优必信捕鱼机不出电是怎么回事

本書向數據科學家、數據工程師、架構師和業務分析師展示了如何使用領先的圖數據庫模型TigerGraph，目標是向讀者介紹圖數據結構、圖分析和圖機器學習的概念、技術和工具。三位作者介紹了涵蓋多種當代業務需求的真實使用案例。讀者將探索從互聯數據中獲取價值的三階段方法：連接、分析和學習。幾乎每章的開頭都列出了對應的三個方面的目標：學習圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。

·12.5萬字

會員

從深度學習到圖神經網絡：模型與實踐

近年來，深度學習在人工智能的發展過程中起到了舉足輕重的作用，而圖神經網絡是人工智能領域的一個新興方向，被稱為圖上的深度學習。本書詳細介紹了從深度學習到圖神經網絡的基礎概念和前沿技術，包括圖上的深度學習、圖神經網絡的數學基礎、神經網絡學習與算法優化、深度學習基礎、神經網絡中的表示學習、面向圖數據的嵌入表示、初代圖神經網絡、空域及譜域圖卷積神經網絡等內容。為增強可讀性，本書敘述清晰、內容深入淺出、圖文并茂，力求降低初學者的學習難度。本書既可作為人工智能領域研究和開發人員的技術參考書，也可作為對圖上的深度學習感興趣的高年級本科生和研究生的入門書。

·17.1萬字

會員

深度學習實戰：基于TensorFlow 2和Keras（原書第2版）

本書簡潔地介紹了現代神經網絡、人工智能和深度學習技術，專門為軟件工程師和數據科學家設計。第1章逐步介紹神經網絡的基礎知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點介紹回歸。第4章介紹卷積神經網絡及其在圖像處理中的應用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的高級應用。第6章重點介紹生成對抗網絡。第7章介紹詞嵌入。第8章介紹基本嵌入方法的各種擴展。第9章介紹自動編碼器。第10章深入研究無監督學習模型。第11章重點介紹強化學習。第12章介紹AutoML。第13章介紹用于移動設備和物聯網的TensorFlow的基礎知識。第14章討論了云環境以及如何利用它來訓練和部署模型。第15章討論了深度學習背后的數學。第16章介紹TPU。本書內容豐富，易于理解，示例具有代表性，是學習深度學習的絕佳指南。

·17.9萬字

會員

MLOps權威指南

本書前幾章涵蓋了DevOps和MLOps的理論和實踐，然后介紹了如何設置持續集成和持續交付，接著介紹Kaizen，即對所有事物進行持續改進的想法。與云計算相關的MLOps分為三章，涵蓋AWS、Azure和GCP（谷歌云平臺）。之后介紹了機器學習互操作性、構建MLOps命令行工具和微服務。這些主題包括許多具有積極吸引力的尖端新興技術。結尾介紹了一些真實案例研究，以及執行MLOps時面臨的挑戰。

·17.2萬字

會員

機器學習基礎：從入門到求職

本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分，主要包括模型的建立、學習策略的確定和優化算法的求解過程，最后結合三種常見的線性回歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優缺點和工程應用實踐都給出了較為詳細的說明。第13章系統介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導和分析。最后兩章分別是詞向量模型和深度神經網絡模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用；深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。

·12.3萬字

會員

TensorFlow機器學習（原書第2版）

這是一本TensorFlow機器學習入門教程，書中通過大量實例，以淺顯易懂、循序漸進的方式詳細闡釋使用Python和TensorFlow構建機器學習模型的核心技術與方法。本書既涵蓋機器學習基礎理論，又介紹了如何將機器學習核心概念應用于現實世界的挑戰（例如，情感分析、文本分類和圖像識別）中，并通過實例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經網絡技術。全書共分為三部分。第一部分（第1～2章）討論機器學習的基本原理及其當前被大規模應用的原因；第二部分（第3～10章）通過大量實例詳細介紹回歸算法和分類算法，涵蓋回歸、分類、無監督聚類和隱馬爾可夫模型（HMM）等技術及應用；第三部分（第11～19章）主要介紹神經網絡及其應用，涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經網絡（CNN）、用于時間序列數據或語音轉文本的循環神經網絡（RNN），以及seq2seqRNN架構等內容。通過閱讀本書，你將能夠：使用TensorFlow進行機器學習選擇最佳的機器學習方法使用TensorBoard可視化算法與合作伙伴共享結果在Docker中運行模型

·16.8萬字

會員

傳感器技術及應用

本書既詳細闡述了各類傳感器的基本原理、工作特性，又著重分析了其接口電路的設計原理和工程應用實例。全書共12章，第1、2章介紹傳感器的概念、分類及基本特性；第3～11章分別講述電阻式、電感式、電容式、壓電式、磁電及磁敏式、熱電偶、超聲波、光電式、數字式、固態圖像、紅外、光纖、集成式傳感器的工作原理、性能、接口電路和實際應用。第12章介紹傳感器的典型應用實例。

