100 条"未来IT图解:区块链、人工智能、物联网、深度学习、数据科学"搜索结果
区块链+人工智能:下一个改变世界的经济新模式 电子书
  • 曲强,林益民
  • 从五大层面,详细解析了区块链如何自底而上,为人工智能提供全方位的支撑。
PyTorch深度学习实战 电子书
  • [美]伊莱·史蒂文斯(Eli,Stevens),[意]卢卡·安蒂加(Luca Antiga),等
  • 1.PyTorch核心开发者教你使用PyTorch创建神经网络和深度学习系统的实用指南。2.详细讲解整个深度学习管道的关键实践,包括PyTorch张量API、用Python加载数据、监控训练以及对结果进行可视化。3.PyTorch核心知识+真实、完整的案例项目,快速提升读者动手能力:a.全面掌握PyTorch相关的API的使用方法以及系统掌握深度学习的理论和方法;b.快速从零开始构建一个真实示例:肿瘤图像分类器;c.轻松学会使用PyTorch实现各种神经网络模型来解决具体的深度学习问题;d.章尾附有“练习题”,巩固提升所学知识;更有配套的代码文件可下载并动手实现。4.PyTorch联合创作者SoumithChintala作序推荐!5.书中所有代码都是基于Python3.6及以上的版本编写的,提供源代码下载。
深度学习与围棋 电子书
智电未来:5G时代电力物联网应用实践 电子书
  • 王强 编著
  • 本书介绍了电力物联网和5G技术的总体概念,梳理了电力物联网的发展情况及业务需求。
打造超级区块链社区:建设、运营、实践 电子书
  • 中原愚人
  • 本书深入浅出,详细讲解区块链社区的运营方法,帮助企业打造超级区块链社区。
物联网技术概论 电子书
  • 季顺宁 编著
  • 本书紧紧围绕物联网中“感知、传输、应用”涉及的3项技术架构物联网技术知识体系,比较全面地介绍了物联网的基本概念、体系结构、软硬件平台系统组成、关键技术以及主要应用领域与发展;感知技术、射频识别(RFID)工作组成和原理及应用;传感器及传感网的基本知识及应用;与物联网相关的无线通信与网络技术及其关键支撑技术等;应用技术、中间件、云计算、区块链等;物联网的应用;物联网的安全。本书可以作为高职高专院校物
物联网移动应用开发 电子书
  • 季云峰 刘丽 副主编 马丽红 伊力夏提•阿不都热
  • 《物联网移动应用开发》以物联网智慧工厂移动端应用系统开发为基础,将开发过程拆解成15个任务,任务安排既遵循Android知识点的学习路径,又尽量符合移动应用开发的逻辑过程,每个任务完成后都可以编译、运行,后续任务在前一任务的基础上进行扩展,*终完成整个应用的开发。读者通过重构、复原该系统来掌握物联网移动应用开发的常用技术,熟悉开发的过程。《物联网移动应用开发》适合作为高职院校电子信息类、计算机类相
物联网通信技术 电子书
  • 陈彦辉 主编
  • 本书共7章,第1章以物联网通信系统为主线,介绍了物联网的基本概念与网络体系架构;第2-5章详细介绍了通信系统的基带传输、频带传输、链路传输和网络传输的基本原理;第6章以ZigBee和NB-IoT系统为例,介绍了通信系统的构建方法与应用示例;第7章提供了使用仿真工具对关键技术进行仿真的实验教学案例。
物联网专业英语 电子书
  • 魏旻
  • 本书分为物联网概述及物联网核心技术与其应用两大模块(Section),每个模块下细分为单元(Unit),每个单元有各自的技术知识讲解与相关技术的实际应用,所选应用素材拟采用国外刊物中材料科进行编写,所有单元(Unit)部分包括词汇、词组、缩略词及翻译等讲解,每个单元配有习题,以帮助读者更加易于理解。
物联网信息安全技术 电子书
  • 张小松
  • 本书旨在帮助读者系统地掌握物联网(IoT)安全的相关知识、原理和技术。
物联网移动应用开发 电子书
  • 周雯,胡荣
  • 物联网移动应用开发是物联网应用技术专业与软件技术专业的重点专业课程,本书采用“AndroidStudio应用程序”开发整个系统,旨在使读者掌握物联网应用系统开发中的思路、方法和常用技术。本书吸纳一线教师的教学经验和企业成熟的开发成果,具有通俗易懂、内容精炼、重点突出、层次分明、实例丰富的特点。通过本书的学习,读者可以具备使用Android进行物联网应用系统代码编写、修改、测试的能力,可以从事And
物联网可穿戴技术 电子书
  • 王洋
  • 随着物联网的深入发展,我们逐渐进入“万物互联”时代,其中可穿戴设备已经成为物联网产业中具有代表性的产品。本书共15章,主要包括可穿戴设备概述、低功耗蓝牙技术、BLE协议栈、BLE链路层详解、BLESoftDevice协议栈开发、STM8开发流程入门等章节;还详细介绍了振动马达可穿戴设备开发、加速度可穿戴设备开发、体温可穿戴设备开发、心率可穿戴设备开发、紫外线可穿戴设备开发、蓝牙透传模块开发、华为运
嵌入式Linux与物联网软件开发——C语言内核深度解析 电子书
  • 朱有鹏
