Python

在這個數據為王的時代，無論是從事何種行業，每天都會與海量的且類型多樣的數據打交道，如何從這些數據中獲取需要的信息，並進行相應的分析和可視化展示，是很多程序員和職場人士非常關心的一個問題。本書以功能強大且容易上手操作Python語言為基礎，全面講解了數據的獲取、處理、分析及可視化的呈現。全書共17章，內容涉及Python基礎知識、Python數據處理和分析的實用模塊、數據分析、數據爬蟲技術、數據可視

本書採用基於案例的學習方法，在不同應用場景下以問題求解為引導講授Python程序設計，涵蓋密碼學、影像處理、天文學和生物信息學等領域。第3版更新至Python 3.8，更加強調動手實踐，每一章都圍繞一個實戰項目展開討論，並包含大量的程序設計練習題。全書在應用場景中螺旋式引入解決問題所必需的Python語法知識和程序設計方法，從而通過不斷鞏固和拓展所學知識，進一步培養讀者的問題求解能力。本書適合作為

目前人工智能教育通識化、普及化的需求日益強烈，高校既要做好人工智能專業教育，又要推進人工智能通識教育，面向非計算機專業學生開展人工智能通識化教學也越來越受到重視。本教材的主要內容包括計算機文化概述、人工智能概述及應用、python 編程基礎、Python圖形處理、Python科學計算與可視化、國產軟件等內容，主要適用於高校信息技術基礎教學。本教材的特色是教學內容前沿，python程序設計基礎部分採用案例驅動的方式進行教材的編寫和教學內容的講解，非常適用於高校非計算機專業的學生學習大學計算機信息技術基礎課程。航海學院每年新生大約有4500名左右，其中理工科3000名左右，需要選用此教材。

這是一本強調動手實踐的Python編程實戰手冊，與經典教程《Python編程快速上手：讓煩瑣工作自動化(第3版)》［以下簡稱《Python編程快速上手(第3版)》］相輔相成。本書共24章，內容遵循清晰的實踐路徑展開。從Python基礎語法、流程控制與函數調試入手，逐步深入到列表、字典、文件操作及正則表達式等數據處理核心技能，進而拓展至Web抓取、電子表格與數據庫操作、圖像處理、GUI自動化，以及語音識別等高級應用領域，全面覆蓋Python在自動化辦公與智能開發中的關鍵場景。全書通過大量習題與實踐項目，系統培養讀者從理解語法到解決實際問題的綜合編程能力。此外，本書還提供全書所有習題與實踐項目的參考答案，以便讀者檢驗其對知識和技能的掌握情況。本書不僅有助於讀者鞏固所學知識和技能，及時查漏補缺，而且有助於塑造其獨立解決實際問題的能力，為日後獨立開發項目或深入學習計算機編程奠定堅實基礎。

本書主要用Python語言構建CNN,主要關注如何以*佳的方式利用各種Python和深度學習庫(如Keras，TensorFlow和Caffe)來構建真實世界的應用程序。從構建CNN塊開始，基於*佳實踐來指導你實現真實的CNN模型及解決方案。你將學習創建圖像和視頻的創新解決方案，以解決複雜的機器學習和計算機視覺問題。

Python是一門非常流行的程式設計語言，它不僅在諸多高科技領域有著廣泛的應用，而且非常適合作為青少年學習程式設計的入門語言。本書通過講解使用Python語言來編寫程式，説明青少年鍛煉邏輯思維，培養分析問題、解決問題的能力。本書包含101個案例，詳細、全面地介紹了Python語言的基礎知識和使用方法。通過有趣的程式設計來解決生活中的一些問題，讀者可以在思考中充分發揮想像力和創造力，找到學習程式設計的樂趣。本書共14章。第1章講解了Python程式設計基礎知識；第2章講解了常用的單一資料型別；第3章講解了基本的運算處理；第4章講解了根據條件進行判斷的選擇結構；第5章講解了重複執行的迴圈結構；第6 ～ 9章分別講解了字串、清單、元組與字典的各種用法；第10章講解了函數的用法，包括一些內置函數和自訂函數的用法；第11章講解了如何創建類和物件，以及類的相關作用；第12章講解了如何使用Python語言進行檔操作；第13章講解了一些常用模組的應用；第14章講解了如何使用Python查看作業系統資訊以及調用系統命令。本書內容通俗易懂，案例十分貼近生活，非常適合中小學生閱讀，也適合相關少兒程式設計培訓機構、學校作為教材使用

