计算机科学理论与基础知识
-
人脑认知控制检测的计算指标及其应用研究于波本书主要通过建立全面评价人脑认知控制能力的综合认知控制实验平台,采集实验者的认知控制脑电数据,利用数据处理方法,发现多通道进行认知控制的共性生物计算指标,从而分析各指标和认知控制过程的对应关系,挖掘认知控制的规律,并构建认知控制的相关模型。 本书提出基于认知控制的认知规律及认知控制模型,构造针对单次脑电试验进行认知控制特征提取的信号处理方法,利用新的特征提取方法所提取的特征形成样本空间分布信息,并将其融入模式分类方法,构造充分考虑单个样本的认知特性以及新的样本群体空间分布性的模式分类方法,能够实时、在线、准确地对单次试验的脑电数据进行识别。 本书对认知科学、计算机科学、智能科学和信息科学具有重要的理论意义和实用价值,可供认知心理科学家、计算机科学家、神经心理科学家以及对人脑科学感兴趣的读者阅读和参考。
-
网络爬虫案例教程韩莹,袁静 编本书主要以纯案例驱动的形式,分别使用和结合使用requests库、selenium库,从互联网上收集数据。主要内容包括收集静态网页数据,网页解析,JSON数据,JSON解析,多级翻页,cookie和session,验证登录,多线程,数据的存储,收集到的数据包括静态网页数据、json、图片、音频、视频等数据,并对获取的数据进行清洗。适合Python初学者,也适合研究Python的广大科研人员、学者、工程技术人员。本教材采用纯的案例,和简单的注释,其他一些先修的知识是在其他课程有开设。
-
多模态脑机接口马腾 等近年来,随着脑机接口(BCI)技术的不断发展,国内外多个科研机构将研究的重点放在了比单模态BCI更具有优势的多模态BCI领域。这些科研机构取得了很多科研成果,这些成果都能够利用多模态BCI的优势来弥补单模态BCI的一些缺陷,从灵活性或稳定性方面来提升BCI系统的性能。本书首先提出并实现了一套基于运动想象和运动起始的视觉诱发电位结合的混合BCI系统,然后分别针对组成多模态系统的各单模态BCI提出、改进了更为稳定和有效的特征提取与识别方法。
-
机器学习应用与实战韩少云 等本书系统介绍了机器学习常用算法及其应用,在深入分析算法原理的基础上,结合当前热门应用场景,向读者展现了机器学习算法的综合应用,带领读者进入机器学习领域,开启人工智能行业的大门。 全书共 21 章,分为 3 部分。第 1 部分介绍机器学习基础算法,包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、朴素贝叶斯、PCA 降维等,针对每个算法给出应用案例,让读者既掌握算法原理,又能够使用算法解决问题。第 2 部分是机器学习基础算法综合应用,通过学生分数预测、自闭症患者预测、淘宝用户价值分析、耳机评论情感预测几个案例提升读者对机器学习算法的应用能力。第 3 部分是机器学习进阶算法与应用,介绍逻辑更为复杂的机器学习算法,如改进的聚类算法、HMM算法、Boosting 算法等,并给出相应案例,此外,还展示了多个算法综合应用项目。 本书适合对机器学习、人工智能感兴趣的读者阅读,也可以作为应用型大学和高等职业院校人工智能相关专业的教材。本书可以帮助有一定基础的读者查漏补缺,使其深入理解和掌握相关原理与方法,提高其解决实际问题的能力。
-
网络药理学导论李梢本书致力于系统地介绍网络药理学的理论、方法和应用的研究进展,主要包括四大部分:1)网络药理学涉及的概念与理论;2)常用分析方法、数据库与分析软件;3)基于网络药理学的中医药现代化、现代药物研究的典型案例;4)基于药物、疾病的网络药理学实践流程。适用于初接触网络药理学、需要系统了解该领域的研究人员和学生。网络药理学是人工智能和大数据时代药物系统性研究的新兴前沿学科,也是融合系统生物学、生物信息学、网络科学、系统药理学等学科的原创性学科,强调从系统层次和生物网络的整体角度出发,解析药物及其治疗对象之间的分子关联规律,揭示药物的系统性药理机制,指导新药研发和临床治疗。随着计算、实验方法的进步,网络药理学的发展将有望帮助系统理解药物和病证的相互作用关系,为药物研发、机制阐释、药效评价、精准用药等提供技术支撑,促进从“还原论”到“系统论”的方法论革新,为“下一代药物研究模式”的推广应用提供强劲动力。
