本書采用簡潔直觀的方式來講解Vue2的各方面，并融入了關(guān)于Git的基礎(chǔ)和進階的知識，讓讀者在學習前端框架之余，還能學習到主流的團隊代碼管理工具和版本控制工具Git的知識應用。本書共11章，分為基礎(chǔ)篇和進階篇和項目實戰(zhàn)篇�；�礎(chǔ)篇（第1~3章）詳細講述Vue框架的基礎(chǔ)知識點，并以HTML文件的方式切入，淺顯易懂，讓你的學習

本書以BI負責人的視角介紹BI分析師的核心工作和應具備的核心技能，并分析BI創(chuàng)造價值的專題，理論和實例并重。全書分為四部分： 第一部分（第1、2章）為BI概述與團隊組建，從介紹BI分析的基本概念說起，包含BI職責與數(shù)據(jù)驅(qū)動的概述，以及組建團隊時需要考慮的能力模型、團隊選型、團隊管理。第二部分（第3、4章）為BI

本書系統(tǒng)地論述了基于平面鏡配合的單目立體視覺技術(shù)，主要包括視覺圖像邊緣信息提取、單目立體視覺測量模型、單目立體視覺參數(shù)標定、單目立體視覺中的極線幾何及校正、單幅圖像的立體匹配和單目立體視覺的應用。本書各章節(jié)間既相互聯(lián)系，又相互獨立；本書內(nèi)容是個開放體系，讀者在學習過程中可不斷地進行二次創(chuàng)新，提出新的理論。本書適合立體視

圖強化學習是深度強化學習的重要分支領(lǐng)域。本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能覆蓋圖強化學習的基礎(chǔ)知識，并提供應用實踐案例。全書共10章，大致分為三部分：第一部分（第1～3章）介紹圖強化學習研究對象（復雜系統(tǒng)、圖和復雜網(wǎng)絡(luò)）；第二部分（第4～7章）介紹圖強化學習基礎(chǔ)知識（圖嵌入、圖神經(jīng)網(wǎng)絡(luò)和深度強化學習）；第三部分（

本書介紹了數(shù)字化轉(zhuǎn)型貫標的工作背景和試點工作安排，制造業(yè)數(shù)字化轉(zhuǎn)型的時代背景、基本概念、主要模式，詳細解讀了《數(shù)字化轉(zhuǎn)型成熟度模型》標準，并對數(shù)字化轉(zhuǎn)型成熟度貫標的推進機制、貫標實施流程、評估內(nèi)容和貫標評估方法進行了重點介紹，力求使讀者系統(tǒng)地了解我國數(shù)字化轉(zhuǎn)型發(fā)展的現(xiàn)狀，掌握數(shù)字化轉(zhuǎn)型的推進方法和演進規(guī)律，明確數(shù)字化轉(zhuǎn)

近年來隨著計算機技術(shù)的快速發(fā)展，機器學習被廣泛應用于信息檢索、自然語言處理、計算機視覺及自動化控制等方面。由于機器學習在實際應用中對不同問題所提供的條件各不相同，如含有標簽信息的數(shù)據(jù)、不含標簽信息的數(shù)據(jù)等，針對不同的數(shù)據(jù)類型有多種解決方法：監(jiān)督學習、半監(jiān)督學習、無監(jiān)督學習。本書針對監(jiān)督和無監(jiān)督學習方法進行理論的概述、模

本書是對DiffusionAI繪圖模型的綜合性講解書籍，書中包括最基礎(chǔ)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(shè)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(shù)，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(guān)知識的基礎(chǔ)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(quán)值選擇問題、變量相關(guān)性問題以及網(wǎng)絡(luò)數(shù)據(jù)問題等。本書對于構(gòu)建具有魯棒性的機

本書圍繞Python技術(shù)棧，講解測試開發(fā)技術(shù)棧領(lǐng)域的各項核心技術(shù)要點。全書共11章，首先講解pytest單元測試框架在測試領(lǐng)域的技術(shù)棧要點，包含pytest從最基本的應用到高階應用。接著講解服務(wù)端測試開發(fā)領(lǐng)域主流的核心思想、主流測試開發(fā)工具在解決服務(wù)端測試開發(fā)中的技術(shù)難點，以及服務(wù)端測試框架的設(shè)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(chǔ)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�；�于這兩個基本原理,接下來