本書的主要內(nèi)容包括：創(chuàng)建一個簡單的集群，了解Kubernetes的基本工作原理。深入了解使用Kubernetes部署應(yīng)用程序的細節(jié)。學習Kubernetes的專屬對象，如守護進程集、作業(yè)、ConfigMap以及機密等。探索如何通過部署組織應(yīng)用程序的整個生命周期。學習如何保護應(yīng)用程序部署的安全。學習部署多集群應(yīng)用程序，以

如果你的數(shù)據(jù)處理或服務(wù)器應(yīng)用程序已經(jīng)超出了單臺計算機的處理能力，那么這本書就是為你準備的。你將探索分布式處理（純Python的無服務(wù)器實現(xiàn)），并學習如何：使用RayActor實現(xiàn)有狀態(tài)應(yīng)用程序。在Ray中構(gòu)建工作流管理。將Ray用作批處理和流處理的統(tǒng)一系統(tǒng)。使用Ray進行高級數(shù)據(jù)處理。使用Ray構(gòu)建微服務(wù)。實現(xiàn)可靠的R

"本書為Web全棧開發(fā)校企“雙元”合作系列教材之一,是Web全棧開發(fā)職業(yè)技能等級證書培訓認證教材，遵循高等職業(yè)教育Web前端開發(fā)基礎(chǔ)課程的教學需求，對接金磚國家職業(yè)技能大賽中“Web技術(shù)”賽項，以課程教學標準、職業(yè)技能等級證書、職業(yè)技能大賽及職業(yè)崗位技能需求為基礎(chǔ)

本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時展現(xiàn)出了更強特征分析能力和更低計算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實證研

本書將最優(yōu)控制方法融入機器學習的研究中，創(chuàng)新地建立了一個基于最優(yōu)反饋控制在線學習框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應(yīng)學習算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學習架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問題，并且將線性問題的架構(gòu)拓展到非線性回歸與分類問題；提出了基于控制的深

本書匯集了作者在數(shù)字媒體資產(chǎn)管理領(lǐng)域多年的研究成果，主要包括數(shù)字媒體資產(chǎn)管理系統(tǒng)與相關(guān)業(yè)務(wù)流程、數(shù)字媒體資產(chǎn)價值管理與內(nèi)容產(chǎn)業(yè)價值鏈、數(shù)字媒體內(nèi)容產(chǎn)品的版權(quán)管理與定價、數(shù)字媒體內(nèi)容版權(quán)交易模式、電視劇和網(wǎng)絡(luò)電影的版權(quán)價值評估模型研究等。本書可供工商管理、數(shù)字經(jīng)濟、管理科學與工程等專業(yè)的高年級本科生和研究生作為參考書，也

本書首先梳理人臉識別的主要應(yīng)用場景及其處理的個人信息類型，并以此為基礎(chǔ)探討敏感的人臉信息被泄露、篡改、偽造和濫用所造成的隱私擔憂與安全風險，揭示科林格里奇困境。其次，對人臉識別的場景進行分類，尤其是各類場景中人臉信息的屬性，根據(jù)公共性私人性強弱可分為三級，分別是作為個人形象的強公共屬性、關(guān)聯(lián)個人身份的弱公共屬性以及體現(xiàn)

密態(tài)深度學習可以在不解密加密數(shù)據(jù)的前提下對授權(quán)用戶提供深度學習服務(wù)，并可防止非授權(quán)用戶對授權(quán)用戶的數(shù)據(jù)進行竊取與利用。該技術(shù)突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術(shù)瓶頸，實現(xiàn)了安全學習，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學習理論框架與技術(shù)方法研究為主線，從理論模型到實際應(yīng)用，系統(tǒng)闡述

隨著ChatGPT等大語言模型的迅速發(fā)展，大語言模型已經(jīng)成為人工智能領(lǐng)域發(fā)展的快車道，不同領(lǐng)域涌現(xiàn)出各種強大的新模型。開發(fā)者想要獨立構(gòu)建、部署符合自身需求的大語言模型，需要理解大語言模型的實現(xiàn)框架和基本原理。本書梳理大語言模型的發(fā)展，首先介紹Transformer模型的基本原理、結(jié)構(gòu)和模塊及在NLP任務(wù)中的應(yīng)用；然后介

本書以AI圖像生成為主線，串聯(lián)講解了StableDiffusion、DALL·E、Imagen、Midjourney等模型的技術(shù)方案，并帶著讀者訓練一個自己專屬的AI圖像生成模型。本書共6章。第1章先介紹身邊的AIGC產(chǎn)品，再講解AI圖像生成相關(guān)的深度學習基礎(chǔ)知識，包括神經(jīng)網(wǎng)絡(luò)和多模態(tài)模型的基礎(chǔ)知識。第2