带有Node.js 10的RESTful Web API设计-第三版 这是发行的的代码存储库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 本书面向希望通过学习如何基于Node.js平台开发可扩展的服务器端RESTful应用程序来丰富其开发技能的开发人员。 您还需要了解HTTP通信概念，并且应该对JavaScript语言有一定的了解。 请记住，这不是一本会教您如何使用JavaScript编程的书。 了解REST将是一个额外的优势，但绝对不是必需的。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： router.get('/v1/item/:itemId', function(request, response, next) { console.log(request.url + '

QGIS-Python-编程菜谱-第二版 这是Packt出版的《 （第二版）一书的代码存储库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 QGIS是一个桌面地理信息系统，可以方便地查看，编辑和分析数据。 与最有效的脚本语言Python结合使用，我们可以编写有效的脚本来扩展QGIS的核心功能。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： import os os.getcwd() 使用以下软件和硬件列表，您可以运行本书中存在的所有代码文件（第1-9章） 软件和硬件列表 章节 所需软件 需要操作系统 1-9 QGIS 2.18 Windows，Mac OS X，BSD和Linux（任何） 1个 IBM Java 8开发套件 Windows，M

Packt.Qt.5.and.OpenCV.4.Computer.Vision.Projects.2019.epub

Software-Defined Networking (SDN) with OpenStack-Packt Publishing(2016)

使用IBM QX掌握量子计算 这是Packt发布的“ 的代码库。 通过在IBM QX上实现量子程序来学习量子计算，并处于下一轮计算革命的最前沿 这本书是关于什么的？ 量子计算将颠覆整个行业。 IBM Research首次向公众公开了量子计算，从而可以从任何台式机或移动设备对IBM QX进行云访问。 本书配有最先进的实用示例，可​​帮助您了解量子计算在现实世界中的强大功能。 本书涵盖以下激动人心的功能： 研究量子计算的核心概念和原理 发现可以应用量子原理的领域 具有量子逻辑的设计程序 了解量子计算机如何执行计算 与包括Shor算法和Grover算法在内的关键量子计算算法一起工作，具有分析行业中量子计算潜力的能力 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 例如，Chapter01。 该代码将如下所示： from qiskit.tools.vis

全栈React，TypeScript和Node 这是Packt发布的的代码存储库。 使用带有Hooks和GraphQL的React 17构建可用于云的Web应用程序 这本书是关于什么的？ 本书采用动手方法来实现现代Web技术以及用于构建全栈应用程序的相关方法。 您将首先对TypeScript以及如何使用它来构建高质量的Web应用程序有深入的了解。 接下来的各章将使用新的Hooks API和Redux深入研究React的客户端开发。 接下来，您将掌握Express的服务器端开发，包括使用基于Redis的会话进行身份验证以及使用TypeORM访问数据库。 然后，这本书将向您展示如何使用Apollo GraphQL为您的全栈应用程序构建Web服务。 稍后，您将学习如何构建GraphQL模式，以及如何使用Hooks将它们与React集成。 最后，您将重点介绍如何使用AWS云将应用程序部署到N

Packt.Hands-On.Microservices.with.Rust.1789342759.epub

使用Python的强化学习算法 这是Packt发行的《 的代码库。 学习，理解和开发用于应对AI挑战的智能算法 这本书是关于什么的？ 强化学习（RL）是AI的流行和有前途的分支，涉及制作更智能的模型和代理，这些模型和代理可以根据不断变化的需求自动确定理想的行为。 本书将帮助您掌握RL算法并在构建自学习代理时了解其实现。 本书首先介绍了在RL环境中工作所需的工具，库和设置，然后介绍了RL的组成部分，并深入研究了基于价值的方法，例如Q学习和SARSA算法的应用。 您将学习如何结合使用Q学习和神经网络来解决复杂的问题。 此外，在继续使用DDPG和TD3确定性算法之前，您将研究策略梯度方法TRPO和PPO，以提高性能和稳定性。 本书还介绍了模仿学习技术的工作原理以及Dagger如何教代理人驾驶。 您将发现进化策略和黑盒优化技术，并了解它们如何改善RL算法。 最后，您将掌握诸如UCB和UCB1

“The ultimate guide to using Python to explore the true power of neural networks through six projects”

动手人工智能实现网络安全 这是Packt发布的《 的代码库。 实施智能AI系统以防止网络攻击并检测威胁和网络异常 这本书是关于什么的？ 如果您希望使用流行的AI工具和技术来设计智能，防威胁的网络安全系统，那么本书非常适合您。 通过本书，您将学习开发可以检测可疑模式和攻击的智能系统，从而保护您的网络和公司资产。 本书涵盖以下激动人心的功能： 使用AI检测电子邮件威胁，例如垃圾邮件和网络钓鱼 分类APT，零时差和多态恶意软件样本 克服威胁检测中的防病毒限制 通过机器学习预测网络入侵并检测异常 通过深度学习验证生物认证程序的强度 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 例如， 该代码将如下所示： In [ ]: from sklearn.decomposition import PCA pca = PCA(n_components=2)