Python

強化學習是一類重要的機器學習方法,在很多領域得到了成功的應用,*近幾年與深度學習結合起來,進一步推動了人工智能的發展?本書首先介紹了強化學習的基本原理,然後介紹典型的強化學習算法,包括時序差分? SARSA? Q-Learning? DeepQ-network? Double DQN?競爭網絡結構? Rainbow? Actor-Critic? A2C? A3C? TRPO和PPO等,每種算法基本

《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》分為4部分，包含11章。首先介紹推薦系統的基本方法，接著探討當前流行的一些方法，具體包括協同過濾推薦系統、內容推薦系統以及混合推薦系統。接下來討論如何運用當前的機器學習算法來實現推薦系統。最後討論推薦系統的相關趨勢和新興技術。 《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》特別適合零基礎的數據科學工作者參考和使用。它可以幫助讀者從基礎知識起步，逐步學習運用Python、深度學習和自然語言處理技術來構建推薦系統，以促進業務增長和提高客戶忠誠度。

本書是根據教育部教育考試院制訂的《全國計算機等級考試二級Python語言程序設計考試大綱》的要求而編寫的。本書共分為11章，第1章介紹程序設計的基本方法，主要包括Python語言概述和開發環境配置；第2章和第3章主要介紹Python語言基本語法元素和基本數據類型；第4章介紹程序的控制結構；第5章介紹函數和代碼複用；第6章介紹組合數據類型；第7章介紹文件和數據格式化；第8章至第11章介紹Python的計算生態、標準庫和第三方庫。本書立足自學，在內容上力求新穎，選材採用一批實用有趣的例子，以增加學習的樂趣。本教程配套自學電子教案ppt一套，以及全部行文代碼和程序資源，可以掃碼知識導圖上的二維碼訪問這些資源，這些資源只對第一個防偽碼綁定手機的讀者免費使用，其他情況需付費使用。防偽碼只可以綁定一次。本教程不僅可以作為全國計算機等級考試教材，也可以作為普通高等院校及各類學校或機構的教學用書，更是一本程序設計愛好者的自學參考用書。

《寫給新手的深度學習 2——用 Python 實現的循環神經網絡 RNN 和 VAE、GAN》一書以Python 為基礎，不借助 TensorFlow、PyTorch 等任何框架，以淺顯易懂的語言對循環神經網絡RNN 及生成模型中的 VAE、GAN 的構建方法進行了詳細解說。其中在前 3 章對深度學習和Python 編程及數學的相關知識進行了簡要概括，然後依次介紹了 RNN、LSTM、GRU、VAE、GAN 的工作原理及編程實現，這也是本書的主要內容，最後一章作為進階準備，介紹了化算法、機器學習的一些技巧以及幾種便於開發、試錯的數據集。通過本書，讀者可以從根本上理解深度學習技術的本質和相關算法原理，能夠構建簡單的深度學習模型，特別適合作為零基礎讀者學習深度學習技術的入門書，也適合作為高校人工智能相關專業的教材和參考書。

《線性代數不難(下冊):幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》是“鳶尾花數學不難”系列的一本，關於線性代數。 線性代數是現代科學和工程的數學語言。線性代數不僅是從單變量微積分過渡到多變量微積分的橋樑，更是從一元概率統計走向多元統計分析的核心工具。在機器學習、計算機視覺、自然語言處理、機器人控制、圖像處理、量化金融、數據分析等前沿領域，線性代數幾乎無處不在。 依照慣例，《線性代數不難(下冊):幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》提供代碼和視頻教學，還提供了使用AI工具陪讀的學習思路。 《線性代數不難》分上下兩冊。上冊內容包括向量、矩陣、矩陣乘法、行列式、逆矩陣、向量空間、線性方程組等相對比較基礎的內容；下冊(《線性代數不難(下冊):幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》)則會涉及高階線性代數、矩陣論、數據分析機器學習內容，比如線性變換、特徵值分解、奇異值分解、主成分分析、最小二乘擬合、瑞利商、矩陣範數、判別分析等。 《線性代數不難(下冊):幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》讀者群可分為兩大部分：第一部分是信息學競賽參賽者、大學本科學生、考研學生等應試讀者；第二部分是機器學習從業者、數據分析師、編程愛好者、計算機圖形學研究者等從業或待從業讀者。

本书是一本针对金融领域的数据分析和机器学习应用的实用指南。本书以ChatGPT为核心技术，结合Python编程和金融领域的基础知识，介绍如何利用ChatGPT处理和分析金融大数据，进行预测建模和智能决策。 通过阅读本书，读者将掌握使用ChatGPT和其他工具进行金融大数据分析的基本