·19.5萬字

會員

移動終端人工智能技術與應用開發

本書適合那些對人工智能感興趣，且具備一定移動終端應用程序開發經驗的讀者。如果您掌握一定的JAVA、C++或Python語言開發知識，同時具備Android操作系統或IOS操作系統的應用的開發經驗，將能迅速掌握基本的移動終端人工智能應用開發方法。如果您只是對人工智能技術感興趣，相信本書也能帶您了解人工智能技術是如何在移動終端上部署和運行的。

·15.1萬字

會員

生成對抗網絡GAN：原理與實踐

這是一本系統講解GAN理論、模型、常見問題，并為視覺和語音領域的大部分應用場景提供GAN解決方案和綜合實例的著作。作者在人工智能領域積累頗深，這本書得到了前阿里巴巴達摩院華先勝和中國科學院自動化所劉成林的推薦。前4章有針對性地講解GAN的理論，幫助讀者夯實基礎；后8章講解應用，用大量經典的模型和9個案例，為8個應用場景提供了GAN解決方案。第1~4章首先介紹了無監督生成模型、顯式生成模型、以GAN為代表的隱式生成模型等各種生成模型的理論和原理；然后講解了GAN中的目標函數及其數學原理、GAN在訓練中的常見問題和相應解決方案、GAN的評價指標和可視化等；第5~12章分別講解了圖像生成GAN的各類模型與應用、圖像翻譯GAN的各類模型與應用、人臉圖像編輯GAN的各類模型與應用、圖像質量增強GAN的各類模型與應用、三維圖片與視頻生成GAN的各類模型與應用、通用的圖像編輯GAN框架、對抗攻擊以及GAN在其中的應用、GAN在語音信號處理中的實戰應用。全書內容理論體系完善，GAN的目標優化、訓練、評估等內容同類書中極少提及；內容豐富、循序漸進，覆蓋視覺和語音中的絕大部分應用場景；實戰性強，9個綜合案例，提供案例源代碼和解讀，以及實驗數據和實驗結果對比分析；圖文并茂，包含大量原創圖表，可讀性強。

·14.8萬字

會員

生產系統仿真：Plant Simulation應用教程

本書共分8章，第1章介紹生產過程中的波動對生產系統效率的影響；第2章建立了訂單型制造企業生產線/裝配線的物料配送仿真模型，并對其關鍵參數進行優化；第3、4章對設施規劃中的兩種經典布置方法進行詳細分析及建模，得到最優布置方案；第5、6章全面系統地介紹生產計劃調度的各類FSP和JSP問題的求解方法，提出改進的算法及運用；第7章針對人機作業分析進行仿真建模，探討一人多機操作模式的克星性及經濟性；最后，對于工廠的倉儲、車間等活動頻密場所進行仿真。

·12.8萬字

會員

FANUC工業機器人實操與應用技巧

本書以FANUC工業機器人為研究對象，針對FANUC工業機器人的認識與操作過程進行詳細講解。本書共9章，由淺入深地講解了FANUC工業機器人的安全知識、型號及用途、示教器、坐標系、I/O、程序、指令、維護與保養、部分報警代碼等內容。學完本書，讀者即可獨立應對FANUC工業機器人的日常管理、程序備份與加載等操作。本書非常適合FANUC工業機器人的管理人員、設計人員、調試人員、操作人員及愛好者學習與參考。

·7.8萬字

會員

虛擬化技術原理與實現

本書對云計算中關鍵技術之一的虛擬化技術進行了深入的分析，從x86計算機體系結構以及操作系統的工作原理出發，介紹了虛擬化技術原理以及業界主流虛擬化軟件產品，并以Xen、KVM開源軟件為例分析了虛擬化軟件的架構及其實現方法，最后對虛擬化軟件管理接口的工作原理以及實現方法進行了全面的梳理。

·9.6萬字

會員

生成式AI：人工智能的未來

一本書全面了解生成式AI的發展與創作能力，并為我所用。20世紀60年代，AI的概念就被提出，其商業應用的時間十分漫長，但始終沒有普通人使用的低門檻AI工具，隨著AIGC（AIGeneratedContent）的風靡，AI從實驗室走進個人電腦，也將就此改變商業與人們生活。生成式AI（GenerativeAI）作為底層技術，帶來的潛在回報十分可觀。AI的發展勢不可當，已經由擅長分析的傳統AI過渡到擅長創作的生成式AI，并加速向這個時代的每一個人走來。生成式AI的發展如火如荼，為人們的工作和生活帶來了許多便利。在這本書中，大部分文字、圖片，以及每章末尾有些讓人摸不著頭腦的笑話，均是由AI生成的，涵蓋ChatGPT、Quillbot、Midjourney、Dall-E、Dream.AI、Lexica、Grammarly、ClippingMagic和Tome等眾多目前流行的AI應用。

