Python

《大學計算機基礎教程（第3版）》根據《大學計算機基礎課程教學基本要求》編寫。 《大學計算機基礎教程（第3版）》共9章，第1章介紹計算機系統與信息技術知識；第2章講述操作系統和Windows7的使用；第3章學習運用字處理軟件Word2016編輯與排版文檔；第4章學習使用電子表格軟件Excel2016處理表格和數據；第5章學習使用PowerPoint2016製作演示文稿；第6章學習計算機網絡基礎知識與Internet的應用；第7章介紹多媒體技術與應用知識；第8章介紹數據庫基礎，並結合Access介紹數據庫應用；第9章介紹算法與程序設計基礎，並結合Python語言介紹程序設計的應用。 《大學計算機基礎教程（第3版）》內容精練，語言簡潔，通俗易懂。各章均給出綜合案例，並在章後配習題，適合讀者邊學邊練。 《大學計算機基礎教程（第3版）》可作為高等學校計算機公共課教材，也可供參加全國計算機等級考試的人員參考。

當前，人工智能正在改變世界，人工智能已經上升至國家戰略高度，面對人工智能在教育界掀起的層層浪花，《走進人工智能：機器學習原理解析與應用》針對人工智能知識譜系龐雜的問題，聚集人工智能教育在階段性教育中出現的斷層現象，基於信息技術學科教育教學研究實踐，以機器學習K近鄰、決策樹、隨機森林、支持向量機、神經網絡等18個經典的算法原理解析和具體應用為切入點，以Python編程IDE為操作工具，通過理論闡釋、案例分析、編程實踐，帶領讀者撥開迷霧，明晰路徑，體驗機器學習算法的奇妙，領略人工智能科學的精妙，獲取人工智能“學什麼、怎麼學、怎麼用”的方法。 《走進人工智能：機器學習原理解析與應用》內容包括概述、分類、回歸、聚類、關聯分析、數據預處理和人工神經網絡等內容。算法原理解析中所涉及的教學等晦澀內容都以知識窗的形式一一講解，表述通俗易懂；算法具體應用中的案例典型生動，編程代碼具體詳細，力求讓人工智能思想落地，直觀地展現於讀者面前。 《走進人工智能：機器學習原理解析與應用》主要面向基礎教育階段信息技術學科教師、高中學生以及計算機相關專業的大中專學生和對人工智能領域感興趣的大眾讀者，也可作為人工智能課程的學習材料。

內容簡介:* 以MongoDB 5.x最新版指令貫穿全書，並可在6.0 RC順利執行 * 與Python語言結合，無縫接軌智慧聯網、巨資分析、機器學習等領域 * 本書深入淺出，豐富且大量的範例，保證快速掌握MongoDB精髓 在巨量資料的時代，存取效能佳、高可用性、可擴展性及具備安全性的資料庫平台是不可或缺的。朱克剛老師實作經驗豐富，此書以深入淺出範例導向的方式說明，是熟MongoDB技術必備的工具書。 -- 虎尾科技大學資訊工程系副教授 江季翰 好友朱克剛博士所著之MongoDB工具書，文字內容配合圖表解說非常易讀，操作步驟更按序清楚呈現，甚至所提案例也與我們實際生活相關。這是一本讀者可以輕鬆駕馭，並跟著大師一起練功的秘笈，想一窺MongoDB的朋友都應該擁有它。 -- 正修科技大學數位多媒體設計系主任 殷聖楷 MongoDB是目前最受歡迎的NoSQL資料庫，擁有豐富教學及實務經驗的朱克剛老師在本書中以簡單、明瞭的範例帶領讀者實際演練，快速學會巨量資料管理與儲存方式。這是一本易上手又涵蓋全部關鍵技術的好書! -- 靜宜大學資訊傳播工程系副教授 王岱伊 朱克剛老師具多年業界實務經驗，同時也擁有超過20年的教學資歷，本書使用經典實例和詳細的操作步驟，絕對是您學習MongoDB的第一選擇，幫助您精準學習快速上手。 -- 資展國際（原資策會人培團隊）區域總監 王偉璁 AI蓬勃發展，有別於關連式資料庫的NoSQL已是重點發展課題之一；作者融會超過30年程式經驗，將其精髓以淺顯易懂的觀念付諸此書，入門者可豁然開朗，經驗者可溫故知新，絕對是人人適合入手的寶典。 -- 104人力銀行人資學院產品開發處處長 李閔隆

