Python

Implement real-time data processing applications on the Raspberry Pi. This book uniquely helps you work with data science concepts as part of real-time applications using the Raspberry Pi as a localized cloud. You'll start with a brief introduction to data science followed by a dedicated look at the fundamental concepts of Python programming. Here you'll install the software needed for Python programming on the Pi, and then review the various data types and modules available. The next steps are to set up your Pis for gathering real-time data and incorporate the basic operations of data science related to real-time applications. You'll then combine all these new skills to work with machine learning concepts that will enable your Raspberry Pi to learn from the data it gathers. Case studies round out the book to give you an idea of the range of domains where these concepts can be applied. By the end of Data Science with the Raspberry Pi, you'll understand that many applications are now de

全書共9章，主要是以作者的項目實踐為基礎，以CentOS 7.5 x86_64為主操作系統、AWS雲為平臺，介紹Linux傳統集群技術、雲原生下的負載均衡技術、MySQL的高可用方案及Python自動化運維工具的使用。

本書從實用的角度，對機器學習、深度學習的基本理論和基本方法進行了詳細的介紹，對廣泛應用的經典方法給出了Python語言實現，並提供了典型應用示例。本書主要內容包括：機器學習概述、機器學習的統計學基礎、機器學習的常用Python庫、機器學習的基本流程、回歸、分類（Logistic回歸和最大熵模型、決策樹、貝葉斯分類器、支持向量機、集成學習）、聚類分析、降維、神經網絡、深度學習。本書的形式特點是兼顧了機器學習的理論基礎、模型算法、開發工具及應用，兼顧了既想瞭解機器學習理論又想通過Python編程實現機器學習算法的讀者。讀者通過本書的學習，能夠真正地掌握機器學習理論和技術的精髓並能用其解決實際問題。部分章節配有習題，以指導讀者深入地進行學習。本書是一本面向高等院校理工科各專業的寬口徑、綜合性的機器學習與應用的教材，既可作為高校高年級本科生和研究生的教材，也可作為相關方向科技人員、工程師的技術參考書。

本書以基金與編程基礎為出發點，面向零基礎或基礎知識較少的讀者，由淺入深地介紹了從零編寫基金分析與交易的量化系統的方法與實踐。本書內容由Python的基礎知識與編程和投研常用的Python工具開始，逐步介紹常用的交易指標與投資組合管理，最終介紹系統的優化與管理。本書共分為七章，第1～3章分別介紹基金的基礎知識、Python環境的搭建與常用的編程與分析工具，為後幾章代碼編寫鋪墊；第4章著重介紹了如何從零開始搭建量化分析系統，其中包含不同模塊的設計；第5章與第6章介紹了在量化系統中實現不同的交易框架和策略；第7章介紹將量化系統上線，並配置監控進行運營管理的方法。本書以通俗易懂的語言和實例闡述量化在基金產品上的分析與應用，適於對基金交易與量化分析有興趣的讀者。書中附有詳細注釋的代碼會幫助讀者加深量化系統的構建過程與交易策略的思想。

本書著重在新工科背景下為所有工科計算機及非計算機專業的本科新生提供完整的計算機科學思維框架，以Python高級程序設計語言作為線索，簡化計算機領域中的各個分支為模型，使用Python語言進行簡易實現。全書共8章，第1章從計算思維的角度概述計算機學科的整體脈絡；第2章著重介紹計算機中對於數據和信息的編碼原理；第3章對基礎的Python語法做出介紹；第4章主要描述使用計算機解決問題的各類經典算法思想；第5章從底層出發介紹計算機的硬件系統和軟件系統；第6章介紹計算機網絡及網絡安全；第7章介紹數據庫系統；第8章對新時代下的計算機新技術——人工智能進行發散式介紹。本書還提供了大量應用實例，每章後均附有習題。本書適用於高等院校工科專業本科一年級的相關課程，也可供教學工作人員設計本科實踐課程時參考。

l Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。 l Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。 l Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。 l Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。 l Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。 l Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。

本書以Python語言作為編程語言，基於工作過程系統化的體例設計，介紹了一些經典而常用的機器學習方法及其編程技術，包括樸素貝葉斯、決策樹、k-NN、聚類、線性回歸、支持向量機(SVM)、神經網絡等。

