本書是對DiffusionAI繪圖模型的綜合性講解書籍，書中包括最基礎的組件的用例演示，也包括具體的項目實戰(zhàn)，以及Diffusion模型的底層設計思路和實現(xiàn)原理的介紹。通過本書的學習，讀者可以快速掌握Diffusion模型的使用方法，掌握AI繪圖模型的訓練、測試過程，并能研發(fā)屬于自己的AI繪圖模型。本書共19章，分為快
作為人工智能的核心技術，機器學習在數(shù)據(jù)分析中具有舉足輕重的地位。本書在介紹機器學習相關知識的基礎上，主要介紹了如何對有噪聲的數(shù)據(jù)進行魯棒回歸分析。全書共6章，除第1章外，各章對異常點或重尾分布數(shù)據(jù)中的具體問題進行了詳細分析與建模，所涉及的問題包括權值選擇問題、變量相關性問題以及網(wǎng)絡數(shù)據(jù)問題等。本書對于構建具有魯棒性的機
本書圍繞Python技術棧，講解測試開發(fā)技術棧領域的各項核心技術要點。全書共11章，首先講解pytest單元測試框架在測試領域的技術棧要點，包含pytest從最基本的應用到高階應用。接著講解服務端測試開發(fā)領域主流的核心思想、主流測試開發(fā)工具在解決服務端測試開發(fā)中的技術難點，以及服務端測試框架的設計和項目實戰(zhàn)案例。在框架
《Python貝葉斯建模與計算》旨在幫助貝葉斯初學者成為中級從業(yè)者。本書使用了PyMC3、TensorFlowProbability和Arviz等多個軟件庫的實踐方法，重點是應用統(tǒng)計學的實踐方法，并參考了基礎數(shù)學理論。本書首先回顧了貝葉斯推斷的概念。第2章介紹了貝葉斯模型探索性分析的現(xiàn)代方法�；谶@兩個基本原理,接下來
《計算機控制技術》以反饋控制理論為基礎，從s域到z域的信號轉(zhuǎn)換出發(fā)，詳細闡述了計算機控制系統(tǒng)的模型分析、控制器設計及工程應用的理論和方法�！队嬎銠C控制技術》理論聯(lián)系實際，既注重計算機控制的基礎理論和基本方法，也涵蓋預測、模糊與神經(jīng)網(wǎng)絡等先進控制技術，并進行了“本研貫通”模塊化設計。為便于讀者對知識的理解、掌握和運用，特
可解釋AI(InterpretableAI)將教會你識別模型所學習的模式及其產(chǎn)生結果的原因。通過閱讀《可解釋AI實戰(zhàn)（PyTorch版）》，你將掌握一些用于解釋白盒模型(如線性回歸和廣義可加模型)的方法，以及一些用于解釋復雜深度學習模型的方法。可解釋AI是一個快速發(fā)展的領域，本書將該領域的前沿研究簡化為你可以在P
本書以STM32G4系列32位FlashMCU為例，以“藍橋杯”嵌入式設計與開發(fā)競賽實訓平臺CT117E-M4（V1.2）為硬件平臺，以“一切從簡單開始”為宗旨，介紹嵌入式系統(tǒng)的設計與開發(fā)。全書分為12章，第1章簡單介紹STM32MCU和Cortex-M4，第2章介紹軟件開發(fā)環(huán)境與工具，第3～10章介紹GPIO、USA
本書系統(tǒng)介紹了推薦算法的知識框架和技術細節(jié)，包括召回、粗排、精排和重排等模塊。第1章從用戶體驗、內(nèi)容生產(chǎn)和平臺發(fā)展角度介紹為什么需要推薦系統(tǒng)，并闡述推薦系統(tǒng)的分類及整體技術架構。第2章介紹推薦算法模型的基礎——數(shù)據(jù)樣本和特征工程。第3章介紹傳統(tǒng)推薦算法。第4~7章介紹推薦系統(tǒng)中最復雜的部分——精排模塊，包括特征交叉、用
Illustrator是Adobe公司推出的一款功能強大的矢量應用軟件，可以用來繪制插畫、制作海報、設計網(wǎng)頁等。它既可以用來處理矢量圖形，也可以用來處理位圖。本書正是一本優(yōu)秀的實訓學習用書。本書采用理論結合實戰(zhàn)的方式編寫，兼具實戰(zhàn)技巧和應用理論，隨書附贈所有案例的源文件、素材、視頻教程和教學PPT。視頻教程可以讓讀者在
本書從滲透測試實戰(zhàn)出發(fā)，將關鍵知識點進行梳理，從外網(wǎng)和內(nèi)網(wǎng)兩個方面講解滲透測試技術，在內(nèi)容設計上兼顧初學者和安全領域從業(yè)人員。本書首先從基本環(huán)境搭建講起，再到實戰(zhàn)中非常重要的情報收集技術，由淺入深地講解滲透測試的基礎知識和滲透測試過程中經(jīng)常用到的技術要點�；A部分具體包括：滲透測試前置準備、情報收集、常見Web應用漏洞
書單推薦