【本書特色】 繼台灣人工智慧領域最暢銷著作《TensorFlow+Keras深度學習人工智慧實務應用》之後，大數據分析大師、暢銷名作家 林大貴最新力作《圖解TensorFlow 2初學篇：實作tf.keras + Colab雲端、深度學習、人工智慧、影像辨識》嶄新登場！解決學習TensorFlow 2的障礙，輕鬆進入深度學習與人工智慧領域！ ✪漸進式系統化學習TensorFlow 2 ✪圖解輕鬆理解深度學習與人工智慧 ✪Step by Step實作快速上手 ✪Colab節省訓練模型的時間與金錢 ✪養成深度學習模型直覺式的理解 ✪學會TensorFlow 2的最新技術 ✪學會影像辨識模型從原理到實作 ✪學會訓練深度學習模型的實務經驗 【內容簡介】 TensorFlow 2是最受歡迎的「人工智慧與深度學習」平台，學會了TensorFlow 2，對於你的現有工作提升與未來轉職都有很大的幫助，然而多數人在學習過程中卻遇到了很多困難，而本書能解決學習TensorFlow 2的障礙。 ✪漸進式系統化學習TensorFlow 2 本書是《圖解TensorFlow 2》系列叢書的第一本初學篇，本系列叢書主要是幫助初學者解決進入此領域的障礙，循序漸進有系統地學習「TensorFlow 2與人工智慧、深度學習」，本系列叢書詳細說明於本書序言。 ✪圖解輕鬆理解深度學習與人工智慧 很多讀者都是在百忙之中抽空學習，本書以很多的「圖解」來解說深度學習原理與程式系統的架構圖。由於「一張圖勝過千言萬語」，比起文字的說明，「圖解」更可讓原理易懂且印象深刻。 ✪Step by Step實作快速上手 你只需要有Python基礎，依照本書範例程式碼Step by Step的詳細解說，便可讓你快速學會實作不同的深度學習模型。 ✪節省訓練模型的時間與金錢 本書介紹Google Colab，只需要有Google帳號與瀏覽器，就能夠免費使用GPU訓練模型，加快訓練速度十多倍以上，可節省你採購與安裝顯示卡的昂貴費用。 ✪培養「深度學習模型」直覺式的理解 本書介紹玩TensorFlow Playground理解深度學習的原理。透過實際示範，讓你眼見為憑（有圖有真相），例如：什麼是「神經元」？什麼是「過度擬合」（overfitting）？並了解如何設定超參數等。 ✪學會TensorFlow 2的最新技術 本書介紹Ten

本書為國家職業教育大數據技術專業教學資源庫配套教材，也是高等職業教育計算機類課程新形態一體化教材。 本書選擇Python 3作為編程環境，系統講述編寫爬蟲所需要的各種技術。包括HTTP的原理、urllib和request網絡請求庫的使用、正則表達式、XPath等數據提取規則的使用和爬蟲框架Scrapy的使用，並最後通過一個項目“招聘分析監控系統――數據采集系統”將以上技術綜合運用起來。 本書配套有微課視頻、教學設計、授課用PPT等數字化教學資源。與本書配套的數字課程“數據采集與預處理”已在“智慧職教”平臺(www.icve.com.cn)上線，學習者可以登錄平臺進行在線開放課程的學習，授課教師可以調用本課程構建符合自身教學特色的SPOC課程，詳見“智慧職教”服務指南。讀者可登錄平臺進行資源的學習及獲取，也可發郵件至編輯郵箱1548103297@qq.com獲取相關資源。 本書緊跟信息社會發展動態，內容新穎、結構清晰，具有很強的趣味性和實用性。本書可作為高等職業院校大數據技術專業及其他相關專業的教材，也可作為大數據技術愛好者的自學用書。

本書系統地介紹了汽車傳動系統結構組成及振動產生的原因，力圖使讀者了解汽車傳動軸，後橋等汽車零部件的工作原理，剖析其工作過程中振動產生的原因。此外，還將智能製造和智能設計與傳動系統緊密結合，簡要地展望汽車傳動系統的發展趨勢。通過理論與實踐一體化的講解，力求使知識講解與實踐更好地結合，為現代汽車動力傳動系統的研發打下基礎。此外，本書將傳動系統領域的科研成果應用於課堂教學，在介紹本科研團隊研究成果的同時，可以提升學生對汽車動力傳動系統的認識，提高學生的專業素養。本書共7章，以傳動系統為主線，內容涵蓋傳動系統結構概述；傳動軸的振動分析；驅動橋的振動分析；傳動系統的振動分析及參數優化設計；基於Python的傳動系統智能設計；傳動系統的智能製造；總結與展望等。本書可作為總結本科研團隊的科研專著，亦可作為高年級本科生或研究生的授課教材及自學用書。