全書共分為12章, 主要內容包括緒論、知識與知識表示、自動推理與專家系統、搜索算法與智能計算、機器學習、深度學習、計算機視覺、自然語言與語音處理、智能機器人以及大數據與區塊鏈、Python編程基礎等。

大數據技術的落地依賴“工具鏈掌握+場景化應用”的雙重能力。從 Python 爬蟲、Hive數據分析到 Flink 實時計算、數倉架構設計，技能點的綜合應用能力已成為企業招聘的核心標準。本書以“真實項目驅動實訓”為核心思路，精選 4 個典型實訓項目構建階梯式訓練體系，涵蓋離線處理、實時計算、數倉設計等核心場景，強化工程思維；整合 Python 爬蟲、Hive、Flink、Kafka 等多種主流工具，覆蓋數據采集、清洗、存儲、分析、可視化全流程；融入大數據競賽考點，銜接崗位技能需求。本書適合作為高等學校大數據相關專業的實訓教材，也可為數據工程從業者提供實踐參考。

機器學習是計算機科學和人工智能的重要分支之一，它被廣泛應用在多種領域，如機器人、無人駕駛汽車等。本書是“達人迷”經典系列中關於機器學習的一本。本書內容分為6個部分，共計23 章，由淺入深地講解機器學習的基本知識、本書使用的語言――Python 和 R、必備的數學知識、處理數據的常用工具、機器學習的應用以及常見的學習包和模型 6 個方面，以幫助讀者瞭解並掌握機器學習的相關知識，並能將其應用於自己的工作中。本書適合Python程序員、R程序員、數據分析人員、機器學習領域的從業人員以及對算法感興趣的讀者閱讀。

本書面向黑客攻防、網絡安全和滲透測試的初學者，從文件系統、終端命令操作、文本操作、網絡操作、軟件管理、權限管理、服務管理、環境變量管理等Linux操作系統的基礎知識開始，擴展講解了一些基礎的bash和Python腳本編程技術，以及其他控制Linux系統環境所需的工具和技術。首先，你將學習如何在虛擬機上安裝Kali系統，並瞭解Linux系統的基本概念。接著，你將接觸到更為廣泛的Linux系統主題，比如操作文本、控制文件和目錄的權限，以及管理用戶環境變量。最後，你將重點關注基本的黑客攻防概念，比如安全性和匿名性，並學習bash和Python腳本編程技巧。

本書是新形態一體化教材，配有豐富的微課、教案、素材等教學資源。在內容組織編排、案例設計上秉持從易到難、從簡到繁的編寫思路，用深入淺出的語言講解計算機基礎知識和操作技能。全書分為7章，包括計算機概論、初識網絡、Python程序設計入門、Python計算生態和數據智能分析、圖像處理Photoshop、Web前端網頁設計、IT新技術等內容。本書理論與實操相結合，既注重計算思維能力的培養，又兼顧應用需求，循序漸進地引導學生打開計算機科學之門。本書適合作為普通高等院校計算機基礎課程的教材，也可作為各類計算機應用人員的參考書。

本書本書共有9章，包含PySide 6/PyQt 6常用知識及一些經典應用。每個章節側重點不同，但相對獨立，讀者根據目錄即可獲取自己所需的內容。第1章介紹PySide/PyQt的入門知識；第2章介紹Qt Designer的詳細用法；第3章和第4章介紹PySide/PyQt的基本窗口控件的使用方法；第5章介紹PySide/PyQt的特殊控件――表格與樹；第6章介紹一些高級窗口控件；第7章介紹信號/槽和事件；第8章介紹Python的擴展應用；第9章介紹PySide/PyQt的實戰應用。本書旨在幫助讀者以最短的時間掌握PySide 6/PyQt 6的基礎知識並能夠實戰應用，希望本書對有Python程序開發需求的讀者有幫助。