依據勞動部勞動力發展署技能檢定中心114年啟用之最新學術科試題，使用Python解題。 術科篇 ■114年啟用最新術科題目： 術科第一站：語言基本指令操作1060301~1060305五題 術科第二站：語言應用程式設計1060306~1060308三題 學科篇 ■最新公告學科試題單選題509題。 ■114年修訂之共同科目：90006職業安全衛生/90007工作倫理與職業道德/90008環境保護/90009節能減碳400題；90011資訊相關職類共用工作項目119題。 本書特色 ■術科題目詳盡解說、結構化與精簡的程式，讓讀者輕鬆撰寫Python程式。 ■術科內容撰寫循序漸進，帶領讀者從認識Python、表單設計到程式撰寫，初學者也能輕鬆解題，學會Python的操作和程式語法。 ■學科試題電腦概論、程式設計、資訊職類共用工作項目，附有難題解析。 ■詳讀章節內容，熟悉指令、語法、資料結構及邏輯，反覆練習即能通過考試取得證照。

《Python編程從數據分析到機器學習實踐(微課視頻版)》是一本基於Python語言進行數據分析和機器學習的入門與應用類圖書，也是一本兼顧實戰要求的視頻教程。具體內容包括：Jupyter?Notebook應用，Numpy科學計算、矩陣、線性代數和高級技術，Matplotlib基礎知識和高級應用，Scipy基礎知識和高級應用，Pandas基礎知識、數據處理和基於時間應用，Scikit-learn基礎

本書面向全國計算機等級考試二級Python語言程序設計科目，嚴格依據新版考試大綱整理試卷，並配有視頻解析和詳細的文字解析，以幫助考生在較短的時間內順利通過考試。本書共4部分。第1部分為考試大綱、考試環境、考試流程以及Python的安裝和使用方法的介紹。第2部分為二級公共基礎知識和二級Python語言程序設計的高頻考點講解。第3部分為精選的10套無紙化考試題庫試題及答案解析。第4部分為兩套新增無紙化考試套卷及答案解析。本書配有智能考試軟件，該軟件主要有考試題庫、專項訓練、模擬考場等功能模塊。其中，“考試題庫”模塊包含20套歷年試卷，考生可用某一套試卷進行練習，並可以隨時查看答案解析。“專項訓練”模塊將選擇題按考點分類，考生可針對性地進行專項練習。“模擬考場”模塊則是模擬真實考試環境，隨機組卷，限時做題：若考生未能在規定的考試時間內交卷，則軟件系統會強制交卷。交卷後軟件系統自動評分，考生可據此自測，提高複習效率。本書可作為全國計算機等級考試二級Python語言程序設計科目的練習冊，也可以作為學習Python語言的輔導書。

【聯合推薦】 嘉義基督教醫院 兒童醫學部兒童腎臟科主任、嘉基創新育成中心主任 周信旭醫師 Eco-City智慧生活科技區域整合中心執行長、國立交通大學土木工程系 曾仁杰教授 台北榮民總醫院 關艾琛醫師 【嚴選經典】美國矽谷創業家/全球科技大廠與業界指定工研院顧問講師之Python TensorFlow人工智慧機器學習入門鉅作! 本書為作者柯博文老師在各大企業教授Python、機器學習、人工智慧的課

Python 運算思維 Google Colab x Gemini AI 零基礎 + 高效率 學「程式設計」 內容簡介 ★★★★★【國內第1本Gemini AI輔助學習Python】★★★★★ ★★★★★【Google Colab x Gemini AI助攻】★★★★★ ★★★★★【Gemini API設計智慧客服系統】★★★★★ 本書特色如下： ☆ Gemini AI程式除錯(Debug)、註解、重構和重寫程式的應用。 ★ 完整的解說機器學習數學原理和演算法。 ☆ 用Gemini API設計「智慧客服系統」。 ★ 提供「Google Colab的ipynb檔案」與「一般的py檔案」兩種程式。 本書用約700個一般實例與程式實例，同時使用ChatGPT輔助學習，講解了下列知識： ★ 科技與人工智慧知識融入內容 ☆ 完整Python語法 ★ 串列、元組、字典、集合 ☆ 經緯度計算城市間的距離 ★ 數學方法計算圓週率 ☆ 生成式generator ★ 函數與類別設計 ☆ 設計與使用自己的模組、使用外部模組 ★ 中文Windows預設cp950與國際通用utf-8格式的檔案讀寫 ☆ 程式除錯與異常處理 ★ 正則表達式 ☆ 影像處理 ★ Numpy ☆ CSV文件 ★ 2D ~ 3D的Matplotlib中英文靜態與動態圖表繪製 ☆ 網路爬蟲 ★ 人工智慧破冰之旅 ☆ 迴歸分析 ★ 機器學習使用scikit-learn入門 ☆ 使用Gemini API設計「智慧客服中心」 讀者最值得閱讀本書的十大理由 ①從零開始的運算思維訓練 第 1 章從 Computational Thinking、Python 起源、語言演化一路講解，讓初學者打好電腦科學與邏輯基礎。 ②完整且紮實的 Python 語法入門到進階 從變數、資料型態、字串、串列、迴圈、集合、字典，到函數、類別、模組，內容涵蓋所有核心語法，是最適合初學者的系統化教材。 ③每章皆搭配大量實例，學得會、用得到 例如 BMI、房貸、經緯度距離、凱薩密碼、單字統計、影像處理、成績系統、夏令營、動畫等真實專案，全面強化讀者實作能力。 ④Gemini AI 系列深度整合，全書都有 AI 助教陪學 幾乎每章都有「Gemini AI 輔助程式設計」單元，協助： ◎產生程式碼 ◎除錯 ◎重構程式 ◎解釋程式邏輯 本書是傳統 Python