人工智能應用已經遍及各行各業，而機器學習和深度學習作為其中的重要組成部分也越來越火熱。《PyTorch深度學習模型開發實戰》就以近年來非常流行的Python 機器學可庫 PyTorch為工目。對深度學習中的遷移學習、圖像分類、物體檢測、語義分割、姿勢識別、圖像生成、異常檢測、自然語言處理以及視頻分類等各種任務進行了詳細講解及深度學習模型的編程實現。這些任務都是為幫助讀者積累實踐經驗，以便能在實際開發中靈活運用深度學習技術精挑細選出來的。讀者只要親自動手，依次對各種任務進行編程實踐，並徹底理解其中的原理，就一定能逐步掌握複雜深度學習的應用方法。 《PyTorch深度學習模型開發實戰》 內容豐富全面，講解通俗易懂，特別適合作為有一定基礎的AI工程師提升技能、中高級機器學習/深度學習工程師鞏固相關基礎的參考書籍。

自然語言處理是人工智能的重要分支，本書是一本自然語言處理的入門教材，主要面向高年級本科生和低年級研究生。本著理論結合實踐的基本原則，本書共分為 11 章，其中第 1 章概述了自然語言處理的研究內容、發展歷程、技術特色和當前現狀，是概述性的一章。第 2 章是自然語言處理的編程基礎，對 Python 語言及其相關模塊進行了介紹。第 3 章是自然語言處理的算法基礎，主要對常見的機器學習算法(分類算法、聚類算法、模型評估方法、概率圖模型、集成學習、人工神經網絡等)進行了講解。 第 4 章和第 5 章從統計學方法入手講解了自然語言處理的兩個基礎任務：分詞和關鍵詞抽取。第 6 章則講解了當前流行的詞向量技術，尤其是 Word2vec 和大規模預訓練模型 BERT。從第 7 章至第 11 章分別對當前自然語言處理的熱門研究領域展開講解，包括文本分類、信息抽取、機器閱讀理解、文本生成和摘要抽取、對話和聊天系統等。 本書除了可以作為高等院校計算機、大數據和人工智能及其相關專業的本科生和研究生教材，也可供對自然語言處理技術感興趣的研究人員和工程技術人員閱讀參考。

👉👉👉超好評！首版上市累積銷售數千本～ ☝ 感謝讀者熱情支持，再版推出暢銷回饋嘉惠更多朋友 ☝ 好評再上市，回饋發行中！ 專業的投資理財，需要金融知識、資料分析與資訊技術等三者的結合。而具備資訊技術的工程師學習金融理財，只欠東風，藉由本書提供的金融專業與資料分析的方法，將幫助工程師善用程式工具，來學習投資理財。 Python及R語言簡單好用，函數工具與套件齊全，延伸應用廣泛，並且在統計、圖形繪製、網路資料擷取上都很方便。藉由本書118個技巧與案例的逐步演練及說明，再加上工程師本身的資訊技能，學習金融科技理財，如獲降龍十八掌。 在資訊技術逐漸滲入金融領域的同時，傳統的交易與理財工具也不斷的改變與進化。另外，隨著網路的普及，許多的資料與行為數據公開在網路上，可讓使用者分析與取用，形成金融科技應用的一個領域。 本書的第一章先介紹商品，使你對於市面的商品及其應用有初步的認知，接著第二、三章則介紹資料的取得方式，能將資料載入程式中使用。後續的章節內容繼續說明常見的投資商品與應用方式，並加上程式的輔佐應用介紹，最後介紹國內券商的即時報價與下單，可給你基礎的金融交易概念。 【工程師為何要學習理財？】 ◎工程師具備資訊技能，能掌握資訊工具進行數據分析，易於進入量化與自動化的理財領域。 ◎工程師喜歡探索問題，並找出解決方案，透過方法與工具的學習，可找出屬於自己的理財方式，並交由程式執行。 ◎工程師有自己的職能工作，無法像專業操盤手一樣，有很多時間盯盤，交給程式輔助判斷或是自動執行，是最合適的方式。

本書參照教育部計算機基礎課程實驗教學的基本要求，主要介紹信息技術及其應用，從基礎原理出發、以具體應用為導向進行數據處理講解。 全書共三部分：第一部分（～4章）為數據處理基礎，介紹數據獲取以及基本的數據處理方法，包括使用軟件、瀏覽器插件等工具爬取數據，Excel電子表格數據處理和圖像數據處理；第二部分（第5～8章）為數據可視化展示，介紹數據可視化的不同形式，包括Word圖文報告設計、PPT演示文稿製作、Camtasia視頻製作和Animate動畫設計；第三部分（第9～12章）為編程式數據處理，介紹編程相關的數據處理，包括網頁設計與製作、微信小程序開發、Raptor算法工具介紹以及Python數據處理。全書提供了大量應用實例，例題大部分配備了視頻，用於展示數據處理過程。 本書適合作為高等院校本科生計算機通識教育課程的教材，也可供非計算機專業有志於學習數據處理的人員參考。

