《深度学习：Keras快速开发入门》首先介绍了深度学习相关的理论和主流的深度学习框架，对比了不同深度学习框架的优缺点，以Keras这一具有高度模块化，极简式的高层深度学习框架为切入点，从Keras的安装、配置和编译等基本环境入手，详细介绍了Keras的模型、网络结构、数据预处理方法、参数配置以及调试技巧和可视化工具。帮助读者快速掌握一款深度学习框架，从而解决工作和学习当中神经网络模型的使用问题。同时，《深度学习：Keras快速开发入门》还介绍了如何用Keras快速构建深度学习原型并着手实战。最后通过Kaggle的知识竞赛实例向读者展示Keras作为深度学习开发工具的强大之处，从而帮助读者迅速获得深度学习开发经验。 《深度学习：Keras快速开发入门》是一本实践性很强的深度学习工具书，适合希望快速学习和使用Keras深度学习框架的工程师、学者和从业者。...(展开全部)

进度失控，几乎是每一个软件开发项目挥之不去的噩梦。如何从容赶急，如何通过正确的开发策略和原则，避免典型错误，有效地进行风险管理，从多个方面贯彻执行快速软件开发，都可以从本书中找到答案。《快速开发(纪念版)》借助于实际案例和数据，阐述了快速软件开发方法的要领和精髓。 《快速开发(纪念版)》前两部分描述快速开发的策略和理念，其中的案例讨论有助于读者清楚地领略到策略和理念在实践中的作用。第Ⅲ部分则由27个快速开发实践构成，对于技术领导、程序员和项目经理具有重要的参考和指导意义。

史蒂夫·麦康奈尔（Steve McConnell） 与比尔·盖茨和Linux之父林纳斯·托瓦兹齐名 《软件开发》杂志两届技术类图书震撼大奖得主 《软件开发》杂志两届生产力效率大奖得主 华盛顿西雅图大学校友会专业成就奖 IEEE计算机学会金牌核心奖章得主 《普吉特商业杂志》杰出青年人物奖 硅谷工程领导力峰会常年演讲嘉宾

史蒂夫·麦康奈尔（Steve McConnell） 与比尔·盖茨和Linux之父林纳斯·托瓦兹齐名 《软件开发》杂志两届技术类图书震撼大奖得主 《软件开发》杂志两届生产力效率大奖得主 华盛顿西雅图大学校友会专业成就奖 IEEE计算机学会金牌核心奖章得主 《普吉特商业杂志》杰出青年人物奖 硅谷工程领导力峰会常年演讲嘉宾

这是一本理论与实践兼顾的深度学习著作，它通过精心的内容组织和丰富的案例讲解，帮助读者零基础入门，并迅速晋级为有一定理论基础和项目实战能力的高手。基础方面，不仅介绍了Keras等各种深度学习框架的使用和开发环境的搭建，还对深度学习的基础知识做了讲解；理论方面，详细讲解了全连接神经网络、卷积神经网络、循环神经网络、自编码器和生成式对抗网络等核心神经网络的原理和应用；应用层面，不仅讲解了如何用Keras开发各种深度学习模型，还讲解了深度学习在图像处理和文本处理两大核心场景的应用；实战方面，每个深度学习模型原理的背后都有精心设计的Keras实现代码，每章都有多个综合性案例，读者可以在调试和执行代码的过程中掌握深度学习模型设计与开发的各种方法和技巧。本书内容结构合理，重点突出；写作方式循序渐进，易于读者理解；行文风格幽默风趣，读起来不枯燥。

作为一款轻量级、模块化的开源深度学习框架， Keras 以容易上子、利于快速原型实现、能够与TensorFlow 和Theano 等后端计算平台很好兼容等优点， 深受众多开发人 员和研究人员的喜爱。 本书结合大量实例，简明扼要地介绍了目前热门的神经网络技术和深度学习技术 。从经典的多层感知机到用于图像处理的深度卷积网络，从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络，从词嵌入到AI 游戏应用中的强化学习，引领读者一层一层揭开深度学习的面纱， 并在逐渐清晰的理论框架下， 提供多个Python编码实例，方便读者动手实践。 通过阅读本书， 读者不仅能学会使用Keras 快捷构建各个类型的深度网络，还可以按需自定义网络层和后端功能， 从而提升自己的AI 编程能力，在成为深度学习专家的路上更进一步。

Access数据库是微软Office软件中的一个组件，和Word、Excel、PPT等一样，都是Office软件中的成员，Access数据库主要有三大用途：一是存储数据；二是处理数据；三是开发软件。 Access的特点：容易学会，从而开发出实用管理软件！学员一般都有Excel的应用经历，而Access数据库与Excel均为Office组件，有一定的相似性，上手很快。本书共分为7章，展示了最终软件开发的效果并按功能模块由浅入深将知识点贯穿于其中，涉及的知识点有：快速开发平台、表设计、创建表操作、查询的各个类型、自动生成和手工创建窗体、VBA编程语言。本书有配套学习视频，详细讲解了具体开发过程，并提供了练习素材下载，方便读者学习。学好本教程，读者将能开发出和本案例展示效果一样的实用管理软件。

本书既是介绍PyQt 5的快速入门书籍，也是介绍PyQt 5实战应用的书籍。PyQt 5是对Qt所有类的Python封装，既可以利用Qt的强大功能，也可以利用Python丰富的生态圈，同时能够结合Python简洁的语法进行操作，其结果就是使用PyQt 5可以高效、简单地开发出自己想要的程序。本书内容丰富，对PyQt 5基础知识的介绍比较全面，同时对新手使用PyQt 5的一些重点、难点都有专门的章节进行针对性分析，还重点介绍了如何把Python的一些重量级模块（Pandas、Matplotlib和Plotly）嵌入到PyQt 5中，从而极大地节约开发时间。最后，本书给出一些综合性较强的实战案例，帮助读者快速掌握PyQt 5的实战应用。总而言之，本书旨在帮助读者以最短的时间掌握PyQt 5的基础知识并能够实战应用，希望本书对有Python程序开发需求的读者有帮助。

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

本书简洁地介绍了现代神经网络、人工智能和深度学习技术，专门为软件工程师和数据科学家设计。第1章逐步介绍神经网络的基础知识。第2章比较TensorFlow 1.x和TensorFlow 2.0编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的高级应用。第6章重点介绍生成对抗网络。第7章介绍词嵌入。第8章介绍基本嵌入方法的各种扩展。第9章介绍自动编码器。第10章深入研究无监督学习模型。第11章重点介绍强化学习。第12章介绍AutoML。第13章介绍用于移动设备和物联网的TensorFlow的基础知识。第14章讨论了云环境以及如何利用它来训练和部署模型。第15章讨论了深度学习背后的数学。第16章介绍TPU。本书内容丰富，易于理解，示例具有代表性，是学习深度学习的绝佳指南。