Python machine learning

本書將複雜網絡理論與算法實現相結合，深入淺出地介紹了網絡數據挖掘和網絡模擬中的物理機制和相關算法，然後通過Python語言中的NetworkX和igrap加以實現，最後對所得結果進行了分析和討論。全書共12章，分別介紹圖論基礎、網絡基本拓撲特性、節點重要性、社團探測、鏈路預測、網絡生成模型、滲流相變和網絡魯棒性、Ising模型和網絡博弈、網絡傳播、網絡上的混沌同步、隨機遊走與node2vec模型和圖表示學習等知識。本書主要面向廣大從事複雜系統與複雜網絡、網絡科學與工程、社交網絡分析、網絡數據挖掘或圖神經網絡的專業人員，從事高等教育的專任教師，高等學校的學生及相關領域的廣大科研人員。

本書旨在幫助讀者掌握在Python和統信UOS環境下，Web應用開發與安全防護的核心技能。本書內容廣泛，涵蓋前端、後端開發技術，以及Web應用安全與防護等多方面。第1篇為前端開發基礎:介紹HTML、CSS和JavaScript的基礎知識，為Web應用開發奠定基礎。第2篇為後端開發基礎:講解Python基礎及Flask框架的使用，幫助讀者搭建Web應用開發環境。第3篇為Web應用安全與防護:分析常見威脅(如SQL注入攻擊、XSS攻擊)，介紹統信UOS環境下的防護措施和HTTPS配置，以及Web信息收集與漏洞分析，並提供IP地址查詢、子域名挖掘等實例，支持實際安全評估與防護。本書內容翔實，實例豐富，提供源代碼、在線擴展閱讀資源及PPT課件，適合作為高等學校網絡安全相關專業教材或網絡安全領域技術愛好者的自學用書，可幫助讀者提升Web應用安全防護能力。

《數位影像處理實踐——基於Python》秉承理論結合實踐的教學理念，旨在通過系統且深入的內容，説明讀者快速掌握數位影像處理的核心技術，為未來的工作、科研或深造奠定堅實基礎。本教材共分10章，主要內容涵蓋了數位圖像的基本概念、數位影像處理的重要意義以及當前常用的處理工具，並介紹了Python在數位影像處理中的應用、圖像的基本運算、圖像變換領域，以及圖像增強技術、圖像復原技術、圖像壓縮編碼技術、圖像分割技術、彩色影像處理技術、圖像表示與描述技術等。本教材以實戰為導向，每章均配有大量可執行的代碼與實例演示，確保讀者能夠邊學邊做，快速掌握數字影像處理的精髓。本教材內容全面，層次分明，不僅適合作為應用型本科生的教材使用，也適合作為數位影像處理領域其他初學者的自學參考書。

《強化學習基礎、原理與應用》循序漸進地講解了使用Python語言實現強化學習的核心算法開發的知識，內容涵蓋了數據處理、算法、大模型等知識，並通過具體實例的實現過程演練了各個知識點的使用方法和使用流程。《強化學習基礎、原理與應用》共分為17章，主要內容包括強化學習基礎、馬爾可夫決策過程、蒙特卡洛方法、Q-learning與貝爾曼方程、時序差分學習和SARSA算法、DQN算法、DDQN算法、競爭DQN算法、REINFORCE算法、Actor-Critic算法、PPO算法、TRPO算法、連續動作空間的強化學習、值分布式算法、基於模型的強化學習、多智能體強化學習實戰：Predator-Prey 遊戲及自動駕駛系統。本書內容簡潔而不失技術深度，以極簡的文字介紹了複雜的案例，易於閱讀和理解。《強化學習基礎、原理與應用》適用於已經瞭解Python語言基礎語法的讀者，想進一步學習強化學習、機器學習、深度學習及相關技術的讀者，還可作為大專院校相關專業的師生用書和培訓機構的教材使用。

