本書系統(tǒng)地介紹自組裝Al納米結(jié)構(gòu)的制備方法與生長調(diào)控機(jī)理，從理論角度探討結(jié)構(gòu)形貌與密度對整個基板電磁場的影響，驗證拉曼增強(qiáng)基板對腺嘌呤分子探測信號的增強(qiáng)能力，相較傳統(tǒng)拉曼探測增強(qiáng)基板，本書所述器件在實現(xiàn)高敏感性的同時，展現(xiàn)出更好的穩(wěn)定性與重復(fù)性�；�于此，本書闡述利用Au自組裝納米天線與ZnO膠體量子點薄膜結(jié)構(gòu)制備復(fù)合結(jié)

本書基于Docker容器技術(shù)與應(yīng)用實際需求，由淺入深、系統(tǒng)地講解了主流容器平臺Docker的應(yīng)用和運維的技術(shù)方法。全書共10個項目，內(nèi)容包括了解云計算基礎(chǔ)、初識Docker、Docker鏡像管理、Docker容器管理、Docker編排與部署、Docker倉庫部署與管理、Docker網(wǎng)絡(luò)管理、Docker存儲管理、Doc

本書是十二五和十三五職業(yè)教育國家規(guī)劃教材，是國家精品課程、精品資源共享課和精品在線開放課程Linux網(wǎng)絡(luò)操作系統(tǒng)的配套教材。本書滿足國家自主可控操作系統(tǒng)的戰(zhàn)略需要，對接全國職業(yè)技能大賽和世界技能大賽，符合三教改革精神，是浙江省普通高校十三五新形態(tài)教材，也是一本基于項目驅(qū)動、任務(wù)導(dǎo)向的雙元模式的紙媒電子活頁的項目化教程。

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(xì)介紹了微電子機(jī)械系統(tǒng)的設(shè)計方法、電子材料與加工技術(shù)，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(diào)理技術(shù)、通信技術(shù)、信號處理技術(shù)等，提供了智能傳感器的民用、軍用及延伸應(yīng)用案例，可為設(shè)計人員和管理人員提供參考，對促進(jìn)我國物聯(lián)網(wǎng)健康有序發(fā)

本書是一本面向計算機(jī)類以及非計算機(jī)類專業(yè)學(xué)生的人工智能通識課程。內(nèi)容選取上注重人工智能的通識性、典型性，旨在培養(yǎng)高職以及應(yīng)用型本科學(xué)生的人工智能素養(yǎng)、計算思維能力。全書分為6大模塊，分別從不用的層面對人工智能進(jìn)行介紹。 本書在介紹人工智能通識知識的同時還以新形態(tài)二維碼的方式嵌入了與課程內(nèi)容相融合的思政元素，分別從家國

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注等技術(shù)。全書共12個實訓(xùn)項目,包括數(shù)據(jù)采集概述、網(wǎng)絡(luò)數(shù)據(jù)采集、端側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲與加載、數(shù)據(jù)處理概述、圖像類數(shù)據(jù)處理、文本類數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注概述、圖像數(shù)據(jù)標(biāo)注、文本數(shù)據(jù)標(biāo)注、深度學(xué)習(xí)圖像分類應(yīng)用實戰(zhàn)、深度學(xué)習(xí)情感分析應(yīng)用實戰(zhàn)等。本書以企業(yè)用人需求

本書第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機(jī)遇和挑戰(zhàn)。第2-5章介紹不同類型的機(jī)器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開源框架FATE的架構(gòu)和部署，以及在金融控股集團(tuán)內(nèi)大數(shù)據(jù)平臺上建立跨機(jī)構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)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(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運行機(jī)制。本書在對全部機(jī)器學(xué)習(xí)算法進(jìn)行分類梳理的基礎(chǔ)之上，分別對監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無監(jiān)督學(xué)習(xí)模型、概率模型四個大類共26個經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實現(xiàn)，旨在

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書共10個實訓(xùn)項目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計、人工智能平臺應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機(jī)器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線性回歸模型

本書較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計算機(jī)視覺模型應(yīng)用、自然語言處理模型應(yīng)用等技術(shù)。全書共9個實訓(xùn)項目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計算機(jī)視覺模型數(shù)據(jù)準(zhǔn)備、計算機(jī)視覺模型訓(xùn)練與應(yīng)用、計算機(jī)視覺模型部署、自然語言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語言處理預(yù)訓(xùn)練模型訓(xùn)練與