💡 從觀念理解到開發實戰！ 💡 使用OpenAI API x Python與GPT-3.5、GPT-4、GPT-4o、DALL·E、TTS、Whisper模型 開發聊天服務、文本生成、AI繪圖、視覺、語音的AI應用程式！ ＊專家資深教師執筆 由教授OpenAI API、Python與人工智慧專業教師共同編著，針對初學者學習OpenAI API使用Python開發人工智慧軟體服務所應具備知識技能所編寫的實務教材。 ＊循序漸進無痛上手 內容兼具理論與實務，利用大量OpenAI API實例說明並引申教材，所舉的專題範例淺顯易懂且具代表性和實用性，非常適合教學和自學，使初學者快速進入OpenAI API人工智慧軟體服務的開發殿堂。 ＊內容多元範例豐富 介紹 Open AI 的金鑰申請、Colab 編輯環境、Gradio 互動式網頁、GPT-3.5、GPT-4與GPT-4o的使用、Chat Completions API 參數、ChatGPT 聊天機器人、整合搜尋讓聊天機器人突破時空限制、自動串接、函式呼叫和微調模型讓文本生成符合事實。 以Images API 進行AI繪圖、語音API與GPT-4o進行電腦視覺，讓AI應用程式擁有讀、畫、看、聽、說等功能。 ＊實務專題打下基礎 使用Gradio 互動式網頁、Tkinter視窗套件結合OpenAI API開發生成式人工智慧飯店客服機器人、考卷產生器、網頁產生器三大專題。透過實務專題開發，將Python的相關技術與OpenAI API完美整合，提升初學者人工智慧軟體開發的專業能力。

本書對機器學習算法的基本原理和Python程序實現進行了系統的介紹，每種算法都採用Sklearn程序實現並用Matplotlib進行數據可視化。為了幫助讀者更加高效、直觀地學習，作者為本書錄製了13個微課視頻，讀者可以用手機掃描書中的二維碼進行觀看，也可以將視頻下載後進行觀看。本書共8章，包括機器學習概述、Python機器學習與可視化、關聯規則與推薦算法、聚類算法、分類算法、回歸與邏輯回歸、人工神經網絡、支持向量機等內容。本書可以作為高等院校機器學習和人工智能概論等課程的教材，也可作為機器學習算法入門讀者的自學用書，還可以作為人工智能等領域機器學習研究者和應用人員的參考書。

利用Raspberry Pi開發人工智慧的應用 本書會討論到許多主要的AI主題，包含專家系統、淺層與深度機器學習、模糊邏輯控制等等。我們會在Raspberry Pi上透過Python程式語言來示範AI如何運作，同時也會介紹Prolog語言並用於示範一些AI的重要觀念。另外也在深度機器學習範例中稍微介紹了Wolfram語言。除此之外，本書會用許多專題告訴您如何使用Raspberry Pi實作各種AI

Become proficient in deriving insights from time-series data and analyzing a model's performanceKey Features: Explore popular and modern machine learning methods including the latest online and deep learning algorithmsLearn to increase the accuracy of your predictions by matching the right model with the right problemMaster time-series via real-world case studies on operations management, digital marketing, finance, and healthcareBook Description: Machine learning has emerged as a powerful tool to understand hidden complexities in time-series datasets, which frequently need to be analyzed in areas as diverse as healthcare, economics, digital marketing, and social sciences. These datasets are essential for forecasting and predicting outcomes or for detecting anomalies to support informed decision making.This book covers Python basics for time-series and builds your understanding of traditional autoregressive models as well as modern non-parametric models. You will become confident with

本書共分三部分，第一部分主要講述機器學習、深度學習和人工智能的基本方法，並給出了使用基於TensorFlow後臺的Keras庫做深度學習的實踐案例；第二部分主要講述做信用債投資面臨的困難，並給出了實用的解決方案；第三部分主要講述解決做信用債投資的困難的實用方法，並給出了全部的Python源代碼。本書適合在銀行、證券、保險、基金等金融機構從事對公信貸和債券投資等工作的相關從業者閱讀。