-
自然语言处理应用与实战韩少云等本书系统介绍了自然语言处理及深度学习,并结合实际应用场景和综合案例,深入浅出地讲解自然语言处理领域的相关知识。 全书共 15 章,分为 4 个部分。第 1 部分是自然语言处理基础,首先介绍自然语言处理的相关概念和基本技能,然后介绍词向量技术和实现方法,最后介绍关键词提取技术。第 2 部分是自然语言处理核心技术,分别介绍朴素贝叶斯算法、N-gram 语言模型、PyTorch 深度学习框架、FastText 模型文本分类和基于深度学习的文本分类。第 3 部分是序列标注,介绍序列标注的具体应用,如 HMM 词性标注和 HMM 命名实体识别等常见的自然语言处理应用场景。第 4 部分是预训练模型,它在很大程度上促进了自然语言处理的发展,这部分内容关注预训练模型的具体应用,如 ALBERT 的命名实体识别、Transformer 的文本分类、BERT的文本相似度计算、ERNIE 的情感分析等。 本书适合对人工智能、机器学习、深度学习和自然语言处理感兴趣的读者阅读,也可以作为应用型本科院校和高等职业院校人工智能相关专业的教材。
-
数据可视化设计指南蓝星宇本书介绍了数据可视化的基本原理和设计方法,适合初学者或希望系统学习数据可视化设计的读者阅读。本书特色:内容翔实,基于大量的中外案例,对数据可视化进行了多方位的解剖,展现了数据可视化的丰富性和趣味性;注重实践,提供了切实可行的工具、数据集和教程,供读者能够“在学中做,在做中学”;通俗易懂,将专业术语和学术成果转化为平实的语言,让知识不再“高冷”。
-
零代码全民开发简道云团队过去,企业实施数字化转型时往往需要花费高额成本才能拥有一套适用的数字化系统;而零代码开发平台的兴起,让企业有机会以较低成本自己搭建数字化系统。本书聚焦零代码开发这一新模式,重点介绍企业如何使用零代码开发平台搭建系统,并分享了不同行业用户的实战案例,提出了“全民开发”这一企业自助式开发的新概念——无论是IT专业人员,还是不懂代码的业务人员和管理人员,都可以在零代码开发平台上搭建应用,将这些小微应用组成应用矩阵,使其最终演化为功能丰富的企业数字化系统。
-
FinOps云成本优化(美)J.R. Storment(J.R.斯托蒙特),(澳)Mike Fuller(迈克·富勒)随着云计算的迅猛发展,越来越多的业务迁移至云端,众多企业在审计成本的过程中发现,用来支撑业务的云成本并没有节省,费用支出反而比以前更大。如何降低云成本成为企业的核心诉求和通用诉求。为此,Linux 基金会成立了专门的FinOps 基金会,致力于通过培训、方法论和最佳实践的输出,助力企业优化云成本。Cloud FinOps 正是这些云成本优化规则和最佳实践的集合。它提供了由中心化团队驱动,将云成本职责下发到分布式团队的实践方法。并由工程团队、财务团队、产品团队通过跨团队合作,保证成本在可预测、可管控的前提下,实现更快速的产品能力交付。本书是第一本系统性解读什么是FinOps,以及如何实施FinOps 的书:它定义了在云成本优化领域的众多技术术语、财务术语,分享了企业要推动云成本优化所必须完成的组织架构调整、流程推动、职责划分,以及所需要依托的常见技术手段,等等。本书收录了来自FinOps 基金会社区大量的实践案例,能让读者了解成功的云成本优化故事,以及背后成功的原因。此外,对主流云厂商提供的技术能力做了剖析,让读者在选择云技术解决成本优化问题时有所参照。本书适读的对象较广,包括使用云计算的企业中的各种角色,如决策层、运维工程师、财务和采购人员,以及提供云成本优化方案的云服务提供商和第三方集成商。本书包含大量财务术语和技术术语,如果你具备相关的财务或者技术知识,对阅读本书会有事倍功半的效果。
-
人人都应该懂的Web3.0吴桐 商健光Web3.0从目前的发展阶段、时间窗口和发展潜力角度来说,都是很有可能成为下一个比肩互联网的机会,这也是其吸引错过了互联网的机会年轻人的地方。本书精炼而系统地呈现了Web3.0的全景与脉络,包括广受关注的区块链、DeFi、元宇宙、NFT和DAO等,为你娓娓道来火爆全球的ChatGPT和AIGC的背后逻辑,把握下一个比肩互联网的财富机会。