《機器學習理論與實踐》用通俗易懂的語言介紹了淺層機器學習、深度學習的主要模型原理及實現程序，以及編寫機器學習程序所需要的編程語言背景與數據處理方法等。主要內容包括淺層監督學習模型，如線性模型、決策樹模型、貝葉斯模型、支持向量機模型、k-近鄰模型、人工神經網絡模型、集成學習模型；淺層無監督學習模型，如k均值聚類方法、DBSCAN聚類方法；深度學習模型，如自動編碼器、卷積神經網絡；編程語言基礎，包括Python基本語法，numpy庫、pandas庫、matplotlib庫、os模塊等；數據預處理方法，如圖像處理方法（線性增強、空間域濾波、頻率域濾波）、數據規範化方法（min-max數據規範化方法、z-score數據規範化方法）、類別編碼方法（one-hot編碼）、數據降維方法（主成分分析）；機器視覺領域常見的特徵提取方法等。 《機器學習理論與實踐》可作為高等院校相關專業學生的教材，還可作為對機器學習感興趣讀者的參考書。

本書將基礎理論和案例實戰相結合，循序漸進地介紹了關於機器學習領域中的經典和流行算法，全面、系統地介紹了使用Python實現機器學習算法，並通過PyTorch框架實現機器學習算法中的深度學習內容。第一部分為基礎篇，包括第1～8章，系統地介紹了機器學習基礎、數據預處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、神經網絡與多層感知機； 第二部分為綜合篇，包括第9～12章，介紹了CNN、RNN、GNN及GAN等經典深度學習方法及其在計算機視覺與自然語言處理領域中的應用實踐； 第三部分為拓展篇，包括第13～15章，以百度飛槳和曠視天元為例介紹了具有代表性的國產開源框架及其應用案例，最後簡要介紹了國內外兩個主流機器學習競賽平臺。本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，從事高等教育的專任教師，高等學校的在讀學生及相關領域的科研人員。

人工智能和大數據是當今時代的兩個鮮明的技術特徵，而數據可視化一直是伴隨著這兩大技術領域的熱門研究方向，促進了眾多智能化應用的發展。本書系統性講解了數據可視化技術的原理和實現方法，並給出一些簡單實用的案例。全書共10章，其中第1至8章以VTK數據可視化平臺為基礎，利用Python編程語言，系統性地講解了數據可視化的原理和實現，包括緒論、可視化的圖形基礎、可視化原理與過程、可視化數據表示、可視化算法設計、可視化建模技術、圖像處理技術、體可視化；第9、10兩章側重于利用Matplolib工具實現數據可視化，用於繪製統計圖表、時間序列數據等一些功能。各章均附有一定量的習題，方便讀者掌握相關知識。本書為浙江省省級新形態教材，配有豐富的教學資源，可通過掃描二維碼獲取。本書可作為高等院校相關專業的教材，也可作為大數據和數據可視化領域應用開發人員及編程愛好者的參考材料。

內容介紹: 【世界發生劇變！銷售 AI 化勢在必行！】AI 議題已經講了好多年，然而絕大多數的企業仍然沿用老路子做生意，亂槍打鳥式的銷售方式也沒甚麼進步。然而時代不同了，既然有 AI 這個好工具為何不用？因為不懂不會所以不知該如何開始？眼睜睜看著 Google、Facebook 靠著 AI 化的銷售技術大賺特賺！其實，AI 不是大企業才能作，中小企業也可以，但不是全面做，而是挑選適合的做。最容易做到且很快就能換成實績的就是行銷、業務的銷售工作，只要利用自身累積的銷售與客戶等資料就行，讓 AI 自動找出其中隱藏的銷售密碼，並直接運用在工作中驗證，這就是本書的主軸：銷售 AI 化，讓機器學習來幫忙。【AI 不是打高空，要落實在工作中】許多工程師學了 AI 技術，卻不知道如何讓技術落地！其實開發以銷售為目的的 AI 並不需要高深的技術，只要用機器學習就能辦到。書中範例使用的都是真實企業產生的工作資料，例如要預測潛在客戶時，可讓 AI 從客戶職業、年齡與過去的銷售實績等資料自動學習，找出資料間的關係建出模型並做出預測，我們就可以對商品或客戶擬定策略去執行計畫。也可以依據過去幾年的每日銷量，考慮節假日的影響，利用 Facebook 提供的時間序列套件去預測未來一段時間的銷量等等。重要的商用實作範例包括：●銷售成交預測●銷量或來客數預測●季節週期性變化預測●推薦商品提案●根據客群制定銷售策略本書由世界 500 大企業 Accenture (埃森哲) 公司的 AI 集團資深總監親自執筆，規劃出開發 AI 專案的標準流程，從選擇適合引入工作中的 AI 開始，一路到訓練資料的取得、資料加工、選擇演算法及建立 AI 模型之後的評估與調整等 9 大步驟。即使沒有開發過 AI 專案經驗的人也不用擔心，只要跟著動手做，就能看到成果。書中的案例會實作監督式學習與非監督式學習中「分類」、「迴歸」、「時間序列」、「關聯分析」、「分群」、「降維」等各種演算法，讓讀者依照問題的類型選擇適用的處理模式。而且每個專案都不馬虎，從頭做到尾一遍一遍演練 SOP，將流程深深印入腦海，熟悉每個步驟之後才能順利應用到自己的專案。【邁向資料科學家之路】書中提供的所有 Python 程式都是可以運用在實務工作上的原型，每個人都可以利用這些原型建出自己想要的機器學習模型。了解如何從實務觀點建立 AI，藉由本

