《數(shù)據(jù)結構與算法》（Java版）是為“數(shù)據(jù)結構與算法”課程編寫的教材，也可作為學習數(shù)據(jù)結構及其算法的Java程序設計的參考教材。 本書的內容可以分為兩大部分，前半部分是介紹了基本數(shù)據(jù)結構及其應用；后半部分主要討論了查找、排序算法及五類基本算法（分治算法、貪心算法、回溯算法、分支限界算法、動態(tài)規(guī)劃算法）及應用舉例。其章

本書全面、系統(tǒng)地介紹CorelDRAWX8的基本操作方法和圖形處理技術，并對其在平面設計領域的應用進行深入的介紹，具體內容包括圖形設計基礎、CorelDRAW基礎操作、插畫設計、書籍設計、畫冊設計、宣傳單設計、海報設計、橫板廣告設計、包裝設計、綜合設計實訓等內容。本書先通過“相關知識”講解圖形制作和設計的基礎知識，幫助

本書第1章介紹聯(lián)邦學習的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機遇和挑戰(zhàn)。第2-5章介紹不同類型的機器學習方法在聯(lián)邦學習模式下的實現(xiàn)，以及關鍵算法原理。第6章介紹聯(lián)邦學習開源框架FATE的架構和部署，以及在金融控股集團內大數(shù)據(jù)平臺上建立跨機構統(tǒng)一數(shù)據(jù)科學平臺的實施方案。第7章從建模者的角度展示了典型建模流程的實戰(zhàn)過程。

作為一門應用型學科，機器學習植根于數(shù)學理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監(jiān)督學習單模型、監(jiān)督學習集成模型、無監(jiān)督學習模型、概率模型四個大類共26個經典算法進行了細致的公式推導和代碼實現(xiàn)，旨在

本書較為全面地介紹了深度學習應用場景下的人工智能技術服務、深度學習數(shù)據(jù)應用、深度學習基礎應用等技術。全書共10個實訓項目,包括人工智能需求分析、人工智能產品設計、人工智能平臺應用、數(shù)據(jù)采集工程應用、數(shù)據(jù)處理工程應用、數(shù)據(jù)標注工程應用、機器學習模型訓練、深度學習框架應用開發(fā)、深度學習框架基礎功能應用、深度學習線性回歸模型

本書較為全面地介紹了深度學習模型訓練、計算機視覺模型應用、自然語言處理模型應用等技術。全書共9個實訓項目,包括深度學習全連接神經網絡應用、深度學習卷積神經網絡應用、深度學習循環(huán)神經網絡應用、計算機視覺模型數(shù)據(jù)準備、計算機視覺模型訓練與應用、計算機視覺模型部署、自然語言處理預訓練模型數(shù)據(jù)準備、自然語言處理預訓練模型訓練與

本書介紹了傳感器的分類及智能傳感器的特點和發(fā)展趨勢，詳細介紹了微電子機械系統(tǒng)的設計方法、電子材料與加工技術，以及主要的智能傳感器算法、原理、公式，闡述了智能傳感器所用的主流硬件及信號調理技術、通信技術、信號處理技術等，提供了智能傳感器的民用、軍用及延伸應用案例，可為設計人員和管理人員提供參考，對促進我國物聯(lián)網健康有序發(fā)

本書緊跟數(shù)據(jù)分析的發(fā)展新趨勢，基于Python的數(shù)據(jù)分析平臺和工具，系統(tǒng)介紹數(shù)據(jù)分析的相關知識與技能。本書共7個項目，分為3部分：基礎部分、數(shù)據(jù)分析部分、機器學習實戰(zhàn)部分。基礎部分包括項目一和項目二，介紹數(shù)據(jù)分析環(huán)境的搭建，以及NumPy的理論和實踐知識；數(shù)據(jù)分析部分包括項目三～項目六，結合案例介紹數(shù)據(jù)檢查、數(shù)據(jù)呈現(xiàn)、

隨著互聯(lián)網的蓬勃發(fā)展，從浩瀚的網絡世界中獲取數(shù)據(jù)并加以處理，從中提取有用的信息越發(fā)重要，本書就帶領讀者學習如何獲取數(shù)據(jù)并以合適的方式呈現(xiàn)數(shù)據(jù)。全書分為4個部分。 第1部分，即第1～第5章，主要介紹數(shù)據(jù)的采集，從數(shù)據(jù)采集的意義和基本概念開始，介紹依次介紹Python工具庫、Scrapy第三方框架、如何采集數(shù)據(jù)，以及如何通

本書圖文并茂,首先講解軟件測試技術的概況、軟件測試的分類和軟件測試模型;然后介紹如何分析測試需求,如何滿足需求,如何設計測試用例,如何執(zhí)行測試;最后結合具體的案例討論軟件測試缺陷的管理、測試文檔的編寫、用戶驗收階段/上線階段的測試工作,以及軟件質量管理。