  •   针对性强:面向嵌入式Linux内核源码、底层驱动软件开发等技术方向。  精华原创:凝结作者多年研发及教学经验,帮助读者真正深度理解难点。  求职必读:详解常见面试题,完全应对“嵌入式软件工程师”岗位需求。
基于物联网的生鲜农产品供应链集成系统研究 电子书
  • 王丽娟
  • 本书将物联网技术引入到农业供应链系统中,运用系统工程的理论与方法,采用物联网、云计算、利用大数据理论与技术以及WebServices和中间件技术,建立生鲜农产品供应链物联网集成应用系统,形成“平台+应用”的整体架构,从而实现生鲜农产品生产过程智能化监控、物品流通数字化、经营管理网络化。
深度学习原理与实践 电子书
  • 陈仲铭
  • (1)大量图例,简单易懂。作者亲自绘制了大量插图,力求还原深度学习的算法思想,分解和剖析晦涩的算法,用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣,快乐地学习算法知识,体会深度学习的算法本质。(2)简化公式,生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式,为了避免出现读者读不懂的情况,本书尽可能地统一了公式和符号,简化相关公式,并加以生动的比喻进行解析。在启发读者的同时,锻炼读者分析问题和解决问题的能力。(3)算法原理,代码实现。在介绍深度学习及相关算法的原理时,不仅给出了对应的公式,还给出了实现和求解公式的代码,让读者明确该算法的作用、输入和输出。原理与代码相结合,使得读者对深度学习的算法实现更加具有亲切感。(4)深入浅出,精心剖析。理解深度学习需要一定的机器学习知识,本书在D1章介绍了深度学习与机器学习的关系,并简要介绍了机器学习的内容。在内容安排上,每章依次介绍模型框架的应用场景、结构和使用方式,最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。(5)入门实践,案例重现。每一章最后的真实案例不是直接堆砌代码,而是讲解使用该算法模型的原因和好处。从简单的背景知识出发,使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度,为读者奠定深度学习的实践基础。将一本技术书籍写得通俗易懂谈何容易,但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析,化繁为简,没有局限于坐而论道,而是将实例和数学理论相结合,让读者能够快速理解各种模型并上手实践,值得细读。--唐春明 广州大学数学与信息学科学院副院长本书从原理、方法、实践这3个维度系统地介绍了深度学习的方方面面,内容详实,解读清晰,细节与全貌兼顾,既适合初学者阅读,也可以作为深入研究的参考用书。--杨刚 西安电子科技大学教授近年来出版的深度学习相关图书中,本书是我见过非常有指导意义的中文书籍之一。本书对ANN、CNN、RNN等模型进行深入浅出的介绍,引入大量图例和简化后的公式,让算法浅显易懂。每一章的实践内容都给人惊喜,强烈推荐!--吴健之 腾讯音乐高级工程师作为产品经理,我能看懂的深度学习书籍实在太少了。本书恰到好处,插图丰富直观,数学公式简练,很喜欢此类风格的图书,易懂好学。即使你不是程序员或算法专家,该书也值得一看!--张瑞 中软国际高级产品经理
深度学习与TensorFlow实战 电子书
  • 李建军 王希铭 潘勉 等
  • 本书主要讲解深度学习和TensorFlow的实战知识,全书分为10章,主要内容如下:第1章为深度学习概述,包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行;第2章为机器学习概述,讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本;第3章介绍从生物神经元到
动手打造深度学习框架 电子书
  • 李伟
  • 本书基于C++编写,旨在带领读者动手打造出一个深度学习框架。
深度学习实战之PaddlePaddle 电子书
  • 潘志宏 王培彬 万智萍 邱泽敏
  • 内容提要本书全面讲解了深度学习框架PaddlePaddle,并结合典型案例,阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架;第2章介绍了几种不同的PaddlePaddle安装方式;第3章使用MNIST数据集实现手写数字识别;第4章介绍CIFAR彩色图像识别;第5章介绍了自定义数据集的识别;第6章介绍了验证码的识别;第7章介绍了场景文字的识别;第8章实现了验
深度学习算法与实践 电子书
  • 于子叶
  • 本书旨在为读者建立完整的深度学习知识体系。全书内容包含3个部分,第一部分为与深度学习相关的数学基础;第二部分为深度学习的算法基础以及相关实现;第三部分为深度学习的实际应用。