《機器學習：貝葉斯和優化方法（原書第2版）》對所有重要的機器學習方法和新近研究趨勢進行了深入探索，通過講解監督學習的兩大支柱——回歸和分類，站在全景視角將這些繁雜的方法一一打通，形成了明晰的機器學習知識體系。 新版對內容做了全面更新，使各章內容相對獨立。全書聚焦於數學理論背後的物理推理，關注貼近應用層的方法和算法，並輔以大量實例和習題，適合該領域的科研人員和工程師閱讀，也適合學習模式識別、統計/自適應信號處理、統計/貝葉斯學習、稀疏建模和深度學習等課程的學生參考。 此外，《機器學習：貝葉斯和優化方法（原書第2版）》的所有代碼均可免費下載，包含MATLAB和Python兩個版本。 《機器學習：貝葉斯和優化方法（原書第2版）》重要更新及特色： 重寫了關於神經網絡和深度學習的章節，以反映自第1版以來的研究進展。這一章從感知器和前饋神經網絡的基礎概念開始討論，對深度網絡進行了深入研究，涵蓋較新的優化算法、批標準化、正則化技術（如Dropout方法）、CNN和RNN、注意力機制、對抗樣本和對抗訓練、膠囊網絡、生成架構（如RBM）、變分自編碼器和GAN。 擴展了關於貝葉斯學習的內容，包括非參數貝葉斯方法，重點討論中國餐館過程（CRP）和印度自助餐過程（IBP）。 追蹤新的研究趨勢，包括稀疏、凸分析與凸優化、在線分布式算法、RKH空間學習、貝葉斯推斷、圖模型與隱馬爾可夫模型、粒子濾波、深度學習、字典學習和潛變量建模等。 提供實用案例分析，包括蛋白質折疊預測、光學字符識別、文本作者身份識別、fMRI數據分析、變點檢測、高光譜圖像分離、目標定位等。

Qt是當前非常流行的C++可視化開發軟件。《Qt 6開發及實例（第5版）》全面升級到新的Qt 6.0平臺，通過豐富的實例介紹Qt和QML編程及其應用開發。全書分為7個部分。第1部分為Qt基礎，在上一版的基礎上基於Qt 6.0的全新類模塊和接口，重新實現了所有基礎實例的功能。第2部分為Qt 6綜合實例，設計了電子商城系統、簡單字處理軟件、微信客戶端程序這三大實用案例。第3部分為Qt擴展應用OpenCV，介紹OpenCV的配置及典型圖片處理實例。第4部分為QML和Qt Quick及其應用，基於Qt 6.0支持的Qt Quick Controls 2.5新庫實現了諸多典型應用實例。第5部分是Qt Quick 3D開發基礎，先從基礎的場景、相機、視圖、光源等概念入手，通過程序實例介紹Qt 6 3D開發的基礎知識，然後通過一個綜合的“益智積木”學習軟件來演示Qt 6在3D開發上的強大功能。第6部分是Qt 6跨平臺開發技術，介紹了Qt 6在Visual Studio、Android、Python及Linux（Ubuntu）等多種主流平臺上的環境配置和程序開發。第7部分為附錄，介紹了C++相關知識和Qt 6的簡單調試。 《Qt 6開發及實例（第5版）》提供配套的視頻，分析典型案例，通過掃描二維碼播放。為了方便讀者上機練習，書中實例提供源代碼，其編號為CH×××。源代碼工程文件可從華信教育資源網（http：//www.hxedu.com.cn）免費下載。 《Qt 6開發及實例（第5版）》既可作為Qt學習不可多得的一本全面翔實的學習資料和參考用書，也可作為Qt開發技術培訓用書。