本書從初學者的認知角度和學習特點出發，在內容組織編排、案例設計上秉持從易到難、從簡到繁的編寫理念，採取深入淺出的語言講解計算機基礎知識和操作技能。全書分為7章，包括計算機概論、初識網絡、Python程序設計入門、Python計算生態和數據智能分析、圖像處理Photoshop、Web前端網頁設計、IT新技術等內容。本書理論與實操相結合，既注重計算思維能力的培養，又兼顧應用需求，循序漸進地引導學生打開計算機科學之門。 本書適合作為普通高等院校計算機基礎課程的教材，也可作為各類計算機應用人員的參考資料。

本教材基于Microsoft SQL Server和Neo4j环境，介绍了如何利用SQL(Structure Query Language)和CQL(Cyber Query Language)语言开展对同源库、表和数据对象进行增、删、改、查等数据库管理和应用工作，并综合应用Python下的相关功能库，对SQL数据进行处理，进而利用Neo4j接口将

本書以計算思維與計算問題求解、信息表示和信息處理為主線，將Python作為實踐語言，串聯計算機文化與計算思維、計算機系統組成與結構、信息表示、操作系統、數據庫、計算機網絡、信息處理、信息安全、信息化新技術等內容。

￭中學生資訊課程參考用書。￭一般讀者網頁設計自學書。使用最熱門的Python程式語言，搭配Django框架設計出網站範例專案，讓學習者逐步熟悉網站開發技術。提供更多不同的案例讓學習者加強網站開發技巧的熟悉度。

本書從Python基礎入手，循序漸進地講到機器學習、深度學習等領域的算法原理和代碼實現，在學習算法理論的同時也強調了代碼工程能力的逐步提高。本書共6個章，第1章從零基礎介紹Python基礎語法、Python數據處理庫NumPy、Pandas、Matplotlib、OpenCV的使用；第2章主要介紹機器學習算法的原理並配有代碼實例，方便在理解原理的同時也能寫出代碼；第3章主要介紹深度學習框架TensorFlow、Keras、PyTorch的API和網絡模型的搭建方法，力保讀者能夠掌握主流深度學習框架的使用；第4章主要介紹CNN卷積神經網絡各種卷積的特性，並同時代碼實戰了多個經典分類網絡；第5章介紹目標檢測領域中多個經典算法的原理，並配套展現了代碼調試的過程，將算法原理與代碼進行了結合，方便更深入地理解算法原理；第6章分享深度學習項目的分析和實現過程。本書精心設計的算法原理講解、代碼實現，不僅適合對深度學習感興趣的初學者，同時對高校學生、教師、相關技術人員、研究人員及從事深度學習工程師都有參考價值。

本書是一部全面而深入的量化金融實戰指南，從基礎的Python編程和量化金融概念出發，逐步引領讀者進入金融數據分析、量化策略開發、算法交易及風險管理的高級話題。本書還探討了生成式AI和ChatGPT在量化金融領域中的應用，為讀者提供了一個全面的視角和實用的工具。本書共分為5章：第1章作為基礎，介紹了量化金融、算法交易和Python編程的基礎知識；第2章專注于金融數據的獲取和處理，包括如何使用APIs和Python庫；第3章深入講解了量化策略與模型，涵蓋了從統計學到機器學習再到深度學習和Transformer模型及ChatGPT插件使用的多個方面；第4章是對算法交易與風險管理的全面解析，包括市場微觀結構、交易策略和ChatGPT的Code Interpreter功能；第5章對量化金融和算法交易的未來進行了展望，包括人工智能在金融領域中的機遇和挑戰。本書內容深入淺出，實例豐富，實用性極強，特別適合量化金融的初學者和專業人士，也適用于金融分析師、數據科學家和編程愛好者。此外，本書也可作為金融科技和量化金融相關培訓課程的教材。

《機器學習實戰：視頻教學版》基於Python語言詳細講解機器學習算法及其應用，用於讀者快速入門機器學習。本書配套示例源代碼、PPT課件、教學視頻、教學大綱、習題與答案、作者微信答疑。《機器學習實戰：視頻教學版》共分12章，內容包括機器學習概述、Python數據處理基礎、Python常用機器學習庫、線性回歸及應用、分類算法及應用、數據降維及應用、聚類算法及應用、關聯規則挖掘算法及應用、協同過濾算法及應用，最後通過3個綜合實戰項目（包括新聞內容分類實戰、泰坦尼克號獲救預測實戰、中藥數據分析項目實戰），幫助讀者對所學技能進行鞏固和提升。本書主要章節都給出了對應的示例及其詳細的分析步驟，方便讀者從編程中掌握機器學習基礎算法及應用。《機器學習實戰：視頻教學版》適合機器學習初學者、大數據分析人員和機器學習算法開發工程師閱讀；也適合作為高等院校或高職高專人工智能、計算機、軟件工程、數據科學與大數據技術、智能科學與技術等專業機器學習課程的教材。

