本書涵蓋了Vivado的四大主題：設計流程、時序約束、設計分析和Tcl腳本的使用，結合實例深入淺出地闡述了Vivado的使用方法，精心總結了Vivado在實際工程應用中的一些技巧和注意事項，既包含圖形界面操作方式，也包含相應的Tcl命令。本書語言流暢，圖文并茂。全書共包含405張圖片、17個表格、172個Tcl腳本和39個HDL代碼，同時，本書配有41個電子教學課件，為讀者提供了直觀而生動的資料。本書可供電子工程領域內的本科高年級學生和研究生學習參考，也可供FPGA工程師和自學者參考使用。
本書由B站上的三位百萬級Up主（Genji是真想教會你、魚C-小甲魚、阿Test正經比比）聯合打造，為讀者提供了B站獨家運營秘籍。 全書總計8章。第1章重點講解B站的特點、內容推薦算法、文化、分區和會員等級，以及如何在B站注冊賬號及投稿。第2章講解在B站投稿前要知道的事兒，涉及怎樣找到自己的人設，什么是好的用戶名，如何策劃視頻選題，如何創作視頻及填寫更好的投稿信息。第3章詳細介紹B站創作中心與幫助方面的內容，涉及內容管理、數據中心、粉絲管理、互動管理、收益管理、創作成長、創作權益、必合
本書詳細解讀《信息安全技術 網絡安全等級保護安全設計技術要求》（GB/T 25070—2019）中的通用要求部分，按照理論指導實踐的原則，針對標準的具體內容，從安全需求分析、框架設計、標準解讀、安全設計技術、安全性評估等方面對標準設計原則、思想及具體的安全條款進行剖析，并給出一些經典案例。 本書可供需要依據《信息安全技術 網絡安全等級保護安全設計技術要求》開展信息系統安全設計的政府及企事業單位、系統運營使用單位、網絡安全企業、網絡安全服務機構等相關單位的IT從業人員和專業人士，需要對網絡安全等級
C++，簡單而強大，已經滲透到計算機領域的各個角落，甚至有很多中小學也開始引入C++編程課程。本書秉承有趣、有料、好玩、好用的理念，通過精心設計的漫畫，生動而有趣地講解C++編程知識。本書總計14章：第1章帶領讀者編寫第一個C++程序，初探C++編程的樂趣；第2章講解C++的語法基礎，幫助讀者建立堅實的編程基礎；第3章深入研究C++中的基本數據類型，幫助讀者更好地理解不同數據類型的特點和轉換；第4章引導讀者探索C++中的運算符，使讀者能夠進行各種數學和邏輯運算；第5章講解判斷語句，可提高程序的決
本書以C++ 14/17/20標準為指引，深入淺出地介紹了標準C++面向對象程序設計的相關知識，包括C++對C語言的擴展以及類、對象、友元、繼承、多態、虛函數、重載、I/O流類庫、文件、模板與STL、異常、多線程等內容。全書本著易于理解、實用性強的原則設計其內容和案例，并以一個規模較大的綜合性程序貫穿于C++面向對象編程的全過程，引領讀者理解和掌握面向對象程序設計的思想、方法和技術，以及運用C++設計自定義類進行軟件開發的方法。本書取材新穎，內容全面，通俗易懂，可作為高等院校計算機、電子信息類專
PowerBI中的Charticulator插件為用戶提供了生成視覺和圖形的強大功能。對初學者來說，在Charticulator插件中有無數的設置和選項可以組合在一起，它被稱為圖表世界的DAX”。本書是介紹如何在PowerBIDesktop中使用Charticulator進行自定義可視化設計的指南。跟隨本書從零基礎學起，最終讀者能夠親手設計出PowerBI原生視覺對象無法實現的、富有挑戰性并兼具酷炫視覺效果的可視化圖表。第1-3章會帶領讀者熟悉Charticulator的界面，指導讀者
本書完整講解了電商行業數據倉庫項目的構建過程，并提供了詳盡的思路分析。在整個項目構建過程中，介紹了關鍵技術框架的安裝部署流程和經典數據指標的解決方案，并在其中穿插了大數據和數據倉庫的經典理論知識。本書從邏輯上可以分為兩大部分：第一部分是第1～3章，重點講解數據倉庫的相關概念和項目需求分析，并初步介紹了數據倉庫項目所需的基本環境；第二部分是第4～8章，這一部分是數據倉庫項目構建的關鍵部分，講解了如何對海量數據進行采集、存儲和分層計算，以及如何計算得到所有的項目需求指標。本書適合具有一定編程基礎且對
用戶體驗度量對有效提升產品質量至關重要。本書詳盡地介紹如何有效且可靠地收集、分析和呈現典型的用戶體驗度量數據：操作績效(正確率等)、可用性問題(頻率和嚴重程度)、自我報告式的滿意度及生理/行為數據(眼動追蹤等)。相對第2版，本版不僅新增第8章“情感度量”，還引入許多新的度量指標，如AttrakDiff、Kano方法、Google的HEART框架、新的Bentley體驗記分卡等，全面更新用戶體驗度量的相關案例。
本書系統介紹了基于agent的系統仿真，并使用仿真軟件NetLogo進行實踐，通過大量的案例，使讀者全面學習和快速掌握基于agent的建模技術。
本書采用機器學習方法，較少關注語言細節，在統一的框架下為自然語言處理開發了基本的數學和深度學習模型，并根據其機器學習性質系統地組織NLP問題，包括分類、序列標記和序列到序列的問題。本書所涵蓋的主題包括：統計機器學習和深度學習模型，文本分類和結構化預測模型，生成和判別模型，帶有潛在變量的有監督模型和無監督模型。
新書資訊 新書推薦