大數據分析與挖掘已經廣泛應用於各行各業。本書以項目實踐為基礎，對大數據分析與挖掘的基礎知識進行了介紹，總結了機器學習、大數據分析與挖掘過程、數據分析挖掘框架和庫，分析了當前的研究熱點與前沿技術。為了增強本書的實用性、提高讀者的動手能力，本書結合案例討論了爬蟲與數據處理、Echarts和Python可視化、描述性分析、並聯分析、回歸與分類、聚類、序列挖掘等基本方法的實現與實踐。本書結合實際案例，探討了文本分析、主題模型、推薦系統、知識圖譜、情感分析等高級實現與實踐。此外，本書還介紹了大數據分析與挖掘在管理領域的應用案例。本書配有電子課件等教學資源，讀者可登錄華信教育資源網（www.hxedu.com.cn）下載使用。本書適合作為高等學校數據挖掘、商務智能、數據分析等課程的教材，也可供數據分析與數據挖掘從業人員閱讀，還可供從事數據挖掘、機器學習應用研究的科研人員參考。

本書主要基於Autodesk Revit上的開源插件――可視化編程軟件Dynamo展開，面向建設工程領域，適用於建築行業各個專業的設計、施工、管理方面的專業人士和研究人員，高校師生，軟件開發工程師以及BIM愛好者。本書為讀者提供了大量的實戰技巧，具有較強的針對性、知識性、獨創性與實用性。本書第1章以例題的形式講解Dynamo基礎知識，串聯關鍵知識點，避免了枯燥的理論講解，增加了可讀性，同時為真實項目實戰打下基礎。在第2章案例應用，分別從案例背景、解決方案、案例知識點、案例詳解四個方面對每一個真實案例進行講解。通過提出項目需求，探究解決思路，解決項目問題，帶領讀者由淺入深，逐步掌握解決問題的思路和方法，舉一反三，解決自身的實際工程問題，並且借助BIM技術，從源頭提高項目的綜合應用與管理能力，為讀者今後的職業提升和項目經濟收益提供幫助。第3、4章深入地講解了DesignScript語法、Python調用Revit API等知識點，可以幫助有一定基礎的讀者進一步提升自身實力，為腳本優化和二次開發打下基礎。能更好地幫助讀者理解軟件的API，並為工程需求服務，這也是當今建設領域一名BIM工程師的必備技能。

在Hadoo/Spark/Mahout/Tensorflow上跑多機器多片GPU的機器學習 機器學習在神經網路和GPU流行起來之後大放異彩，連販夫走足都CNN/RNN朗朗上口，然而許多企業/研究機關/學校在花了大筆預算購買昂貴的硬體時，卻不知如何採購，更不用說如何應用這些硬體來進行研發或產品開發了。本書作者是知名電商的創辦人，其不止在機器學習上有十足的實務經驗，在面對大量資料的場景下，更能利用前人的智慧，用上了Big Data最流行的Hadoop/Spark平台。尤有甚者，在新一代的AI函數庫面世時，也能充分利用這些函數庫的GPU加速，將多機器，多GPU的資源應用在大型專案上。 ▌業界獨有 全書以Hadoop/Spark為基礎，加上使用了最流行的TensorFlow on Hadoop，更使用了分散式系統最老牌的Mahout，有別於一般只介紹Python/TensorFlow的坊間書籍，是市場上唯一僅有完整從Hadoop一直延伸到神經網路。 ▌內容完整豐富 本書以分散式機器學習為主線，以實戰為主要目的。共分為8章，分別介紹網際網路公司巨量資料和人工智慧、巨量資料演算法系統架構、巨量資料基礎、Docker容器、Mahout分散式機器學習平台、Spark分散式機器學習平台、分散式深度學習實戰、完整工業級系統實戰（推薦演算法系統實戰、人臉辨識實戰、對話機器人實戰）等內容。 適合讀者 適合分散式機器學習的初學者閱讀，對於有一定經驗的分散式巨量資料方向的從業人員及演算法工程師，也可以從書中獲取很多有價值的知識，並透過實戰專案更佳地理解分散式機器學習的核心內容。

21世紀以來，隨著國民經濟的快速增長，人民生活水平的逐漸提高，國內景區景點的開發以及基礎旅遊設施的建設加快，人們對旅遊的需求越來越大，對旅遊業的要求也越來越高。2015年，旅遊業成為國家經濟戰略性支柱產業之一。越來越多的地市開啟了“全域旅遊”這一轉型升級之路。當前，旅遊市場競爭日趨激烈，如何提升旅遊形象成為每一個地市及景區首先要解決的問題。 河南作為文化旅遊大省，旅遊資源豐富，有26個國家全域旅遊示範區。本書在查閱大量相關文獻的基礎上，基於全域旅遊的背景，以26個國家全域旅遊示範區創建單位為研究對象，構建全域旅遊形象感知理論基礎。借助八爪魚採集器、NVivo、Rost Content Mining 6、Netdraw、Python等研究工具，通過對網絡遊記的文本分析，探討旅遊者對河南省全域旅遊的感知形象，找出形象中的缺失部分。最後，通過IPA分析，深入研究河南省全域旅遊建設中亟需改進的問題，並提出相應的解決措施，以期推動河南省全域旅遊發展，促進河南省文化旅遊強省建設。

