购物车
个人中心
用Go语言自制编译器
￥49.90
本书是《用Go语言自制解释器》的续篇。在自制解释器时，你已经为Monkey语言实现了类C语法、变量绑定、基本数据类型、算术运算、内置函数、闭包等特性。是时候让Monkey继续成长了！在本书中，Monkey将继续“化”，并终成长为成熟的程序设计语言。在已有词法分析器、语法分析器和抽象语法树的基础上，你将为Monkey语言定义字节码指令，指定操作数，编写反汇编程序，构建执行字节码的虚拟机。通过动手学习，你将能够体验从无到有实现类C语言的乐趣。
用Go语言自制解释器
￥49.90
在程序员与计算机的“交流”过程中，解释器无疑扮演着优秀的翻译角色。它为只懂0和1的计算机翻译源代码，为看似随机的字符赋予含义。这是如何实现的呢？充满好奇心的你，是否曾经思考过这个问题？跟随本书，你将揭解释器的神秘面纱，通晓它的工作原理，并编写出自己的解释器。本书采用Go语言来为自创的编程语言Monkey实现解释器。你将为Monkey语言实现类C语法、变量绑定、基本数据类型、算术运算、内置函数、闭包等特性，并了解什么是词法分析器、语法分析器和抽象语法树。
R语言医学数据分析实战
￥50.56
本书以医学数据为例，讲解如何使用R行数据分析，结合大量精选的实例对常用分析方法行了深浅出的介绍，以帮助读者解决医学数据分析中的实际问题。 本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。 本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深地理解数据分析。
Go程序员面试笔试宝典
￥69.90
Go语言是一门既年轻、简捷，又强大、高效、充满潜力的服务器语言。《Go程序员面试笔试宝典》使用浅显易懂的语言与大量流程图，深介绍了Go语言。全书分为三大部分：第1部分（1～5章）为Go语言基础。介绍了Go 语言中基础、常见的逃逸分析、defer 延迟语句、切片、数组、散列表、通道和口。第2部分（6～11章）为Go语言类库。介绍了Go语言自身的类库，如unsafe、context、错误、计时器、反射和sync包。第3部分（12～14章）为Go语言高级特性。介绍了调度、内存分配、GC，从原理到源码分析，逐渐深。这三大部分是runtime 中重要、核心的内容，理解了这三者的原理，才算是对Go语言有了一个比较深的理解和掌握。 ?? 《Go程序员面试笔试宝典》是一本计算机相关专业毕业生面试笔试求职参考书，同时也适合有一定工作经验的发工程师一步提升自身水平。
AI游戏开发和深度学习进阶
￥47.40
本书以各种各样的实例剖析游戏AI手法，并以此为目标，帮助读者学习构筑游戏AI的技术。另外，也阐述了游戏AI中的深层学习、机械学习、强化学习技术。
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。
自然语言处理Python进阶
￥38.35
第1章教你使用内置的NLTK语料库和频率分布。我们还将学习什么是WordNet，并探索其特和用法。 第2章演示如何从各种格式的数据源中提取文本。我们还将学习如何从网络源提取原始文本。*后，我们将从这些异构数据源中对原始文本行规范并构建语料库。 第3章介绍一些关键的预处理步骤，如分词、词干提取、词形还原和编辑距离。 第4章介绍正则表达式，它是*基本、*简单、*重要和*强大的工具之一。在本章中，你将学习模式匹配的概念，它是文本分析的一种方式，基于此概念，没有比正则表达式更方便的工具了。 第5章将学习如何使用和编写自己的词性标注器和文法规则。词性标注是一步句法分析的基础，而通过使用词性标记和组块标记可以产生或改文法规则。 第6章帮助你了解如何使用内置分块器以及训练或编写自己的分块器，即依存句法分析器。在本章中，你将学习评估自己训练的模型。 第7章介绍信息抽取和文本分类，告诉你关于命名实体识别的更多信息。我们将使用内置的命名实体识别工具，并使用字典创建自己的命名实体。我们将学会使用内置的文本分类算法和一些简单的应用实例。 第8章介绍高阶自然语言处理方法，该方法将目前为止你所学的所有课程结合到一起，并创建应对你现实生活中各种问题的适用方法。我们将介绍诸如文本相似度、摘要、情感分析、回指消解等任务。 第9章介绍深度学习应用于自然语言处理所必需的各种基本原理，例如利用卷积神经网络（CNN）和长短型记忆网络（LSTM）行邮件分类、情感分类等，*后在低维空间中可视化高维词汇。 第10章描述如何利用深度学习解决*前沿的问题，包括文本自动生成、情景数据问答，预测下一个*词的语言模型以及生成式聊天机器人的发。
持续测试
￥51.07
本书旨在讲述如何通过持续测试交付一个功能完善、质量完美的系统，满足测试人员快速交付、快速迭代的需求。本书首先概述了什么是持续测试，以及持续测试和自动化测试的异同，介绍了如何提升持续测试的效率和效果，然后讨论了如何通过持续测试中的非功能性测试保障软件的可靠性、可用性、可移植性、性能效率等质量特性，如何通过建立质量门禁保障所交付系统的质量，并通过自动化提升质量效能，后介绍了持续测试技术的发展，讨论了如何通过有效的度量促质量的成熟，以及持续测试下测试工程师的自我修养。 本书适合测试人员阅读。
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
微前端设计与实现
￥49.90
本书聚焦微前端方方面面的知识、技巧、经验和实践，几乎涵盖了迄今为止出现的每一种微前端的实现原则和解决方案。遵循这些实践，你能够应对在发微前端项目的过程中所面临的挑战，按照正确的思路完成微前端项目，实现组织目标。本书共10章，内容丰富，条理清晰，主要包括微前端决策框架、微前端的实现方式、微前端的自动化策略、微前端的后端模式、从单体架构到微前端的案例以及如何在组织中引微前端等。
新手易学——AutoCAD 2011绘图基础(光盘内容另行下载,地址见书封底)
￥21.45
