本書結(jié)合現(xiàn)代C++特性,詳細介紹軟件架構(gòu)的實用方法及實踐,探索了如何在單體應(yīng)用程序中使用成熟的設(shè)計模式,如何使應(yīng)用程序具有健壯性、安全性、高性能和可維護性,以及如何使用面向服務(wù)的架構(gòu)、微服務(wù)、容器和無服務(wù)器計算等架構(gòu)模式構(gòu)建連接多個單體應(yīng)用程序的高級服務(wù)。全書共分為四部分:第一部分包含第1~3章,介紹軟件架構(gòu)的概念及組
在數(shù)字化時代,嵌入式人工智能系統(tǒng)和深度學(xué)習(xí)等技術(shù)變得越來越重要。在嵌入式平臺上進行深度學(xué)習(xí)推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰(zhàn)。本書從深度學(xué)習(xí)模型在資源受限的硬件平臺上部署的角度,介紹嵌入式AI系統(tǒng)的基本概念、需求、挑戰(zhàn),以及其軟硬件解決方案。本書共分為7章。第1章介紹了邊緣計算;第2章介紹了嵌入式AI
隨著時代的發(fā)展和信息技術(shù)的進步,信息技術(shù)已經(jīng)是社會發(fā)展的動力之一,尤其是大數(shù)據(jù)技術(shù)對社會的發(fā)展起到促進作用。在人們的生活、生產(chǎn)中,大數(shù)據(jù)的應(yīng)用能夠給人們帶來便利性,同時在大數(shù)據(jù)中也會存儲人們的個人信息。隨著科技的發(fā)展和進步,我們逐漸進入大數(shù)據(jù)時代。本書首先對大數(shù)據(jù)相關(guān)概念和應(yīng)用問題進行了簡述,進而論述了大數(shù)據(jù)的異化分析
本書是《計算機體系結(jié)構(gòu)》(劉超主編,ISBN:9787302587552)的姐妹篇,在總結(jié)長期教學(xué)經(jīng)驗和參考國內(nèi)外經(jīng)典教材的基礎(chǔ)上,按照計算機體系結(jié)構(gòu)的研究任務(wù)(即軟硬件功能分配和硬件功能實現(xiàn)的**方法)組織編寫而成,旨在使已較全面掌握計算機技術(shù)知識的研究生和高年級本科生進一步較為深入地理解當前高性能計算機的體
本書基于ABB工業(yè)機器人操作系統(tǒng)RobotWare6.08以上版本,圍繞著從認識到熟練操作ABB工業(yè)機器人,能夠獨立完成工業(yè)機器人的基本操作,以及根據(jù)實際應(yīng)用進行基本編程這一主題,通過詳細的圖解實例對ABB工業(yè)機器人的操作、編程相關(guān)的方法與功能進行講述,讓讀者了解與操作和編程作業(yè)相關(guān)的每一項具體操作方法,從而使讀者對A
本書全面介紹了使用Python進行數(shù)據(jù)分析所必需的各項知識,全書共分為14章,包括數(shù)據(jù)分析與可視化概述、Python編程基礎(chǔ)、NumPy數(shù)組計算、Pandas基礎(chǔ)知識、Pandas數(shù)據(jù)獲取與清洗、Pandas數(shù)據(jù)形式變化、Pandas數(shù)據(jù)分析與可視化、Pandas數(shù)據(jù)處理與分析實戰(zhàn)、Matplotlib庫繪制可視化圖表
為什么華為打不倒? 大眾通常只看到聚光燈下的成功,但真正影響華為的,真正改變中國高科技產(chǎn)業(yè)進程的,往往不在大眾視野范圍內(nèi)。 很多人不知道,中國在操作系統(tǒng)上的軟肋比芯片更為顯著。 本書作者歷時4年收集一手資料,深度采訪50余位華為專家,以歐拉操作系統(tǒng)近20年發(fā)展史為窗口,獨家披露華為被美國制裁前后,解決卡脖子的根技術(shù)發(fā)展
《AIGC:讓生成式AI成為自己的外腦》針對近期較為火熱的AIGC技術(shù)及其相關(guān)話題,介紹AIGC的技術(shù)原理、專業(yè)知識和應(yīng)用。全書共分為九章。第一章介紹AIGC技術(shù)的基本概念和發(fā)展歷程;第二、三章介紹AIGC的基礎(chǔ)技術(shù)棧和拓展技術(shù)棧;第四、五章分別討論了AIGC技術(shù)在文本生成和圖像生成兩個領(lǐng)域的現(xiàn)狀和前景;第六章列舉了目
Spark數(shù)據(jù)處理引擎是一個驚人的分析工廠:輸入原始數(shù)據(jù),輸出洞察。PySpark用基于Python的API封裝了Spark的核心引擎。它有助于簡化Spark陡峭的學(xué)習(xí)曲線,并使這個強大的工具可供任何在Python數(shù)據(jù)生態(tài)系統(tǒng)中工作的人使用!禤ython和PySpark數(shù)據(jù)分析》幫助你使用PySpark解決數(shù)據(jù)科學(xué)的
模式識別和機器學(xué)習(xí)是人工智能應(yīng)用的基礎(chǔ)。本書將模式識別任務(wù)按照監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種方式進行組織。第1章討論模式識別和機器學(xué)習(xí)的內(nèi)在關(guān)系,介紹了兩者的基礎(chǔ)知識和模式識別的設(shè)計過程。第2章和第3章介紹了zui優(yōu)化的和常規(guī)的基于實例的分類問題。第4~6章檢驗了參數(shù)的、非參數(shù)的和函數(shù)逼近的分類規(guī)則。之后在第7章和第8章就分