本書是“大學計算機基礎”課程的配套實驗教材，既有以Office辦公軟件為代表的計算機基礎應用操作，也有使用Python程序對計算機基礎理論進行驗證和設計的相關內容。全書共分為兩部分：第一部分為計算機基礎應用實驗，分為6章，每章按照內容提要、實驗內容的結構來編排。其中Windows7實驗4個、辦公自動化實驗9個、計算機網絡實驗1個、數據庫與信息系統實驗2個、輔助製圖技術實驗2個、綜合實驗1個。每個實驗以實驗目的為牽引，配合了翔實的步驟，並加以實戰練習，以滿足初學者的需求，同時在軍事訓練網和互聯網均有各實驗的講解視頻，可以參照學習。第二部分為Python綜合設計實驗，分為13個實驗，主要對計算機基礎理論知識進行驗證和設計，以期加深對基礎理論知識的理解和掌握，其中包括Python基礎、算法設計分析、數據分析挖掘和turtle繪圖4個富有特色的實驗項目。本書適合作為高等院校計算機基礎課程的實驗教材，也可作為軍事院校學生網絡自主學習、士兵士官提升信息化水平的初級培訓教材。

本書是人工智能技術應用專業的基礎教材，以簡單且生活化的實訓案例為載體，講解人工智能算法的基本原理，降低學習門檻。本書內容包括Python篇、機器學習篇、深度學習篇、計算機視覺篇以及自然語言處理篇。 Python篇通過實訓案例，讓讀者認識並掌握Python編程語言的基礎。機器學習篇通過實訓案例，讓讀者認識機器學習經典算法的基本原理和簡單應用。深度學習篇通過實訓案例，讓讀者瞭解多種神經網絡模型的原理及其在生活場景中的運用。計算機視覺篇通過實訓案例，讓讀者瞭解人工智能算法在計算機視覺領域的典型應用。自然語言處理篇通過實訓案例，讓讀者瞭解人工智能算法在自然語言領域的典型應用。 本書適合對人工智能感興趣的在校學生、社會工作者以及其他零基礎的讀者，通過體驗書中關於人工智能技術在計算機視覺、自然語言處理等領域的案例，可以逐漸對人工智能有所認知，並具備初步的實踐能力。

本書是人工智能技術應用專業的基礎教材，以簡單且生活化的實訓案例為載體，講解人工智能算法的基本原理，降低學習門檻。本書內容包括Python篇、機器學習篇、深度學習篇、計算機視覺篇以及自然語言處理篇。Python篇通過實訓案例，讓讀者認識並掌握Python編程語言的基礎。機器學習篇通過實訓案例，讓讀者認識機器學習經典算法的基本原理和簡單應用。深度學習篇通過實訓案例，讓讀者瞭解多種神經網絡模型的原理及其在生活場景中的運用。計算機視覺篇通過實訓案例，讓讀者瞭解人工智能算法在計算機視覺領域的典型應用。自然語言處理篇通過實訓案例，讓讀者瞭解人工智能算法在自然語言領域的典型應用。本書適合對人工智能感興趣的在校學生、社會工作者以及其他零基礎的讀者，通過體驗書中關於人工智能技術在計算機視覺、自然語言處理等領域的案例，可以逐漸對人工智能有所認知，並具備初步的實踐能力。