APCS，CPE最佳參考用書 演算法不僅要用得好，更要用得準 本書介紹多種解決經典問題的演算法技術，描述了問題出現的場景，並用Python提出簡單的解決方案。要正確實作演算法往往不是一件簡單的事情，總需要避開陷阱，也需要應用一些技巧來確保演算法能夠在規定時間內實現。本書在說明演算法實作時也附帶了重要的細節，以幫助讀者能夠詳加理解。 最近幾十年，不同等級的程式設計競賽在世界各地展開，推廣了演算法文化

本書是一本針對金融領域的數據分析和機器學習應用的實用指南。本書以ChatGPT為核心技術，結合Python編程和金融領域的基礎知識，介紹如何利用ChatGPT處理和分析金融大數據，進行預測建模和智能決策。通過閱讀本書，讀者將掌握使用ChatGPT和其他工具進行金融大數據分析的基本原理和方法。無論是金融行業 從業者還是數據分析員，都可以從本書中獲得寶貴的實用知識，提升在金融領域的數據分析和決策能力。無論是對於初學者還是有一定經驗的專業人士，本書都能夠提供實用的案例和技巧，幫助讀者更好地應用ChatGPT和其他技術解決金融領域的實際問題。

Python正宗入門NO.1 一本引領數以萬計讀者一探Python世界、 也讓老師用了再用的暢銷經典！ 人工智慧與大數據時代、新課綱世代 跨入程式語言、鍛鍊邏輯思維， 就從Python開始學！ Python是目前最熱門的程式語言，執行功能強大，但語法卻簡潔優雅、易於學習，更方便應用在許多專案實作上。它也沒有複雜的結構，程式易讀，且易於維護。 Python的應用範圍相當廣泛，無論是資訊蒐集、大數據分析、機器學習、網站建置，甚至是遊戲開發等，都能看到它的身影。本書以零基礎學習者的視角進行規劃，從最基本的認識程式語言與環境架設切入，再進到程式設計流程的完整學習，輔以觀念圖解、表格歸納，以及流程圖，深入淺出一窺Python程式語言與設計的奧妙！ 要懂Python 就要這樣真正的入門 徹底掌握程式語言與設計的核心！ ■適合無程式設計經驗或想打好Python基礎者，從中了解運算思維精神，扎根程式設計學習，培養邏輯運算能力。循序漸進的內容涵蓋：認識運算思維、程式語言與設計、環境建置、變數、運算式、判斷式、迴圈、串列與元組、字典、函式與模組、演算法，以及檔案與例外處理…等，讓初學者無痛學習，輕鬆打好基本功。 ■精心設計100題實作範例，輔以130題綜合演練，從做中學，快速學會每個學習重點，並能應用於實際專題中。範例大小適合讀者平時的學習，或每週固定時數的教學課程。 ■融入精采的情境實例，貼近生活應用，也讓練習更有趣，如：數學運算、密碼判斷、成績評等、電影分級、百貨公司折扣戰、數字比大小、薪資計算表、成績單與業績報表列印、日期時間格式與溫度轉換、擲骰子遊戲、大樂透抽獎、搜尋中獎者、彩券對獎，以及血型個性、四季天氣、成績輸入、產品銷售、電費、世大運獎牌數與家庭支出查詢…等運用。 ■提供更完整的演算法運作實例搭配流程圖，有利理解運作思路與規則，讓程式開發更加得心應手。 ■收錄160分鐘的Python開發環境建置與語法入門影音教學，搭配書籍內容快速吸收，讓學習更有效率。 ★「Python入門與特訓班」暢銷經典系列： ■「Python零基礎入門班」 本書適用無程式設計經驗，想打好程式語言基礎者，內容為程式觀念的建立與重要語法的學習+實用小範例，可一步一步紮實打好基本功。 ■「Python初學特訓班」 本書適用初學Python，想一次就從基礎跨入專案開發者，內容為基