本教材介紹了醫學數據計算機處理與分析的基本概念、方法和相關工具，著重以Excel軟件為基礎闡釋了數據采集、數據處理、數據顯示和可視化等數據分析的方法和具體過程。第1篇應用基礎(第1～2章)主要介紹計算機數據處理與分析的基本概念、方法和相關工具，介紹了利用Excel進行醫學數據采集和輸入的方法。第2篇數據處理(第3～4章)介紹了如何利用公式和Excel各類函數處理數據。第3篇數據分析與顯示(第5～6章)介紹利用Excel數據管理工具來進行數據分析和數據顯示，同時介紹了如何使用數據可視化插件進行操作。在第4篇數據高級分析(第7～8章)中，詳細介紹了利用Excel高級統計分析工具庫、模擬運算與規劃求解來解決相關醫學統計問題。第5篇應用拓展(第9～10章)介紹了如何利用Access保存數據結果，簡要介紹了Python數據處理的例子。所有知識點內容均配備醫學相關數據，作為應用案例和操作過程，通過計算機數據處理與分析的學習，讀者能掌握更多的醫學數據分析的方法，為將來進行專業領域的大數據分析與挖掘打下基礎。

本書構建了一個完整的強化學習入門路徑，深入淺出地介紹了強化學習算法的基本原理和實現方法。本書 首先回顧了相關預備知識，包括數學基礎和機器學習基礎，然後先介紹強化學習的基本概念，給出強化學習的 數學框架(馬爾可夫決策過程)，隨後介紹強化學習的求解算法，包括表格求解法(動態規劃法、蒙特卡洛法 和時序差分法)，以及近似求解法(值函數近似法、策略梯度法和深度強化學習)。本書最後一部分為實踐與前 沿，實踐部分基於一個相同的例子實現了強化學習領域的主流基礎算法，前沿部分介紹了強化學習領域的最新 研究進展。本書配有相當數量的習題供練習，配套代碼基於 Python 實現，源代碼均已開源，可開放獲取。 本書可作為理工科本科生、研究生的“強化學習”課程的教材，也可作為相關從業者掌握強化學習的入門 參考書。

本書主要分為三部分，第一部分為設計模式基礎知識篇，主要包括面向對象基本知識、UML基本知識的概念。第二部分為設計模式篇，主要講解三大類若干設計模式及其應用。通對一些基本設計模式、基本原理的講解及應用實例，使學生能理解設計模式背後的基本原則和動機。第三部分為設計模式提高篇，主要講解在複雜場景下設計模式的應用，從而達到對軟件設計中高層次設計模式的組合應用和複雜場景需求變化時採用設計模式的解決方案及應用效果。為更好地服務當前人工智能需求和發展目標，針對每個設計模式，給出其Python語言程序參考，每章中均有一定的習題，幫助學生鞏固重點知識。本書既可作為高等學校計算機相關專業本科生和研究生設計模式的教材，也可作為軟件從業人員的參考用書。

IntelliJ IDEA是一款優秀的軟件開發工具，學習和掌握IntelliJ IDEA對於開發者來講具有十分重要的意義。本書以IntelliJ IDEA的操作使用為主線，同時貫穿示例教學，全面地向讀者展示了其強大的開發與管理能力。 本書為讀者準備了比較全面的技術體系，共16章。第1章與第2章主要講解了IntelliJ IDEA的使用技巧；第3章主要講解了IntelliJ IDEA中的工程結構及組織方式；第4章與第5章主要講解了IntelliJ IDEA下項目的編譯、部署、運行與調試；第6章與第7章講解了Maven等項目構建管理工具的使用；第8章Git版本管理是開發者需要著重學習的知識技能；第9章講解了Spring項目的使用原理並深化了示例；第10章講解了數據庫管理工具的使用技巧；第11章至第14章進行了全方位的拓展，引入了Docker容器、Vue.js、Scala、Python等相關內容；第15章為輔助教學篇，主要講解了持續化部署工具的使用；第16章為結束篇，以插件為主題從大方向講解了IntelliJ IDEA下的插件開發。 本書適用于所有初學者及具有一定開發經驗的從業人員、軟件愛好者。相信通過閱讀本書，讀者能夠獲得更多的幫助與提升。