本书特色：(1)文字说明、源代码与运行结果穿插呈现，结合理论知识与实践经验。 (2)凸显第四代与第三代程序语言不同之处，掌握数据驱动程序设计的特点。 (3)左手用R，右手用Python，厚植追随**数据科学家的实力。 (4)配套资源丰富，来自各行业的数据处理与分析案例、R/Python对比的源代码、完整的教学课件。 (5)深入浅出地介绍统计机器学习理论与实务，做中学、学中做，迈向术道兼修的境界。 凝聚数据挖掘、机器学习等多学科的领悟R 与 Python兼修，配套课件、案例、源代码简单直白的叙述，带领读者认识数据分析与数据科学程序，通过案例代入练习，帮助读者快速建立数据科学的重要概念。 ——东吴大学巨量资料管理学院院长 许晋雄 博士学者的研究主题多半固定在某些范围内，很少人能像邹教授一样，醉心追求人工智能的*新趋势、数学分析方法及软件，让相关技术落地生根。 ——明志科技大学机械工程系特聘教授兼工程学院院长 梁晶炜 博士邹教授结合自己多年来的研究经验和体会，深入浅出地介绍了机器学习基础及各种统计学习方式下的数据分析方法，对高校学生及相关领域科技工作者有很好的启发。 ——南京理工大学教授博导、江苏省应用统计学会秘书长 程龙生 博士来自不同领域的资料处理与分析范例，同时掌握资料分析两大主流工具 —— R 与 Python，深入浅出地介绍统计机器学习理论与实务。

隨著大數據分析及人工智能技術在金融領域的應用越來越廣泛，培養學生在金融模型、數據分析以及計算機編程等方面的交叉學科能力也越來越重要。本教材主要講授量化投資交易相關的主要金融理論、數學模型以及其程序代碼實現，目的是讓學生不僅掌握核心的金融理論知識和金融數學模型，同時可以通過Python語言代碼對金融模型進行編程實現及實證檢驗。教材不僅涵蓋了量化金融領域主要的金融理論及金融模型，討論了理論的發展及業界的應用，同時在每一章都針對相關金融模型的Python程序代碼實現進行了詳細講解。

本書是一本Python入門書，適合對計算機瞭解不多，沒有學過編程，但對編程感興趣的讀者學習使用。這本書以習題的方式引導讀者一步一步學習編程，從簡單的打印一直講到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟件開發的基本過程。本書是基於Python 3.6版本編寫的。本書結構非常簡單，除“準備工作”之外，還包括52個習題，其中26個覆蓋了輸入/輸出、變量和函數3個主題，另外26個覆蓋了一些比較進階的話題，如條件判斷、循環、類和對象、代碼測試及項目的實現等。每一章的格式基本相同，以代碼習題開始，按照說明編寫代碼，運行並檢查結果，然後再做附加練習。

本書以Python機器學習常用技術與真實案例相結合的方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共11章，分別介紹了機器學習概述、數據準備、特徵工程、有監督學習、無監督學習、智能推薦的相關知識，並介紹了市財政收入分析案例、基於非侵入式電力負荷監測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數據營銷推薦案例以及基於TipDM數據挖掘建模平臺實現航空公司客戶價值分析案例。每章都包含了課後習題，幫助讀者鞏固所學的內容。本書可以作為高校數據科學或人工智能的相關專業教材，也可以作為機器學習愛好者的自學用書。

OpenCV 是一個開源的計算機視覺庫，可以實現計算機視覺算法。本書從 OpenCV 用 Python 實現的基礎語法講起，逐步深入計算機視覺的進階實戰，並在最後配合項目實戰案例，重點介紹使用 OpenCV 進行人工智能項目以及日常生活中小應用程序開發的方法。通過本書讀者不但可以系統地學習有關計算機視覺的知識，而且還能對圖像處理的算法有更為深入的理解。本書基於 Python，由淺入深、循序漸進地介紹了 OpenCV 從入門到實踐的內容。本書共 13 章，內容涵蓋OpenCV 基礎知識、常見的圖像操作、圖像去噪、圖像輪廓的提取與分析，以及人臉識別、目標追蹤等計算機視覺的項目實戰。