Longlisted for the 2024 Financial Times Book of the Year. How life and the economy became a black box--a collection of systems no one understands, producing outcomes no one likes. Passengers get bumped from flights. Phone menus disconnect. Automated financial trades produce market collapse. Of all the challenges in modern life, some of the most vexing come from our relationships with automation: a large system does us wrong, and there's nothing we can do about it. The problem, economist Dan Davies shows, is accountability sinks: systems in which decisions are delegated to a complex rule book or set of standard procedures, making it impossible to identify the source of mistakes when they happen. In our increasingly unhuman world--lives dominated by algorithms, artificial intelligence, and large organizations--these accountability sinks produce more than just aggravation. They make life and economy unknowable--a black box for no reason. In The Unaccountability Machine, Davies lays bar

A HUMAN-CENTERED APPROACH TO ARTIFICIAL INTELLIGENCE WILL ENSURE HUMAN CONTROL OVER POWERFUL AND HELPFUL FUTURE MOBILE DEVICES AND SERVICESResearchers, developers, business leaders, policy makers, and others are expanding the technology-centered scope of artificial intelligence (AI) to include human-centered AI (HCAI) ways of thinking. This expansion from an algorithm-focused view to embrace a human-centered perspective can shape the future of technology to better serve human needs. The remarkable progress in algorithms for machine and deep learning have opened the doors to new opportunities, and some dark possibilities.However, as many technology companies and thought leaders have said, the goal is not to replace people, but to empower them by making design choices that give humans control over technology. In Human-Centered AI, Professor Ben Shneiderman aims to produce an optimistic, realistic, guide to how artificial intelligence can be used to augment and enhance humans' lives. This

Models and Applications of Tourists' Travel Behavior provides an overview of all possible approaches to modeling tourists' travel behavior, helping readers decide which theoretical approach should be chosen depending on the available type of data. It focuses on the connection between traditional travel behavior theories and tourist studies and introduces specific tourist contexts in travel demand modelling. It goes beyond the theoretical background of tourist travel behavior modeling and offers a practical understanding for choosing the right model and sourcing the right data. The book begins with the role of transport in tourist' travel behavior, then employs a literature review to establish the necessary background on the topic. It then goes on to describe theoretical approaches, descriptive approaches, and statistical approaches for modelling. It discusses choice models based on both Stated Preference Data and Revealed Preference Data. It concludes with chapters on machine learning

全書內容劃分為基礎知識、各種黑客攻擊技術、黑客攻擊學習方法三部分。基礎知識部分主要介紹各種黑客攻擊技術、計算機基礎知識以及Python基本語法；第二部分講解各種黑客攻擊技術時，具體劃分為應用程序黑客攻擊、Web黑客攻擊、網絡黑客攻擊、系統黑客攻擊等；最後一部分給出學習建議，告訴大家如何才能成為頂尖黑客。

本書向讀者展示如何利用編程來讓數學學習變得有意義並且充滿樂趣。讀者在探索代數學、幾何學、三角學、矩陣和元胞自動機等領域的關鍵數學概念時，將學會在Python語言的幫助下使用代碼可視化一系列數學問題的解決方案。讀完本書，讀者還可以編寫自己的程序來快速解方程，自動完成一些煩瑣的任務，以及編寫函數來繪製和操作形狀，等等。

編程是一項充滿樂趣的挑戰，想上手非常容易！在本書中，沃倫和卡特父子以親切的筆調、通俗的語言，透徹、全面地介紹了計算機編程世界。他們以簡單易學的Python語言為例，通過可愛的漫畫、有趣的示例，生動地介紹了變量、循環、輸入和輸出、數據結構以及圖形用戶界面等基本的編程概念。與第2版不同，第3版的示例使用Python3而不是Python2，另外添加了關於網絡的新內容。只要懂得計算機的基本操作，任何人都可以跟隨本書，由簡入難，學會編寫Python程序，甚至製作遊戲。

Max Meow 1: Cat Crusader (graphic novel)Max Meow 2: Donuts and Danger (graphic novel)Max Meow 3: Pugs from Planet X (graphic novel)Max Meow 4: Taco Time Machine (graphic novel)Max Meow 5: Attack of the ZomBEES (graphic novel)Max Meow 6: When Pancakes Go Bad (Really Bad!)(graphic novel)

