暂缺简介...

本书从利用华为eNSP模拟一个企业网络出发设计实验内容。书中内容涵盖了组建企业网络所需的大部分知识，先设计面向单个知识点的实验内容，再综合应用各个知识点设计综合实验。实验内容包括：交换机实验、虚拟局域网实验、生成树实验、路由器配置实验、广域网配置实验、网络地址转换实验、无线局域网实验和综合实验。每个实验中详细介绍了技术原理、实验步骤和关键指令，便于读者独立地配置和调试实验，深入理解实验所涉及的计算机网络原理知识。本书实操性强，适合作为高等院校计算机及相关专业学生教材，也可作为网络工程技术人员和计算机爱好者的阅读参考书。

本书从复杂信息系统自适应逻辑建模与验证、自适应时间特性建模与分析、自适应行为不确定性建模与决策三个方面着手，系统全面地介绍了面向复杂信息系统的自适应软件建模与可靠性验证分析相关的技术、理论和方法。全书共6章，其中，第1章重点介绍了自适应软件建模与验证相关的基础知识，包括自适应软件基本概念、基本术语；第2章重点介绍了复杂信息系统自适应逻辑建模与验证技术，包括可视化建模、模型转换、形式化建模与验证等；第3章重点介绍了复杂信息系统自适应时间特性建模与分析，包括时间特性定义、建模与形式化验证分析等；第4章重点介绍了复杂信息系统自适应行为不确定性建模与决策，包括不确定性建模、基于不确定性的自适应决策等；第5章重点介绍自适应软件建模与验证支撑工具开发方法；第6章介绍了自适应软件建模与验证方法的案例应用。

本书系统讲解了数据分析工作流程中的核心问题，涉及数据探索、数据预处理、建模分析等内容。书中使用Python作为编程语言，全面介绍了Python编程基础及常用数据分析库的使用，在传统的数据统计分析方法的基础上，增加了分类、回归、聚类等机器学习建模分析方法，通过贴近日常生活和工作的实践案例，帮助读者建立数据分析思维，实现从基础理论到实践应用的过渡，提高综合运用数据分析方法和技术解决实际问题的能力。本书可作为高等院校数学、计算机等专业的数据分析相关课程的教材，也可作为数据分析等领域从业人员的参考用书。

本书是以卷积神经网络在高光谱影像分类中的应用为线索进行编写。全书内容分为7章：第1章介绍了高光谱影像分类的国内外研究现状，以及高光谱影像数据特点和评价指标；第2章介绍了卷积神经网络的原理，总结了卷积神经网络的发展现状，分析了卷积神经网络在高光谱影像分类中的应用情况；第3章至第6章分别介绍了结合纹理特征的双通道卷积神经网络、宽残差网络、残差密集网络、残差注意力网络等用于高光谱影像分类的卷积神经网络模型；第7章对本书所介绍的内容进行了总结，并就卷积神经网络在高光谱影像分类中的应用情况进行了展望。

暂缺简介...

本书跳出以语句或程序结构的习得为目标的传统教学框架，将学习目标指向思维养成。通过循序渐进的专题设计，从思维养成的视角看待编程，开启编程学习。在这种理念导向下，学习“顺序结构”的价值在于形成“流程化思想”，学习“分支结构”的价值在于形成“分情况处理思想”，学习“循环结构”的价值在于形成“规律性重复思想”，等等。在每一个专题中，以“问题链”—“知识链”—“思维链”—“强化链”四个模块展开学习。“问题链”作为每一个专题的主线，以现实情境作为背景；为解决问题寻求知识支撑，引出“知识链”；在解决问题之后，以“思维链”反思解决问题的过程，凝练方法和思维；最后，用“强化链”中的问题，检验学习成果。

本书以线性代数、微积分、概率论为逻辑主线，讲解了与深度学习有关的大部分数学内容。本书以理论结合实际的方式讲解，使数学知识不再是冰冷的公式堆砌，而变成一个个真实的案例，同时对案例背后的原理进行理论上的升华，希望达到一通百通的效果。读者通过阅读本书，不仅能够提升阅读学术论文中的数学公式的能力，还能加深对深度学习本身的理解。 本书面向入门级读者，摒弃复杂的数学推导和证明，重视逻辑推理和简单的表达，特别适合数学基础不足的读者阅读。

9787115587480 Spring微服务实战（第2版） 109.90 9787115433145 Spring Boot实战 69.80 9787115598691 Spring实战（第6版） 109.80《Spring微服务实战（第2版）》 本书以一个名为O-stock的项目为主线，介绍云、微服务等概念以及Spring Boot和Spring Cloud等诸多Spring项目，并介绍如何将O-stock项目一步一步地从单体架构重构成微服务架构，进而将这个项目拆分成众多微服务，让它们运行在各自的Docker容器中，实现持续集成/持续部署，并最终自动部署到云环境（AWS）的 Kubernetes集群中。针对在重构过程中遇到的各种微服务开发会面临的问题（包括开发、测试和运维等问题），本书介绍了解决这些问题的核心模式，以及在实战中如何选择特定Spring Cloud子项目或其他工具（如 KeyCloak、Zipkin、ELK技术栈）解决这些问题。本书适合拥有构建分布式应用程序的经验、拥有Spring的知识背景以及对学习构建基于微服务的应用程序感兴趣的Java开发人员阅读。对于希望使用微服务构建基于云的应用程序，以及希望了解如何将基于微服务的应用部署到云上的开发人员，本书也具有很好的学习参考价值。《Spring Boot实战》 本书以Spring应用程序开发为中心，讲解如何运用Spring Boot提高 效率，使应用程序的开发和管理更加轻松有趣。作者行文亲切流畅，以大量示例讲解了Spring Boot在各类情境中的应用，内容涵盖起步依赖、Spring Boot CLI、Groovy、Grails、Actuator。对于Spring Boot开发应用中较为繁琐的内容，附录奉上整理完毕的表格，一目了然，方便读者查阅。《Spring实战 第6版》 本书是一本实用的Spring学习指南，介绍了Spring使用框架、Spring Boot，以及Spring系统中的其他组成部分。本书分为4个部分，共18章。第1部分（第1章~第6章）涵盖了构建Spring应用的基础知识。第2部分（第7章~第10章）讨论了如何讲Spring应用与其他应用进行集成。第3部分（第11章~第14章）探讨了Spring对反应式编程提供的支持。第4部分（第15章~第18章）介绍了如何做好应用投入生产环境前的准备工作，以及如何进行部署。本书既适合刚开始学习Spring Boot 和Spring 框架的Java 开发人员快速上手，也适合经验丰富的Spring 开发人员学习Spring 的新特性，尤其适用于企业级Java 开发人员。

《PyTorch深度学习之目标检测》首先从人工智能产业的发展史和机器“眼中”的图像世界开始讲述，逐步引导读者进入机器学习的图像处理当中；然后讲解深度学习中实现目标检测的主要算法，和以PyTorch框架为基础构建的神经网络；最后的实战部分详细讲解了如何使用目标检测算法实现具体项目。 全书共10章，涵盖内容包括：人工智能的历史和发展前景、深度学习的基础知识、卷积神经网络基础知识、PyTorch基础、目标检测算法、单阶段目标检测算法、双阶段目标检测算法、神经网络示例、污损遮挡号牌识别实战和地形目标识别实战。