了预期。可以预见，基于量子技术的量子竞争，将会改变人类现有的生产和生活方式，甚至影响世界格局。 本书概述了“第二次量子科技革命”的重要性，简单介绍了量子计算机、量子通信与量子传感器的出现，而形成量子物联网的未来产业，以及现代公民应该具备哪些基本量子素养以面对时代的崭新变局。并且，作者敏锐地注意到，量子科技时代的应用研究与教育的新特色。在这本书中，作者就如何将量子科技教育纳现代教育，如何将其从中学延续到大学，提出了方案，并以实验作为支持。通过本书，读者将对未来量子科技产业及其对人类社会的影响有所了解，并能够将晦涩、深奥的量子知识转化成生活常识。
人工智能实战进阶导引
￥55.30
本书选择以遮挡人脸识别这一当今世界难题为例，探索人工智能技术实战进阶之路。本书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手，尝试了遮挡人脸图像处理的探索，并*终分别基于MATLAB和Python实现了遮挡人脸识别。本书内容通俗易懂，适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生，还是希望向人工智能领域转型的技术人员，都可以通过本书的指引，轻松完成人工智能实战进阶。
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。
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。
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。
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。
Linux内核API完全参考手册(第2版)
￥65.35
本书基于zui新的Linux内核源代码3.19.3版本，对常用的内核API作了系统归纳，并编写了典型验证程序，使理论分析与实际编程做到了统一。分析的内核API模块包括：模块机制内核API、程管理内核API、程调度内核API、中断与异常机制内核API、时间与定时机制内核API、内存管理内核API、内核同步机制API、文件系统内核API和设备驱动与设备管理模块内核API。
Python自然语言处理实战:核心技术与算法
￥44.85
自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础门。 本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是*、前明略数据和七牛云的资深专家。同时，本书也得到了*达摩院高级算法专家、七牛云AI实验室Leader等专家的高度评价和鼎力推荐。 全书一共11章，在逻辑上分为2个部分： *部分（第1、2、11章） 主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。 第二部分（第5-10章） 第3~5章讲解了词法分析相关的技术，包括中文分词技术、词性标注与命名实体识别、关键词提取算法等。 第6章讲解了句法分析技术，该部分目前理论研究较多，工程实践中使用门槛相对较高，且效果多是依赖结合业务知识行规则扩展，因此本书未做深探讨。 第7章讲解了常用的向量化方法，这些方法常用于各种NLP任务的输。 第8章讲解了情感分析相关的概念、场景以及一般做情感分析的流程，情感分析在很多行业都有应用。 第9章介绍了机器学习的重要概念，同时重突出NLP常用的分类算法、聚类算法，还介绍了几个案例。 第10章节介绍了NLP中常用的一些深度学习算法，这些方法比较复杂，但是非常实用，需要读者耐心学习。