本書由流行深度學習框架Keras之父弗朗索瓦·肖萊執筆，通過直觀的解釋和豐富的示例幫助你構建深度學習知識體系。作者避免使用數學符號，轉而採用Python代碼來解釋深度學習的核心思想。全書共計14章，既涵蓋了深度學習的基本原理，又體現了這一迅猛發展的領域在近幾年裡取得的重要進展，包括Transformer架構的原理和示例。讀完本書後，你將能夠使用Keras解決從計算機視覺到自然語言處理等現實世界的諸多問題，包括圖像分類、圖像分割、時間序列預測、文本分類、機器翻譯、文本生成等。

本書以實踐為宗旨，對數據挖掘進行了詳細地入門引導。本書囊括了比賽結果預測、電影推薦、特徵提取、好友推薦、破解驗證碼、作者歸屬、新聞聚類等大量經典案例，並以此為基礎提供了大量練習和額外活動。在練習中，本書介紹了數據挖掘的基本工具和基本方法；在額外活動中，本書為深入瞭解數據挖掘指明了方向。本書適合希望應用Python進行數據挖掘的程序員閱讀。

數據是非常重要的資產，是“數字經濟”時代的核心生產要素。本書主要面向財經類等非大數據技術、計算機科學與技術等專業的學生，旨在培養學生大數據處理能力。本書重點講解 MySQL 數據庫基礎、Python 程序基礎、浪潮可視化大數據三大核心內容，根據崗位典型工作任務，MySQL 數據庫重點講解庫表操作、結構化查詢部分，Python 重點講解數據采集、數據整理與數據分析部分，同時拓展浪潮可視化數據處理應用。本書以企業真實項目為例講解大數據基礎知識、主流大數據分析工具與方法，以及浪潮可視化大數據分析工具等。本書共 6 個項目，分別是認知大數據系統、MySQL 數據庫設計、MySQL 數據查詢操作、Python 應用基礎、Python 數據處理與浪潮可視化大數據分析工具應用。本書選擇商業案例進行講解，內容新穎，講解透徹。本書不僅可作為高等職業院校相關專業的教材，也可作為廣大數據處理研究人員和從業人員學習和參考書。

本書介紹了如何利用 Python 3 開發網絡爬蟲。本書為第 2 版，相比於第 1 版，為每個知識點的實戰項目配備了針對性的練習平臺，避免了案例過期的問題。另外，主要增加了異步爬蟲、JavaScript 逆向、App 逆向、頁面智能解析、深度學習識別驗證碼、Kubernetes 運維及部署等知識點，同時也對各個爬蟲知識點涉及的請求、存儲、解析、測試等工具進行了豐富和更新。本書適合Python 程序員閱讀。

代碼和數學是相知相惜的好夥伴，它們基於共同的理性思維，數學公式的推導可以自然地在編寫代碼的過程中展開。本書帶領程序員使用自己熟知的工具，即代碼，來理解機器學習和遊戲設計中的數學知識。通過Python代碼和200多個小項目，讀者將掌握二維向量、三維向量、矩陣變換、線性方程、微積分、線性回歸、logistic回歸、梯度下降等知識。

本書以深度學習框架PyTorch為基礎，介紹機器學習的基礎知識與常用方法，全面細緻地提供了基本機器學習操作的原理和在深度學習框架下的實踐步驟。全書共16章，主要分別介紹了深度學習基礎知識、深度學習框架及其對比，機器學習基礎知識，深度學習框架基礎，Logistic回歸，多層感知器，計算機視覺，自然語言處理以及8個實戰案例。本書將理論與實踐緊密結合，相信能為讀者提供有益的學習指導。?? 本書適合Python深度學習初學者、機器學習算法分析從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

本書基於Python 3.8，採用理論與項目結合的方式全面介紹Flask 2.0框架的相關知識。全書共10章，其中第1～5章針對Flask框架的基礎知識進行講解，包括認識Flask、路由、模板、表單與類視圖、數據庫操作；第6～10章介紹智能租房項目的完整開發過程，有助於讀者加深對Flask框架基礎知識的理解，提高靈活使用Flask框架開發Web應用程序的能力。本書附有教學PPT、教學設計、教學大綱、源代碼等資源。為幫助初學者更好地學習書中的內容，本書還提供在線答疑，希望能得到更多讀者的關注。

