深入理解Linux程式設計：從應用到核心 (1版)

類似書籍推薦給您

書名：深入理解LINUX程式設計：從應用到核心 出版社：碁峰 出版年月：201706 條碼：9789864764167 內容簡介 ‧應用程式設計與核心實作相互結合 ‧幫助開發人員深入核心，解析Linux介面工作原理，掌握Linux系統運行機制 《Advanced Programming Unix Environment》(簡稱APUE)幾乎是Linux領域程式師人手必備的一本書，但在掌握和理解APUE的內容後，又該如何繼續提升自己的技能，如何更深入地理解Linux環境程式設計及其背後的工作機制呢？本書將從全新角度帶領讀者重新進入Linux環境程式設計，從應用出發，深入核心原始碼，研究Linux各介面的工作機制和原理，讓讀者不僅知其然，亦知其所以然。作為Linux開發工程師，若能掌握Linux應用層開發，同時熟悉Linux核心原始碼，在Linux環境下設計開發任何產品都將游刃有餘，穩定且高效。 本書是二位Linux技術專家多年開發經驗的總結和分享，是將Linux應用層與核心層結合的技術圖書，選擇這種寫作方式是為了向APUE作者致敬。本書涵蓋APUE中大部分章節的內容，並針對Linux環境，根據作者多年經驗，詳細解析Linux常用介面的使用方法和陷阱。為了讓讀者更清楚地理解介面的工作原理，對於絕大部分介面，作者都深入C函式庫或核心原始碼進行全面分析。希望本書可以幫助讀者打通Linux環境的應用和核心兩條脈絡，使兩條線融會貫通，進一步提高開發水準。 作者介紹 作者簡介 高峰 北京理工大學通信與資訊系統專業碩士學位。畢業後在A10 Networks公司工作六年多，任職Staff Software Engineer，目前在創業公司全訊彙聚(愛快路由)擔任技術總監。多年來一直專注於網路領域，熟悉Linux核心、應用及服務端的設計、開發和架構，對TCP/IP網路通訊協定有深刻的認識和理解。編碼功力深厚，知識領域廣博，擅長產品的性能改進和優化調整。撰寫過大量技術文章，並為多個知名開源專案貢獻過程式碼。 李彬 東南大學信號與資訊處理專業碩士。畢業後先後任職中興通訊、趨勢科技，目前在儲存公司Bigtera擔任SEG部門技術負責人。一直專注於Linux平台下的開發，多年分散式儲存設備開發經驗，熟悉Linux核心，程式設計基本功扎實，對性能優化、bug定位有異乎尋常的愛好，屬於“絕不放棄型”研發工程師。喜歡技術分享和交流，在社群和公司內部分享過大量技術文章。 目錄 Chapter 0 基礎知識 Chapter 1 檔案 I/O Chapter 2 標準 I/O 函式庫 Chapter 3 行程環境 Chapter 4 行程控制：行程的一生 Chapter 5 行程控制：狀態、排程和優先權 Chapter 6 信號 Chapter 7 理解 Linux 執行緒(1) Chapter 8 理解 Linux 執行緒(2) Chapter 9 行程間通信：管線 Chapter 10 行程間通信：System V IPC Chapter 11 行程間通信：POSIX IPC Chapter 12 網路通信：連接的建立 Chapter 13 網路通信：資料報文的發送 Chapter 14 網路通信：資料報文的接收 Chapter 15 編寫安全無錯程式碼

精確掌握 AI 大趨勢！深度學習技術解密：日本 AI 神人，帶你正確學會從機器學習到生成式 AI 的核心基礎 (1版)