·8.1萬字

會員

機器人圖形化編程：從0到1

本書由淺入深地介紹了圖形化編程的基礎知識及智能硬件的應用原理。本書共分為7章，內容包括：機器人概論章節，介紹了機器人的發展史和具有時代標志性的發明案例。模塊化機器人章節，介紹了模塊化機器人在課堂教學中的優勢以及部分生活中的應用場景。圖形化編程章節，講解了編程的基礎知識，例如程序的三種基本結構“順序結構、選擇結構和循環結構”；程序中的運算符種類，如“算術運算符、賦值運算符、比較運算符和邏輯運算符”以及變量等編程知識。傳感器部分，主要介紹了生活中常見的幾種傳感器以及課堂中常用的傳感器，如“手勢傳感器、觸摸傳感器、測距傳感器和壓力傳感器”。機器人編程實例，講解了結合智能硬件的編程案例。本書既可以作為中小學信息技術教師的教學參考用書，又可以作為從事機器人開發相關行業人員的指導用書。

·2.2萬字

會員

ChatGPT原理與實戰：大型語言模型的算法、技術和私有化

這是一本系統梳理并深入解析ChatGPT核心技術、算法實現、工作原理、訓練方法的著作，也是一本能指導你搭建專屬ChatGPT和實現大模型遷移及私有化的著作。本書得到了MOSS系統負責人邱錫鵬等多位專家的高度評價和鼎力推薦。具體地，通過本書你能了解或掌握以下知識：ChatGPT的工作流程和技術棧；ChatGPT的工作原理和算法實現；基于Transformer架構的一系列預訓練語言模型的原理；強化學習的基礎知識；提示學習與大模型涌現出的上下文學習、思維鏈；大模型的訓練方法及常見的分布式訓練框架；基于人工反饋的強化學習整體框架；從零搭建類ChatGPT模型，模擬完整的ChatGPT訓練過程。本書集理論、實戰和產業應用于一體，提供大量經詳細注釋的代碼，方便讀者理解和實操。總之，不管你是想深入研究ChatGPT本身，還是正在研發或使用其他大模型，本書都應該能給你頗具價值的技術啟發與思考，讓你在大模型的路上快速前行，少走彎路。

·13.2萬字

會員

人工智能導論

本書根據人工智能技術服務專業人才培養的需求，以智能機器人為載體，以揭開人工智能的神秘面紗為主線進行編寫，設置了5個學習情境。學習情境1主要介紹人工智能的發展和應用，引起學習者的興趣；學習情境2主要從智能機器如何進行知識存儲的角度來理解人工智能；學習情境3主要從智能機器如何使用知識進行探索世界和求解問題的角度來進一步理解人工智能；學習情境4主要從智能機器如何進行自主學習知識、增長智慧的角度來理解人工智能；學習情境5主要從人工智能的自然辯證法視角理解人工智能的本質，從社會學角度給智能機器添加倫理與法律的約束，從而消除人類對人工智能的恐懼，使得人工智能技術更好地為人類服務。本書在思政方面圍繞“愛國精神、崇尚科技、思維模式、樂觀進取”，將其與人工智能技術進行“術道融合”，結合“做中學、做中悟”的方式來開展立德樹人的工作。本書可作為高等職業院校電子信息類專業、機電一體化專業、應用電子技術專業及相關專業的教材，也可作為相關技術人員的參考用書。

·13.7萬字

會員

基于NI Multisim 11的PLD/PIC/PLC的仿真設計

本書主要講解最新的EDA設計軟件NIMultisim11在PLD可編程邏輯器件、PIC系列單片機、PLC可編程控制器設計中的應用，包括PLD可編程邏輯器件、PIC系列單片機、PLC可編程控制器分別介紹、如何使用仿真平臺、具體仿真步驟及過程、匯編及C語言的要點、基本的編程方法、圖形化設計的使用、VHDL代碼的自動生成方法、梯形圖的設計過程、各種接口電路的使用等內容，并給出了大量的仿真實例。

·11.9萬字

會員

人工智能數據處理

本書是大數據處理的基礎教材。從介紹基礎的大數據采集開始，關注數據的采集、數據預處理、數據的可視化、數據的標注，以及大數據的相關應用等大數據的處理知識。其中，既包括文本或數值相關數據的處理，也包括對圖片這樣的非結構化數據的梳理。知識內容涵蓋面較為廣泛。本書以項目制的方式編寫，淺顯易懂，可以讓沒有相關經驗的讀者，比如高職高專的人工智能相關專業的學生，在短時間內了解人工智能數據處理相關知識，并在各自的領域提高工作效率和產出。

·5.8萬字

會員

OpenCV4.5計算機視覺開發實戰：基于Python

OpenCV是一個跨平臺計算機視覺和機器學習軟件庫，也是計算機視覺領域的開發人員必須掌握的技術。本書基于Python3.8全面、系統地介紹OpenCV4.5的使用，并配套示例源代碼、開發環境與答疑服務。本書共分15章，主要內容包括計算機視覺概述、OpenCV的Python開發環境搭建、OpenCV基本操作、數組矩陣、圖像處理模塊、灰度變換和直方圖修正、圖像平滑、幾何變換、圖像邊緣檢測、圖像分割、圖像金字塔、圖像形態學、視頻處理，以及停車場車牌識別、物體識別、運動跟蹤、人臉檢測等案例。本書既適合計算機視覺與圖像處理、人工智能算法的開發人員閱讀，也適合高等院校和培訓機構計算機視覺與圖像處理、人工智能等相關專業的師生教學參考。