“圖像處理”和“計算機視覺”課程是人工智能專業的必修課，是計算機、智能科學、電子信息、軟件工程等專業的選修課。OpenCV 是一個開源的計算機視覺庫，高效地實現了大量圖像處理和計算機視覺算法。本書基於成熟的 OpenCV 庫，採用 Python 語言，通過大量的實際應用案例，介紹圖像處理和計算機視覺算法。書中的案例以最近幾年的最新科研進展為主，如人臉識別、目標跟蹤、二維碼識別、手勢識別等。讀者通過這些實用案例可以快速透徹理解算法理論，同時提高將理論應用於實踐的能力。本書提供配套的源碼，方便讀者學習實踐。本書可作為“圖像處理”和“計算機視覺”課程的教材，適合圖像處理領域的師生、從業人員、OpenCV 初學者參考，也適合有一定 Python 語言基礎的讀者進階學習。

本書是一本概率編程的入門書。本書使用概率編程庫 PyMC3以及可視化庫 ArviZ對貝葉斯統計分析的相關知識進行講解，包括概率思維、概率編程、線性回歸建模、廣義線性模型、模型比較、混合模型、高斯過程以及推斷引擎等知識。全書圖文並茂，通俗易懂，適合具備一定 Python基礎的讀者學習使用。學完本書，讀者可以利用概率思維建立貝葉斯模型並解決自己的數據分析問題。

全書共分為10章，第1～2章介紹了數據科學的基礎知識以及數據科學所涉及的各項技術；第3～5章涵蓋了Python的語法基礎，函數、模塊與組合數據類型，文件讀寫；第6章介紹了網絡爬蟲的數據采集及方法；第7～8章重點介紹了數據分析過程中的兩個重要模塊：numpy和pandas；第9章介紹了數據可視化與應用；第10章結合之前的內容，以一個綜合案例進行了實戰分析。本書配有電子課件、電子教案、教學大綱、習題答案、模擬試卷及答案等教學和學習資料（部分資料僅限用書教師下載），索取方式參見書末的“更新勘誤表和配套資料索取示意圖”。本書適合作為經濟管理類專業數據科學與Python語言入門的教材，特別適合工商管理、經濟學、電子商務等專業的學生學習。

本書在選材和編排上，貼近當前普通高等院校“數據結構”課程的現狀和發展趨勢，符合新的研究生考試大綱，內容難度適中，突出實用性和應用性。全書共8章，包括緒論，線性表，棧和隊列，串、數組和廣義表，樹和二叉樹，圖，查找，排序。全書採用類Python語言作為數據結構和算法的描述語言。為方便讀者學習，編者專門為書中每個算法製作了算法演示動畫，此外，本書還提供了多媒體課件、教學大綱、源代碼等配套資源。本書可作為普通高等院校計算機和信息技術相關專業“數據結構”課程的教材，也可供從事計算機工程與應用工作的科技工作者參考。

本書使用Python的機器學習算法庫Scikit-learn講解機器學習重要算法的應用，內容包括機器學習認知、數據預處理、KNN算法、線性回歸算法、邏輯回歸算法、樸素貝葉斯算法、決策樹與隨機森林、支持向量機SVM、k-means聚類算法、神經網絡、模型評估與優化。 本書使用通俗易懂的語言、豐富的圖表和大量的案例對機器學習的算法進行講解，提供了一條從實踐出發掌握機器學習知識的途徑，即使沒有很強的數學基礎也可快速入門，大大降低了學習門檻。本書是項目驅動活頁式教材，算法原理講解深入淺出、實踐案例豐富，配套課件、實踐案例、習題等課程資源豐富，並融入了課程思政內容。

本書以Jupyter Notebook為主要開發工具，全面地介紹數據預處理的相關知識。全書共分8章，內容分別為初識Python數據預處理、數據獲取與存儲、數據清洗、數據集成、數據變換、數據規約、綜合實戰：家用熱水器用戶行為分析以及兩個綜合實戰項目。每個章節均配置了豐富的示例或案例，通過本書的學習，讀者可以充分理解常用數據預處理方法的精髓、掌握具體技術細節，並在實踐中提升實際開發能力，為數據分析和機器學習實踐打下扎實基礎。本書既可作為高等院校大數據、計算機相關專業的教材，也可作為技術愛好者的入門用書。