類似書籍推薦給您

【簡介】 ▍專業推薦 (依姓名筆劃排列) 王道維｜國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任 林筱玫｜台灣人工智慧協會執行長 劉育維｜人工智慧解決方案專家暨網路作家 ▍獨角獸新創公司 Preferred Networks 創辦人 ▍2022 年日本「現代の名工」獲獎者 ▍閱讀千篇論文的深厚學識精華 ✧✦AI 神人親自講解深度學習的技術奧秘！✦✧ 千變萬化的 AI 應用，核心都是「深度學習」。 掌握深度學習，才能迎接 AI 世代的新挑戰！ 【基礎概念：深度學習的特色、與機器學習的不同】 認識機器學習的不同類型，詳細瞭解神經網路、特徵學習、反向傳播，如何使深度學習脫穎而出。 【發展進化：正規化層、跳躍連接、注意力單元】 深入解說這三項核心技術的數學原理，認識深度學習克服各種困難、大幅進化的歷程。 【實際應用：影像辨識、語音辨識、自然語言處理】 綜合以上基礎，說明深度學習從輸入到輸出完整執行實際任務的過程，以及各種基礎技術在不同應用領域所擔任的重要角色。 【技術回顧：AI 發展的坎坷與突破】 早在 1956 年提出的 AI，為何數十年間乏人問津？深度學習又是如何重燃 AI 的火種？回顧 AI 發展，更能洞察未來方向。 ★特別收錄：精選基礎數學★ 把學校的數學課忘光了也不用怕！附錄彙整深度學習的必要數學知識，有疑問隨時翻閱，回頭立刻跟上大師講解。 本書不含： ✗走馬看花的簡略介紹 ✗只用大量文字描述數學概念 ✗只挑知名的技術做單元介紹 本書注重： ✓各技術運作方式的詳盡解說與參考文獻 ✓大量圖片表達技術要旨、實際數學式演示過程 ✓各技術發展背景與傳承脈絡，描繪深度學習的改革史 ✧✦探索 AI 奧祕絕不該錯過的精采好書！✦✧ 本書特色: ◆難度由淺入深，從基礎數學開始紮穩根基 書中數學式從符號開始一一解說，各種計算及推導都仔細說明，書末更附上基礎數學補充，數學課忘光也不怕 ◆核心關鍵技術一網打盡，完整掌握深度學習 學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋 ◆插圖、文字、數學式，三管齊下詳盡講解 - 以圖示勾勒整體概念 - 以文字解構問題並說明思路 - 以數學式演示技術流程 3 方向完整拆解、充分理解，讀懂原理不必再囫圇吞棗 ◆從背景到傳承，清楚描繪技術發展脈絡 偉大的技術，即是解決過去的問題，並提出未來的問題；本書清楚描繪核心技術環環相扣的進化史，更能展望 AI 未來的新發展 【目錄】 第 1 章 深度學習與人工智慧 為何深度學習能夠成功 1.1 何謂深度學習？什麼是人工「智慧」？ 1.2 深度學習迅速發展的背景 1.3 深度學習的計算資源 1.4 人工智慧的歷史 1.5 未來將如何應用深度學習？ 1.6 本章小結 第 2 章 機器學習入門 何謂電腦的「學習」？ 2.1 機器學習的背景知識 2.2 模型、參數與資料 2.3 普適能力 — 能否處理未知資料？ 2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習 2.5 問題設定的分類學 2.6 機器學習的基本 — 了解機器學習的各種概念 2.7 以機率模型理解機器學習 2.8 本章小結 第 3 章 深度學習的技術基礎 組合資料轉換的「層」實現特徵學習的效果 3.1 特徵學習 — 「標示特徵」的重要性及挑戰 3.2 深度學習的基礎知識 3.3 神經網路是什麼樣的模型？ 3.4 神經網路的學習 3.5 反向傳播 — 有效率地計算梯度 3.6 神經網路的主要組成元素 3.7 本章小結 第 4 章 深度學習的發展 改善學習與預測的正規化層╱跳躍連接╱注意力單元 4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數 4.2 正規化層 4.3 跳躍連接 4.4 注意力單元 — 根據輸入，動態改變資料傳遞方式 4.5 本章小結 第 5 章 深度學習的應用技術 大幅進化的影像辨識、語音辨識、自然語言處理 5.1 影像辨識 5.2 語音辨識 5.3 自然語言處理 5.4 本章小結 附錄 精選基礎 深度學習所需的數學概念 A.1 線性代數 A.2 微分 A.3 機率