Python正宗入門NO.1 感謝眾多讀者與教師好評 一本引領數萬讀者一探Python世界、 也讓老師用了再用的暢銷經典！ 【書附超值學習資源】 「Python快速入門的10堂課」影音教學/範例程式檔/綜合演練參考解答 「善用ChatGPT學Python入門」影音教學 AI人工智慧與Big Data大數據時代 跨入程式語言、鍛鍊邏輯思維， 就從Python開始學！ Python是目前最熱門的程式語言，執行功能強大，但語法卻簡潔優雅、易於學習，更方便應用在許多專案實作上。它也沒有複雜的結構，程式易讀，且易於維護。 Python的應用範圍相當廣泛，無論是資訊蒐集、大數據分析、機器學習、資料科學、網站建置，甚至是遊戲開發等，都能看到它的身影。本書以零基礎學習者的視角進行規劃，從最基本的認識程式語言與環境架設切入，再進到程式設計流程的完整學習，輔以觀念圖解、表格歸納，以及流程圖，深入淺出一窺Python程式語言與設計的奧妙！ 要懂Python 就要這樣真正的入門 徹底掌握程式語言與設計的核心！ ■適合無程式設計經驗或想打好Python基礎者，從中了解運算思維精神，扎根程式設計學習，培養邏輯運算能力。循序漸進的內容涵蓋：認識運算思維、程式語言與設計、環境建置、變數、運算式、判斷式、迴圈、串列與元組、字典、函式與模組、演算法，以及檔案與例外處理…等，讓初學者無痛學習，輕鬆打好基本功。 ■除了提供在本機建置開發環境的方法，更新增運用熱門Google Colab雲端開發環境的技巧，不需安裝設定即可撰寫並執行Python程式。 ■精心設計100題實作範例，輔以130題綜合演練，從做中學，快速學會每個學習重點，並能應用於實際專題中。範例大小適合讀者平時的學習，或每週固定時數的教學課程。 ■融入精采的情境實例，貼近生活應用，也讓練習更有趣，如：數學運算、密碼判斷、成績評等、電影分級、百貨公司折扣戰、數字比大小、薪資計算表、成績單與業績報表列印、日期時間格式與溫度轉換、擲骰子遊戲、大樂透抽獎、搜尋中獎者、彩券對獎，以及血型個性、四季天氣、成績輸入、產品銷售、電費、世大運獎牌數與家庭支出查詢…等運用。 ■提供更完整的演算法運作實例搭配流程圖，有利理解運作思路與規則，讓程式開發更加得心應手。 ■收錄160分鐘的Python開發環境建置與語法入門影音教學，搭配書籍內容快速吸

Python 因其簡單易學、功能強大、開發效率高、擁有強大的第三方庫等優點，使其成為學習人工 智能的編程語言。《NumPy 數據處理詳解——Python 機器學習和數據科學中的高性能計算方法》就 從 Python 中經常使用的 NumPy 庫的基礎知識入手，講解了實用的高速數據處理方法。大數據時代， NumPy 因其包含大量的數學函數，能夠處理多維數組，而且處理速度堪比 C 語言，所以 NumPy 也成 為機器學習和數據科學領域數據處理不可或缺的庫。全書詳細介紹了 NumPy 基礎知識、NumPy 與數組 操作、NumPy 數學函數的應用和 NumPy 機器學習編程方法，特別適合機器學習工程師、數據科學家、 人工智能開發相關人員系統學習 NumPy 使用方法，或將此書作為案頭手冊，隨時翻閱查看。

樹莓派是一款基於ARM架構、Linux系統的極簡計算機，既可以用於計算機編程教育，也可以作為機器人的控制核心。第一種運行於樹莓派上的編程語言是Python，這是當前人工智能領域最為流行的編程語言。機器視覺是人工智能中重要的細分研究領域，OpenCV則是當前機器視覺領域主流的開源處理庫，可以方便地用於計算機圖像處理，並應用於面部識別、目標識別等具體問題。本書介紹在樹莓派硬件上使用Python語言，借助OpenCV庫編程，來實現具有機器視覺功能（識別和抓取特定顏色物體、識別人臉、識別特定人臉、進行面部跟蹤）的智能機器人。 《人工智能+機器人入門與實戰》力求通過一系列不同層次的軟硬件任務，由淺入深地講解人工智能的概念，同時覆蓋Linux系統操作、Python編程、機器人系統搭建等多方面的綜合知識。在本書案例中使用的主要硬件載體是可在桌面上固定運轉的雙軸雲台和三軸機械臂等，它們可以代表一類智能機器人的形態。本書遵循開源、分享的創客精神，所有的硬件材料和軟件內容均可以從公共平臺獲取，讀者在充分理解的基礎上，不必局限於本書所列硬件，可自行獲取類似設備完成項目。 本書可以作為中小學STEAM人工智能教育的一本基礎讀物，也可以作為中高職院校相關專業學生的參考書。

本書涵蓋Kubernetes架構、部署、核心資源類型、系統擴縮容、存儲卷、網絡插件與網絡本書由淺入深地介紹了一系列常見的Python數據科學問題。書中介紹的實踐項目簡單明瞭，可作為模板快速啟動其他類似項目。通過本書，你將學習如何構建一個Web應用程序以進行數值或分類預測，如何理解文本分析，如何創建強大的交互界面，如何對數據訪問進行安全控制，以及如何利用Web插件實現信用卡付款和捐贈。每章都遵循三個

國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖由類神經網路基礎到AI應用實戰訓練、模型、預測、辨識、分析與驗證全面深入機器學習與深度學習技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 ■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向：印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例：手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深