测试设计思想

最新上架

• 测试设计思想

  测试设计思想是本书的主题。针对测试的两个基本目的和五个基本问题，本书归纳了八类测试设计思想，即系统的思想、枚举的思想、准则化的思想、多样化的思想、统计的思想、冗余的思想、推理的思想、控制的思想。围绕每一类思想，本书深入讲解来自不同领域的测试设计方法、实践及理念，借此剖析如何依据该思想缓解测试的基本问题。了解这些思想，有助于读者奠定扎实的测试理论基础，适应当代研发生产活动多学科交叉、多领域融合的发展

  周海旭编著计算机20.4万字
• 重构知识：在线知识传播的疆域、结构与机制

  《重构知识：在线知识传播的疆域、结构与机制》旨在探究社会化媒体知识分享平台的知识分享行为规律、知识疆域结构特征、知识构建的动力机制以及知识普惠的技术实现。依托于当前人文社会科学新文科建设总体要求，本书基于传播学理论视野，利用信息科学计算技术，结合复杂网络分析框架，致力于解决当前传播学现实问题。具体而言，本研究旨在探究基于互联网技术的知识传播，提高知识传播效率，推进知识普惠，探究信息技术能够惠及广泛

  张伦 李永宁计算机11.1万字
• 会员

  决策算法

  本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括精确信念状态规划、离线信念状态规划、在线信念状态规划等；最后讨论多智能体系统，涉及多智能体推理和协作智能体等。本书

  (美)米凯尔·J.科申德弗 (美)蒂姆·A.惠勒 (美)凯尔·H.雷计算机25.7万字
• WPS Office高级应用与设计标准教程（计算机等级考试二级·实战微课版）

  本书以理论为基础，以应用为导向，用大量的实例对WPS文字处理、电子表格、演示文档三大板块进行全面讲解。全书共12章，主要内容包括WPS综合应用基础、PDF文件的查看及处理、常规文档的创建和编辑、长文档的高效编排、文档的校对与批量处理、WPS制表入门操作、公式与函数的应用、图形和图表的应用、对数据进行处理与分析、基本演示文稿的创建、动态交互式演示文稿的创建、演示文稿的放映与输出等。知识点全面覆盖《全

  韩丽 张旭编著计算机9.3万字
• 网络安全技术标准教程（实战微课版）

  本书以网络安全为主线，对计算机网络安全所面对的各种威胁、表现形式、解决技术、应对方案等知识进行讲解，让读者全面掌握网络安全技术的应用方法和防范措施。全书共10章，内容包括计算机网络安全概述、网络模型中的安全体系、常用渗透手段及防范、病毒与木马的防范、加密与解密技术、局域网与网站安全、身份认证及访问控制、远程控制及代理技术、灾难恢复技术等。在正文讲解过程中，穿插了知识点拨注意事项动手练等板块，以助读

  钱慎一 徐明明编著计算机12.3万字
• 深度强化学习：算法原理与金融实践入门

  深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（D

  谢文杰 周炜星编著计算机16.9万字
• 人工智能数学基础

  本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。全书分为4篇，共19章：微积分篇（第1～5章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第6～10章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统

  陆伟峰 谷瑞主编计算机8.5万字
• 偏最小二乘法优化及其在中医药领域的应用研究

  本书内容是在充分利用偏最小二乘原理优势的基础上，重点研究改进与优化偏最小二乘的不足方面，使其更好地适应中医药数据分析。主要内容包括分别引入非径向数据包络分析和降噪稀疏自编码器优化偏最小二乘的噪声处理，使其处理缺失值和噪声更有效；分别引入特征相关、L1正则项和灰色关联优化偏最小二乘的特征提取，实现有效降维和提取特征子集；分别融合受限玻尔兹曼机、稀疏自编码器、深度置信网络提取非线性成分，优化偏最小二乘

  杜建强 聂斌 熊旺平计算机10.5万字
• 细说机器学习：从理论到实践

  《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K

  凌峰编著计算机17.6万字