本書以項目導(dǎo)向、任務(wù)驅(qū)動的方式進(jìn)行內(nèi)容設(shè)計，基于UI設(shè)計崗位的工作流程分析典型工作情境、解構(gòu)關(guān)鍵工作任務(wù)，實操案例采用UI設(shè)計主流工具Figma。本書包括認(rèn)識UI設(shè)計、了解UI設(shè)計的基本知識、掌握UI設(shè)計的風(fēng)格定位、掌握UI設(shè)計中的關(guān)鍵元素、熟悉UI的組合設(shè)計、掌握UI設(shè)計的標(biāo)注和切圖、天氣類App實訓(xùn)、購物類App實

本書介紹STM32單片機的工作原理及工程應(yīng)用，共10章，主要內(nèi)容包括Cortex-M3處理器、STM32F103x單片機、基于標(biāo)準(zhǔn)庫的軟件編程、STM32CubeMX環(huán)境編程、Proteus應(yīng)用范例、基于LittleVGL的UI設(shè)計、STM32F103x實現(xiàn)FFT和FIR、基于STM32的電子稱重系統(tǒng)、基于物聯(lián)網(wǎng)云平臺

本書涵蓋了多媒體內(nèi)容分析技術(shù)中圖像、視頻和音頻特征表示的理論和實踐內(nèi)容，全書共7章，包括多媒體數(shù)據(jù)的預(yù)處理、信號與參數(shù)估計、多媒體信號的特征、特征變換與分類、信號的分解、信號的合成/渲染與呈現(xiàn)等，詳細(xì)介紹了特征數(shù)據(jù)(如圖像或視頻信號的顏色、紋理、邊緣、顯著特征、輪廓與形狀、運動等，音頻信號的時域、頻域、倒譜域等)的估計

勇敢的新世界：偽裝的藝術(shù)……正如人工智能這個名字所暗示的，它是人工的，與人類智能根本不同。然而，人工智能的目標(biāo)通常是模仿人類智能，這種欺騙從最初就開始了。自從艾倫·圖靈回答了“機器能思考嗎？”這個問題，并提出機器假裝是人類以來，我們就一直在嘗試模仿。現(xiàn)在，我們開始構(gòu)建真正欺騙我們的人工智能。像ChatGPT這類強大的人

本書內(nèi)容淺顯易懂，簡明扼要，從交互設(shè)計動畫制作的基礎(chǔ)知識出發(fā)，詳細(xì)講述了如何使用AxureRP10制作交互設(shè)計動畫，大部分知識點配有實例操作，使得學(xué)習(xí)過程不再枯燥乏味。主要介紹了AxureRP10的主要功能，AxureRP10的下載、安裝、漢化與啟動，AxureRP10的工作界面等內(nèi)容，幫助讀者快速熟悉AxureRP1

這本書顛覆了人們對“Excel可以做什么”的認(rèn)知。在過去的幾年里，人們認(rèn)識到數(shù)據(jù)可視化的重要性，這導(dǎo)致數(shù)據(jù)分析工具和可視化工具的數(shù)量激增。對大多人來說，Excel是他們進(jìn)行數(shù)據(jù)可視化的主要工具，也是數(shù)據(jù)工作者必不可少的工具。盡管Excel不是一個專業(yè)的數(shù)據(jù)可視化工具，但它的數(shù)據(jù)可視化功能依然很強大。我們不應(yīng)被它默認(rèn)的圖

本書是對《XilinxZynq7000嵌入式系統(tǒng)設(shè)計與實現(xiàn)：基于ArmCortexA9雙核處理器和Vivado的設(shè)計方法(第二版)》一書的一次重要修訂，全書共包含30章，主要內(nèi)容包括XilinxZynq系列SoC設(shè)計導(dǎo)論、AMBA規(guī)范、Zynq7000系統(tǒng)公共資源和特性、Zynq7000調(diào)試和測試子系統(tǒng)、CortexA

本書是一本全面而實用的計算機應(yīng)用指南，旨在為讀者提供從計算機基礎(chǔ)知識到現(xiàn)代信息技術(shù)的全面認(rèn)識。全書共分為八個精心設(shè)計的項目，每個項目都圍繞計算機應(yīng)用的不同方面展開，內(nèi)容豐富，結(jié)構(gòu)清晰。主要內(nèi)容為認(rèn)識和選購計算機、計算機網(wǎng)絡(luò)與應(yīng)用、操作系統(tǒng)配置與管理、WPS文檔處理、WPS電子表格制作、WPS演示文稿制作、新一代信息技術(shù)

推薦系統(tǒng)是一種對數(shù)據(jù)進(jìn)行處理，并利用數(shù)據(jù)創(chuàng)造全新價值的數(shù)據(jù)挖掘方法。在新環(huán)境下，推薦系統(tǒng)的研究面臨推薦系統(tǒng)與深度學(xué)習(xí)無法有效的結(jié)合、虛假數(shù)據(jù)和數(shù)據(jù)不平衡、推薦系統(tǒng)的評價指標(biāo)不完整等問題，為解決問題這些問題，本書提出了基于距離的embedding方法與深度學(xué)習(xí)模型進(jìn)行結(jié)合，有效的提高推薦系統(tǒng)的效率；提出了一種基于卷積神經(jīng)

本書是日本人工智能領(lǐng)域的暢銷書，作者均為模式識別領(lǐng)域的知名學(xué)者，并基于他們多年的研究、實踐經(jīng)驗和獨特的視角，從模式識別的基本概念開始，以通俗易懂的語言介紹了機器學(xué)習(xí)、識別函數(shù)設(shè)計、特征的評價、特征空間的變換、子空間法、最小二乘法等常用的模式識別基礎(chǔ)知識和算法，精心設(shè)計的習(xí)題能幫助讀者進(jìn)一步深入理解模式識別理論。在心得欄