中國大數(shù)據(jù)社會應(yīng)用評論·第一輯

計算機程序設(shè)計主要包括數(shù)據(jù)對象定義表示和數(shù)據(jù)對象的處理算法兩大部分�！稊�(shù)據(jù)結(jié)構(gòu)及應(yīng)用算法（第3版）》從數(shù)據(jù)對象的類型、表示方法及其常用處理方法入手，分別介紹了三種類型數(shù)據(jù)結(jié)構(gòu)線性結(jié)構(gòu)、樹型結(jié)構(gòu)和圖狀結(jié)構(gòu)的常用表示方法，以及基于這些數(shù)據(jù)結(jié)構(gòu)的基本操作的實現(xiàn)；并介紹了查找和排序算法。此外，該書還介紹了計算機主要算法的設(shè)計策

本書內(nèi)容覆蓋了初學(xué)者應(yīng)該掌握的C/C知識，包括預(yù)備知識、程序概貌與開發(fā)工具、數(shù)據(jù)類型與表達式、程序流程控制結(jié)構(gòu)、函數(shù)、數(shù)組、指針、自定義類型、預(yù)處理宏、類和對象、運算符重載、繼承與多態(tài)、輸入與輸出流共13章內(nèi)容。此外，本書還提供了部分電子版文檔及相關(guān)資源，包括各章的概念理解題和上機練習(xí)題、四個附錄(調(diào)試方法、異常處理、

本書共10章，主要介紹Python程序設(shè)計的基本概念、基礎(chǔ)知識、基本方法以及Python程序的應(yīng)用開發(fā)。首先介紹Python的安裝和開發(fā)環(huán)境；隨后介紹Python的數(shù)據(jù)類型和基本運算，包括字符串、列表、元組、字典、集合等；然后講述程序控制結(jié)構(gòu)，包括順序結(jié)構(gòu)、分支結(jié)構(gòu)和循環(huán)結(jié)構(gòu)；接著介紹了函數(shù)及其應(yīng)用；此后探討Pytho

本書針對當(dāng)前火熱且應(yīng)用前景廣闊的自然語言處理（NLP），介紹了深度學(xué)習(xí)的技術(shù)原理及其在自然語言處理中的應(yīng)用；簡要分析了該領(lǐng)域各個應(yīng)用方向上的相關(guān)模型和關(guān)鍵技術(shù)，包括Transformer、BERT、GPT，等等；匯集了眾多論文中的重要思想和研究成果；系統(tǒng)梳理了技術(shù)發(fā)展脈絡(luò)。此外，本書還介紹了如何使用深度學(xué)習(xí)技術(shù)來訓(xùn)練模

本書作為討論開源軟件商業(yè)實踐法律問題的圖書，針對開源法律的核心開源許可，提供了專業(yè)度極高的法律和技術(shù)原則解析。本書聚焦于如何使用開源、如何為開源項目做貢獻，以及發(fā)布開源軟件的常見問題，并致力于回答以下眾多開源熱門問題：為什么開源并不是病毒；GPL是什么；如何進行開源代碼審計；何為用戶友好的開源規(guī)則；如何避免和應(yīng)對開源索

本書共11章，分為三部分。部分(第1章至第5章)介紹了Python在計算機視覺中的圖像基本操作、圖像增強、形態(tài)學(xué)處理、局部圖像特征提取、圖像分割等方面的編程應(yīng)用。第二部分(第6章至第8章)梳理了計算機視覺的相關(guān)基礎(chǔ)理論，包括深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)和PyTorch深度學(xué)習(xí)框架。第三部分(第9章至第11章)列舉

《細說機器學(xué)習(xí)：從理論到實踐》從數(shù)學(xué)知識入手，詳盡細致地闡述機器學(xué)習(xí)各方面的理論知識、常用算法與流行框架，并以大量代碼示例進行實踐。本書內(nèi)容分為三篇：篇為基礎(chǔ)知識，包括機器學(xué)習(xí)概述、開發(fā)環(huán)境和常用模塊、特征工程、模型評估、降維方法等內(nèi)容。本篇詳細而友好地介紹機器學(xué)習(xí)的核心概念與原理，并結(jié)合大量示例幫助讀者輕松入門。第二

《深度序列模型與自然語言處理：基于TensorFlow2實踐》以自然語言和語音信號處理兩大應(yīng)用領(lǐng)域為載體，詳細介紹深度學(xué)習(xí)中的各種常用序列模型。在講述理論知識的同時輔以代碼實現(xiàn)和講解，幫助讀者深入掌握相關(guān)知識技能�！渡疃刃蛄心Ｐ团c自然語言處理：基于TensorFlow2實踐》共12章，不僅涵蓋了詞向量、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷

隨著人工智能技術(shù)的成熟，圖像語義分割方法迎來了飛速發(fā)展的機會。語義分割是一種像素級的預(yù)測任務(wù)，基于全卷積神經(jīng)網(wǎng)絡(luò)（FCN）的分割方法，為了獲得較高的分割精度，需耗費大量的計算資源。然而隨著自動駕駛和移動終端需求的日益增長，在分割精度和分割速度之間進行平衡顯得尤為重要，如何在計算力有限的設(shè)備上應(yīng)用語義分割技術(shù)、減少計算量