PyTorch是一個開源的Python機器學習庫，具有靈活性強、上手速度快和易於擴展等特點。本書從PyTorch出發，通過穿插實踐練習的方式介紹深度學習，使讀者對相關知識的理解更加深刻。 本書共分為6章。第1章介紹了PyTorch的安裝和基本操作；第2、3章介紹了深度學習的基礎知識、簡單的線性模型以及計算圖知識；第4、5章在前文的基礎上進一步擴展，介紹了各種神經網絡模型；第6章介紹了PyTorch的高級特性。對於每個概念，本書均給出了一個或數個簡明扼要的示例，以方便讀者理解。 本書適合有一定數學基礎、熟悉Python編程並對機器學習基礎知識有所瞭解的學生或相關從業人員閱讀和學習。

本書按照計算機學科知識體系來組織編排，全書共8章，內容包括：計算機硬件組裝與故障排除、操作系統Windows 10的安裝與使用、文字處理軟件Word 2016的使用、電子表格軟件Excel 2016的使用、演示文稿軟件PowerPoint 2016的使用、數據管理軟件Access 2016的使用、初步認識Python、計算機類專業常用軟件。在書附錄末給出了Python實驗源代碼。全書注重實踐，講解細緻、全面，旨在通過具體的操作指導，讓讀者高效地掌握計算機導論實踐課程中涉及的操作技能，快速提高實踐能力。本書可作為高等院校計算機類相關專業的計算機導論實踐課程的教材，也可作為其他計算機愛好者瞭解、學習計算機實際操作的參考書。

《自動控制原理基礎教程(第四版)》精練地闡述了自動控制的基本理論與應用。《自動控制原理基礎教程(第四版)》共九章：前八章著重介紹**控制理論及應用的主要方面，*後一章介紹現代控制理論中的狀態空間分析及綜合法。 《自動控制原理基礎教程(第四版)》強化了工程應用背景，系統介紹了MATLAB、Python應用技術，包括建模、時域分析、根軌跡繪製、頻域分析、前饋校正、離散系統分析、描述函數法計算，線性系統可控性、可觀測性和李雅普諾夫穩定性判別以及綜合設計等內容。 《自動控制原理基礎教程(第四版)》在數學基礎、控制理論、工程應用、MATLAB及Python仿真方面，具有系統性和統一性，適合工科高等院校使用。

《AI可解釋性(Python語言版)》全面介紹了AI可解釋性的概念和可用技術，使機器學習系統更易於解釋。書中提出的方法可以應用于幾乎所有現有的機器學習模型：線性和邏輯回歸、深度學習神經網絡、自然語言處理和圖像識別等等。 隨著機器學習的發展，如今人們越來越多地使用人工智能體來執行以前由人類處理的關鍵任務(醫療、法律和金融等等)。雖然智能體的設計原則已被理解，但目前的大多數深度學習模型對人類理解而言是“不透明的”。《AI可解釋性(Python語言版)》從理論和實踐的角度填補了這個新興主題文獻方面的空白，使讀者能夠快速地使用可解釋性AI的工具和代碼。

主要內容包括概率論基本概念、隨機變量及其分佈、多維隨機變量、數字特徵、極限定理、樣本與抽樣分佈、參數估計、經驗假設、方差分析與回歸分析等，向學生介紹統計與經驗方法的理論背景、應用技術，以及使用Python解決概率統計應用問題。

本書共分四部分，全面介紹如何基於Python微框架Flask進行Web開發。第一部分是Flask簡介，介紹使用Flask框架及擴展開發Web程序的必備基礎知識。第二部分則給出一個Web 2.0實例，真正帶領大家一步步開發完整的博客和社交應用Flasky，從而將前述知識融會貫通

書是一本介紹如何基於Django框架開發網站的書籍，分4章。第1章是Python、Django發展歷史與概要介紹和安裝方法，以及HTTP的基礎知識；第2章詳細介紹了Django基本知識，包括如何啟動Django服務、Hello World程序、HttpRequest與HttpResponse對象、setting.py的配置、cookie和session、Django的MTV開發模式框架、Djang

本書是一本分子體系電腦類比的入門性及實踐指導性教材，這是擴展了的第二版，大量介紹了原子層面的分子模擬技巧。書中囊括了大量的Python中的案例和程式模型，並做了詳細的描述，這些實例涉及化學、生物學及材料科學。