本書著重介紹可以有效預測結果的兩類核心算法，包括懲罰線性回歸方法和集成方法，然後通過一系列的示例細節來展示針對不同的問題如何使用這些方法。全書分為7章，主要講述算法的選擇、構建預測模型時的要點等內容，並且結合Spark和Python技術，引入岩石與水雷、鮑魚年齡問題、紅酒口感、玻璃分類等經典數據集，將機器學習應用到數據預測分析中，幫助讀者系統地掌握利用機器學習進行預測分析的基本過程，並將其應用到實際項目中。

本書不僅僅是傳統的程序設計導論性教材，而且囊括了包羅萬象的計算機科學。書中採用Python作為學生的第一門程序設計語言，提出“正確的時刻+正確的工具”的教學方法，尤為重視應用程序的開發訓練和計算思維的培養，易於教學和實踐。書中首先講解命令式編程，但也很早便引入了對象的概念；在學生具備足夠的基礎知識也更有學習動力之後，書中開始講解自定義類、面向對象編程等更多高級技巧。書中涵蓋了問題求解的核心技術和各

本書主要採用理論學習與實踐操作並重、上層應用與底層原理相結合的方式講解數據分析師需要掌握的數據分析基礎知識，包括基礎理論、關聯規則分析、回歸分析、分類分析、聚類分析、集成學習、自然語言處理、圖像處理和深度學習。每章內容從7個方面展開講解：包括應用場景、算法原理、核心術語、Python編程實踐、重點與難點解讀、習題和主要參考文獻及推薦閱讀書目。 本書在編寫過程中不僅充分借鑒了國內外著名大學設立的相關課程、專家學者的代表性成果，以及近幾年的熱門暢銷書，而且也考慮到了國內相關課程的教學以及相關從業人員自學的需求。 本書可以滿足數據科學與大數據技術、大數據管理與應用、計算機科學與技術、管理工程、工商管理、數據統計、數據分析、信息管理與信息系統、商業分析等多個專業的教師、學生的教學和學習需要，也適合廣大從事數據分析工作的人員學習參考。

Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略 本書獨家解析知名大數據專案，FinMind，帶你一窺大數據產品的發展過程，打造專屬個人的大數據 side project、作品、產品。讀完本書，你將學會分散式爬蟲、rabbitmq、api、MySQL 資料庫、壓力測試、docker、CICD、雲端、traefik、redash 視覺化等，本書是一本集大成的作品。 分享在 Github 獲得 1,500 stars 的大數據 side project，並幫助讀者從 0 開始，打造專屬個人的大數據 side project。 ● 資料工程 ○ 使用分散式技術，rabbitmq、flower、celery，收集證交所、櫃買中心、期交所等股市資訊。 ○ 使用 docker、fastapi 架設 RESTful API 服務。 ○ 使用 docker swarm 架設分散式服務，包含爬蟲、api、資料庫 MySQL、rabbitmq 等服務。 ○ 使用雲端服務，一個月 5 美金，且免費提供 100 美金額度。 ○ 一站式管理多台分散式機器。 ● 產品迭代 ○ 單元測試 unit test 介紹，包含爬蟲、api 測試範例。 ○ 使用 CICD 做持續性整合、部屬，並以 gitlab-ci 搭配 API 服務做為範例。 ● API 產品上線 ○ 免費網址申請教學，No-IP。 ○ 免費 SSL 憑證教學，Let's Encrypt。 ○ 一站式管理多服務網址，容器化反向代理工具 Traefik。 ● 業界資料視覺化工具 ○ 使用 Redash 建立個人化、股市分析儀表板。

本書深入探討深度學習模型訓練和推理加速的前沿技術，尤其是在 NVIDIA CUDA（Compute Unified Device Architecture）平臺上的應用與優化。本書從大模型訓練的挑戰和分散式訓練，到 CUDA 加速推理技術，再到端側推理的優化部署，系統地介紹如何利用 CUDA 平臺加速大模型的訓練與推理過程，並結合具體案例深入講解資料並行、模型並行、任務調度、負載均衡等技術。本書共 10 章，首先介紹大模型訓練面臨的計算複雜性、記憶體頻寬和資料傳輸瓶頸等問題，並講解基於NCCL（NVIDIA Collective Communications Library）的優化方法；然後，通過深入淺出的講解，展示如何使用 TensorRT 進行推理加速，並探討多模型並行推理架構、混合精度訓練與推理等優化策略；最後，詳細闡述端側推理加速，特別是在移動設備和邊緣設備中的應用，強調模型量化、裁剪等技術在推理加速中的重要作用。

無

無