周静编著的《AutoCAD 2011绘图基础》介绍了以AutoCAD 2011为基础绘制图形的基本操作方法。全书包括12章，第1～2章介绍了AutoCAD门基础和绘图基础的相关知识，包括认识AutoCAD的工作界面、新建与图形文件、图形和视图的基本控制等内容；第3～4章介绍了常见二维图形的绘制和编辑方法；第5章介绍了对象特征的修改以及图层的基本操作等内容；第6章介绍了标注样式和创建表格等内容；第7～8章介绍了图案填充、光栅图像、块以及外部参照等内容；第9章介绍了三维实体的创建方法；第10章介绍了实体的编辑与渲染；第11章介绍了图形的印与发布；第12章以三个实例介绍了如何使用AutoCAD快速行作品设计。 《AutoCAD 2011绘图基础》具有很强大的实用性和可操作性，适合于大中专院校相关专业的学生、对设计行业有浓厚兴趣并愿意从事设计工作的初学者学习。
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。
电路板设计与开发——Altium Designer应用教程
￥41.86
《电路板设计与发——Altium Designer应用教程》详细介绍了基于Altium Designer软件的电路原理图设计和PCB图设计。全书由7章内容组成：第1章介绍了电路板设计的基础知识，包括电路板设计的基本概念、电路板的发展过程、电路板设计软件Altium Designer和国际著名半导体公司等。第2章介绍了电路原理图的设计，包括原理图参数的设置方法、原理图设计的基本方法、原理图的处理方法和元件库文件的编辑方法等。第3章介绍了PCB图的设计，包括PCB图的基础知识、PCB图环境参数的设置和PCB图设计的详细步骤。第4章介绍了PCB图的高级操作和检查。第5章介绍了PCB图封装的设计。第6章介绍了电路的仿真技术，包括电路仿真的基础知识、仿真原理图的设计和仿真电路的应用实例等。第7章介绍了电路板设计的实验内容，包括原理图设计的实验、PCB图设计的实验和电路仿真的实验。 《电路板设计与发——Altium Designer应用教程》既可以作为高等院校电子类相关专业的教材，也可以作为硬件工程师等电子工程技术人员行自学或参考的书籍。
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。
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。
AI嵌入式系统:算法优化与实现
￥59.40
本书介绍在嵌式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加训练代价函数，从算法训练端减少运算量以提升AI嵌式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌式环境下机器学习算法自动优化和部署工具发的基本知识；本书通过应用例子和大量代码说明AI算法在通用嵌式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌式系统发的知识与技能。
Linux集群之美
￥59.40
全书共9章，主要是以作者的项目实践为基础，以CentOS 7.5 x86_64为主操作系统、AWS云为平台，介绍Linux传统集群技术、云原生下的负载均衡技术、MySQL的高可用方案及Python自动化运维工具的使用。本书是对实际工作经验的总结，涉及大量的知识点和专业术语，建议经验还不是很丰富的读者先了解第1～2章的内容，如果大家在学习过程中根据这两章的讲解进行操作，定会达到事半功倍的效果。系统工程师和运维工程师可以重点关注第4～7章的内容，这些都是与运维工作息息相关的，建议大家多花些精力和时间，从线上环境去考虑学习。DevOps工程师可以重点关注第2～8章的内容，想在企业运维开发工作中开发*的运维工具并不是一件很容易的事情，建议大家多学习，拓宽自己的知识面。运维架构师可以重点关注第4～5章和第7～8章的内容，这些都跟系统/网站架构技术息息相关，而且基本上都出自真实项目经验，具备一定的参考意义。对于开发人员来说，由于已具备很强的编程开发能力，可以重点关注第2章和第3章之外的章节，以提升自己的技术。
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。
TensorFlow 2.0神经网络实践
￥57.85
本书通过聚焦于发基于神经网络的解决方案来介绍机器学习，首先将从熟悉构建深度学习解决方案所需的概念和技术始，然后介绍如何创建分类器、构建目标检测和语义分割神经网络、训练生成式模型，以及使用TF 2.0的工具，如TensorFlow Datasets和TensorFlow Hub，加速发过程。学完本书之后，读者将能够使用TF 2.0发任何机器学习问题的解决方案，并能将它们部署到生产环境之中。
RPA智能机器人:实施方法和行业解决方案
￥51.35
这是一部为企业应用RPA智能机器人提供实施方法论和解决方案的著作。 作者团队RPA技术、产品和实践方面有深厚的积累，不仅有作者研发出了行业领先的国产RPA产品，同时也有作者在万人规模的大企业中成功推广和应用国际*有名的RPA产品。本书首先讲清楚了RPA平台的技术架构和原理、RPA应用场景的发现和规划等的理论知识，然后重讲解了人力资源、财务、税务、ERP等领域的RPA实施方法和解决方案，具有非常强的实战指导意义。 全书从逻辑上分为三个部分： 基础篇（第1章） 简单介绍了RPA的定义、产生背景、发展历程、优势、适用场景、行业生态，以及主流RPA平台的技术架构和原理，能帮助读者快速掌握RPA的基础知识。 方法论篇（第2章） 重讲解了企业应该如何去发现适合应用RPA的业务场景和业务流程、如何对识别出的RPA流程行评价和分析、PoC的几种方式、CoE组织的建立，以及RPA发和落地的通用管理理论。 实战篇（第3~5章） 详细讲解了RPA智能机器人在人力资源、财务、税务、ERP等领域的各种场景和业务中的实施方法论和解决方案，包含大量的典型案例。