《決戰Nginx技術卷：高性能Web服務器部署與運維（基于php、Java、ASP.NET等）》詳細講述了Nginx服務器與動態語言應用的結合，動態語言包括PHP、Python、Perl、Java、Ruby及ASP.NET架構。對于PHP部分，我們使用了php-fpm方式運行，在這一部分除了使用純PHP架構的memcache外，還介紹了使用libmemcached的memcached。對于使用Py

本書以MySQL數據庫管理系統為平臺，較全面地介紹了數據庫的基礎知識及其應用。全書共12個項目，包括數據庫基礎知識和MySQL安裝與配置、數據庫設計、數據定義、數據操作、數據查詢、視圖、索引、數據庫編程技術、事務、數據安全、編寫Python程序訪問MySQL數據庫、基於Python的桌面應用程序開發。全書採用案例教學方式，設有項目案例、項目實踐、實戰演練3個部分，分別採用3個不同的數據庫項目貫穿始末。大部分項目先以應用舉例的方式講解知識要點，再分析項目案例，給出解決問題的完整方案，並提供與項目案例相對應的項目實踐，以便讀者在實踐中模擬操作，最後通過實戰演練幫助讀者鞏固所學的內容。本書配有PPT課件、教學大綱、電子教案、項目案例數據庫、項目實踐數據庫、實戰演練數據庫、Python源代碼、習題答案等豐富的教學資源，用書教師可在人郵教育社區免費下載使用。本書可以作為高等院校“數據庫原理及應用”課程的教材，也可以作為全國計算機等級考試二級“MySQL數據庫程序設計”的應試參考書，還可作為數據庫應用和管理人員的參考書及廣大計算機愛好者的自學用書。

本書遵循網絡自動化運維工程師職業素養和專業技能的要求進行內容組織，採用“項目化教學”和“任務驅動”方式展開。本書分四篇，共計12個項目。內容覆蓋網絡自動化Python編程基礎、用於網絡自動化的Python模塊、用於配置與管理網絡的協議以及網絡自動化運維的常用工具。基礎篇共一個項目，項目1為Python編程基礎；部署實施篇共四個項目，項目2為使用telnetlib下發網絡配置；項目3為使用paramiko實現網絡自動化巡檢；項目4為使用 netmiko發現網絡拓撲；項目5為使用 PySNMP獲取網絡數據；協議篇共三個項目，項目6為使用議NETCONF協議配置網絡；項目7為使用Telemetry實時監控CPU和內存使用率；項目8為使用RESTCONF協議配置網絡；工具篇共四個項目，項目9為使用Ansible實現網絡自動化運維；項目10為使用Nornir收集網路日誌；項目11為使用scapy處理數據包；項目12為使用NMAP掃描網絡。本書是一本介紹網絡自動化運維理論知識和應用技能的教材，既可作為高職或應用型本科電子信息類專業學生的教材，也可作為參加華為HCIP Datacom網絡自動化開發者認證的學習者的閱讀材料，還可以作為網絡架構師、網絡運維工程師、網絡運維開發工程師、網絡與系統管理工程師等從業人員的閱讀材料。

自然語言處理是一門融語言學、計算機科學、數學於一體的科學，研究人與計算機之間用自然語言進行有效通信的各種理論和方法。計算語言學是指通過建立形式化的數學模型來分析、處理自然語言，並在計算機上用程序來實現分析和處理的過程，旨在以機器來模擬人的部分或全部語言能力的目的。《自然語言處理與計算語言學》作為一本借助於Python編程語言以及各種開源工具（如Gensim、spaCy等）來執行文本分析、自然語言處理和計算語言學算法的圖書，從應用層面介紹了相關的理論知識和所涉及的技術。《自然語言處理與計算語言學》共分為15章，其內容涵蓋了文本分析的定義、使用Python進行文本分析的技巧、spaCy語言模型、Gensim工具、詞性標注及其應用、NER標注及其應用、依存分析、主題模型、高級主題建模、文本聚類和文本分類、查詢詞相似度計算和文本摘要、詞嵌入、使用深度學習處理文本、使用Keras和spaCy進行深度學習、情感分析與聊天機器人的原理介紹等。《自然語言處理與計算語言學》適合對自然語言處理的實現細節感興趣的Python程序開發人員閱讀。如果讀者具備統計學的基本知識，對學習本書內容會大有裨益。