美國國家書卷獎當爸媽過了65歲張忠謀村上春樹韓江蔡康永讀冊選讀聯經暢銷66折起長期買進不婚孫翠鳳心靈工坊全書系屁屁偵探神奇柑仔店最透明的故事假仙女絕望者之歌

演算法的樂趣 (二手書)

作者:

王晓华

出版日期:2015-03-01
出版社:N/A
二手書交易資訊
  演算法之大,大到可以囊括宇宙萬物的運行規律;演算法之小,小到寥寥數行代碼即可展現一個神奇的功能。演算法的應用和樂趣在生活中無處不在:  曆法和二十四節氣計算使用的是霍納法則和求解一元高次方程的牛頓 ...

演算法的樂趣:23個程式設計必學主題與應用實例 (二手書)

作者:王曉華
出版日期:2015-10-02
出版社:碁峰資訊
二手書交易資訊
‧一本書玩透演算法,盡享演算法的箇中趣味‧涵蓋常用演算法結構與應用在日常生活中演算法的應用處處可見,只是我們都忽略了它們在背後運作及協助。對於想要讓程式設計的實作與應用更上層樓,理解與活用演算法是不可 ...

學Hadoop永遠都不遲:從MapReduce到YARN的演化 (二手書)

作者:王曉華
出版日期:2016-03-25
二手書交易資訊
Hadoop是一種分散式資料和計算的框架,在巨量資料處理中應用非常廣泛。MapReduce是一種程式設計模型,Hadoop正是以MapReduce作為核心程式設計模型的。本書深入淺出、有系統地透過非技 ...

最新Hadoop Yarn的精華:MapReduce機制 (二手書)

作者:王曉華
出版日期:2014-12-26
二手書交易資訊
Hadoop是一種分散式資料和計算的框架,在巨量資料處理中應用非常廣泛。MapReduce是一種程式設計模型,Hadoop正是以MapReduce作為核心程式設計模型的。本書深入淺出、有系統地透過非技 ...

1901-1949中華民國之謎 (二手書)

作者:王曉華
出版日期:2006-10-05
二手書交易資訊
. ...

MapReduce:Hadoop高手的鐵人之路

作者:王曉華
出版日期:2017-11-13
二手書徵求
Hadoop是一種分散式資料和計算的框架,在巨量資料處理中應用非常廣泛。MapReduce是一種程式設計模型,Hadoop正是以MapReduce作為核心程式設計模型的。本書深入淺出、有系統地透過非技 ...

大數據的下一步:Spark MLlib機器學習實戰技巧大公開

作者:王曉華
出版日期:2018-07-31
二手書徵求
本書特色❑ 從應用實作出發:儘量避免純粹的理論知識介紹和高深技術研討,用最簡單的、典型的範例引伸出核心知識,最後還指出通往「高精尖」進一步深入學習的道路。❑ 系統介紹MLlib全貌:全面介紹了MLli ...

民國十大軍閥 (二手書)

作者:王曉華
出版日期:2005-12-01
二手書交易資訊
. ...

最新Hadoop Yarn的精華:MapReduce機制 (二手書贈品)

作者:王曉華
出版日期:2014-12-26
二手書贈品
. ...

蔣介石的六面謎雲 (二手書)

作者:王曉華
出版日期:1995-12-01
出版社:台灣先智
二手書交易資訊
. ...

民國對聯中的人與事兒 (二手書)

作者:王曉華
出版日期:2011-04-01
二手書交易資訊
民國時期的對聯從一個側面反映了當時社會的文化與精神面貌,是文與史的結晶。因此無論是撰者還是被撰者,都是以史實為依據的,同樣也深深地打上了他們的文化印記,從一個側面反映了當時社會事件與人物的文化,是研究 ...

演算法的樂趣:23個程式設計必學主題與應用實例 (二手書贈品)

作者:王曉華
出版日期:2015-10-02
出版社:碁峰資訊
二手書贈品
. ...

孫傳芳一生

作者:王曉華
出版日期:2020-03-01
出版社:團結出版社
本書濃筆重彩, 極為傳神地勾勒了孫傳芳的人生道路, 文字通俗曉暢, 引用史料豐富, 歷史照片生動, 足以使讀者加深認識北洋時期軍閥混戰的20世紀二三十年代中國的歷史風雲。孫傳芳是北洋時期的將領, 靠著 ...

Tensorflow接班王者:Google JAX深度學習又快又強大

作者:王曉華
出版日期:2023-01-18
▶▶▶ 從深度學習的基礎知識到案例,快速掌握JAX深度學習框架!本書為繁體版第一本的JAX全方位指南!JAX是一個用於高性能數值計算的工具,專門為深度學習領域所設計。本書從基礎概念開始談起,教導讀者在 ...

國民黨十大上將秘密檔案 (二手書)

出版日期:2006-11-05
二手書交易資訊
國民黨十大上將軍海沉浮大揭密 本書精心挑選國民政府授銜的上將者中出類拔萃者。三民主義是他們的理想,追隨國父是他們的初衷,從推翻帝制、建立共和一路走來,他們始終如一,卻在國共合作後同室操戈,各有不同的人 ...


您對於搜尋結果是否滿意?
太好了!感謝您的回饋!
感謝您的建議!我們會持續提供更好的搜尋服務!
很抱歉沒能幫上忙 :( 我們應如何改進呢?