最新版內容已特別加入近年來十分熱門的 AI 輔助程式設計工具及介紹，其餘原有優點仍將繼續保持，歡迎舊雨新知、不吝指教。 本書內容的切入點，首先定義 Python 初學者應學習的內容，而學習內容主要也是程式設計的基礎，包含資料型態及運算、程式三大結構 ( 循序、選擇、重複 ) 、函式與資料結構等部分，而應用方面則選定 Python 的爬蟲技術。本書並依據學習內容，設定若干學習目標，而在每一個目標之下，以概念與技能兩個維度引導，來達成學習目標。 概念的維度會在書籍中清楚說明，而技能的維度則由許多的知識點所構成，這些知識點其實是一道又一道循序漸進設計的程式練習題，需要讀者依序練習，從這些練習中學習單元中的技能。最終，希冀讀者將書籍中引導的知識點內化為概念，而能掌握基礎程式設計能力。全書各章最末附有方便讀者自我練習或教師作為評量的習題，為本書另一特色。

本書系統地講述了基於Django框架的Python Web開發的相關基礎知識，涵蓋了開發環境配置、Django配置、URL分發、模型和數據庫、視圖、模板、表單、Django工具等內容。對每一個知識點，本書都儘量結合實例幫助讀者學習理解，並在每一章最後給出一個綜合實例說明本章知識的使用。

本書的設計和編寫目標是培養讀者的數據思維能力和數據預處理能力，內容具有典型性和實用性，系統介紹基於Python的數據預處理的流程和技術。全書共8個單元，單元1介紹數據預處理的基礎知識，單元2介紹Python數據預處理的庫pandas的用法及主要數據對象的用法，單元3～單元7依次介紹數據預處理流程中數據獲取、數據合併、數據清洗、數據變換和數據描述等相關知識和技術。為突出培養讀者的動手能力，本書單元2～單元7都配套了任務實踐和拓展實訓，除單元8，每個單元還配套了課後習題。單元8為綜合案例，通過網易雲音樂相關數據集展示數據預處理的完整流程，幫助讀者綜合掌握全書相關知識和技術。本書適合作為高等教育本、專科院校大數據技術和人工智能技術應用等相關專業的教材，也可作為數據分析培訓班和“1+X”數據處理相關職業技能等級證書的教材。

本書選取某新零售行業的公司為原型，通過整合來自企業經營的大數據和來自互聯網的大數據，結合大量豐富的企業管理與業務案例場景，從大數據采集、處理、挖掘、可視化分析，到決策與優化改善，逐步展開，幫助讀者瞭解大數據的技術基礎（Python、SQL），掌握大數據采集、處理的方法，具備應用典型的大數據算法進行價值挖掘的能力，具備結合企業經營管理場景進行大數據可視化分析、決策的能力。本書共分為三個部分：第一部分“大數據概述”，主要介紹大數據的基本概念，大數據的應用場景；第二部分“大數據技術基礎”，主要介紹python基本語法、python數據采集、python數據處理、python可視化分析、SQL基礎等相關內容；第三部分為綜合案例，結合新零售企業的案例背景，介紹大數據采集、處理、挖掘的應用以及大數據可視化分析、大數據決策分析、優化改善的思路和方法。

本書採用理論與實例相結合的形式，以Anaconda 3為主要開發工具，全面地介紹了Python數據可視化的相關知識。全書共分為9章，第1章介紹數據可視化與matplotlib的入門知識；第2～8章全面地介紹matplotlib的核心知識，包括使用matplotlib繪製簡單圖表、圖表輔助元素的定制、圖表樣式的美化、子圖的繪製及坐標軸共享、坐標軸的定制、繪製3D圖表和統計地圖、使用matplotlib繪製高級圖表；第9章介紹pyecharts的基礎知識。除了第1章，其他章都配有豐富的實例，讀者可以邊學邊練習，鞏固所學知識，並在實踐中提升實際開發能力。本書既可作為高等教育本、專科院校計算機相關專業的教材，也可作為數據可視化技術愛好者的入門書籍。