本書內容包括計算機組成及工作原理、計算機軟件與信息表示、計算機網絡與信息安全、計算機新技術、大數據應用技術，以及計算思維與程序設計。 全書分為3部分： 第1部分(第1～4章)為基礎篇，著重介紹現代信息技術，主要讓讀者理解計算機硬件的基本工作原理、軟件與信息編碼技術、網絡與信息安全，並瞭解雲計算、人工智能、物聯網、虛擬現實、增強現實、區塊鏈技術以及數字人民幣等計算機新技術； 第2部分(第5章)為大數據應用技術篇，著重介紹大數據相關概念、大數據處理的流程、Python處理數據與分析以及大數據可視化，理解數據的收集、存儲、清洗、整理等預處理過程，並對這些數據進行簡單分析及可視化展示； 第3部分(第6章)為計算思維與程序設計篇，著重介紹“計算平臺―問題求解―數據處理”的過程，使讀者掌握問題求解的方法與手段以及正確的科學思維模式，並初步具備運用程序設計的思想與方法求解實際問題的能力，為後續計算機程序設計等課程的深入學習奠定良好的基礎。 本書既可供多層次、不同專業的高等院校非計算機專業本科生使用，通過合理選取，可以滿足不同學時的教學，也可作為計算機等級考試一級、二級基礎理論的參考書，還可作為一般工程技術人員和對計算機技術感興趣的讀者的參考書。

本教材書介紹計算機專業用到的相關知識和常用的軟件。本書共12章，第1～3章結合高中所學數學基礎知識，詳細講解了與計算機專業密切相關的數制、排列組合、數論的相關內容；第4章介紹邏輯運算；第5～10章簡單介紹計算機專業的編程基礎語言：C語言、java語言和Python語言，介紹與專業相關的經典算法和排序方法；第11章介紹矩陣的基礎知識，第12章介紹數據處理常用的MATLAB軟件。本書各章節都有課後練習，可幫助讀者鞏固所用的內容。 本書突破常規數學課純理論教學的方式、計算機編程課重在編程而容易忽略編程的思維方式，保證知識的系統性、計算機編程實現算法的有效性，突出數學知識與編程思維相結合的特點。本書結合專業課需要的數學知識，加強算法實現過程中需要的數學原理及其推導過程、編程思路的訓練，為專業課的教學和學習做了良好的知識儲備。教材通過設計科學的教學內容和教學順序，通過手工計算、推導過程與計算機編程實現“並行教學”的方式，激發學生濃厚的學習興趣，高效實施教學，是一本易教易學的教材。

本书为大学计算机信息技术课程的实践教材，针对第2版内容做了更新和调整，力求涵盖高等学校教学指导委员会对大学计算机基础教学的基本要求，以Windows7操作系统与MSOffice2016办公套装软件的应用为主线，设计了五个实验单元，分别是Windows7操作系统及因特网应用、文字处理软件Word2016、电子表格软件Excel2016、演示文稿软件PowerPoint2016、Python程序简单应用。本书采用“任务驱动”的设计思想，所有实验项目均从工作生活中遇到的各种实际任务问题出发，巧妙地将全国计算机等级考试一级和二级MSOffice的考点内容穿插在各个应用案例中，以情境驱动来引导学生思考问题、分析问题、最终学会解决问题的方法。本书可作为高等学校计算机基础课程的配套实验教材，也可作为参加全国计算机等级考试一级和二级MSOffice或学习办公自动化软件参考书使用。

使用深度學習進行人臉識別是近年來AI研究的熱點之一。該書使用TensorFlow 2.1作為深度學習的框架和工具，引導讀者從搭建環境開始，逐步深入代碼應用實踐中，進而達到獨立使用深度學習模型完成人臉識別的目的。《TensorFlow人臉識別實戰（人工智能技術叢書）》分為10章，第1、2章介紹人臉識別的基礎知識和發展路徑；第3章從搭建環境開始，詳細介紹Anaconda、Python、PyCharm、TensorFlow CPU版本和GPU版本的安裝；第4-6章介紹TensorFlow基本和高級API的使用；第7章介紹使用原生API處理數據的方法和可視化訓練過程；第8章是實戰準備，介紹ResNet模型的實現和應用；第9、10章綜合該書前面的知識，學習人臉識別模型與人臉檢測這兩個實戰項目。《TensorFlow人臉識別實戰（人工智能技術叢書）》內容詳盡、示例豐富，是機器學習和深度學習初學者必備的參考書，同時也非常適合高等院校和培訓機構人工智能及相關專業的師生教學參考。

本書以Django Web項目開發為主線，深入系統地介紹了Django 3在Web開發中的應用。從網站開發入門開始，逐步深入講述Django框架的各功能要點，每個功能要點從源碼角度分析，並在源碼的基礎上實現自定義的功能開發。還介紹了Django的第三方功能應用，如DRF框架開發API接口、生成網站驗證碼、站內搜索引擎、第三方網站實現賬號注冊、異步任務和定時任務、實時通信實現在線聊天。本書提供了4個實戰案例，包括信息反饋平臺、博客系統、音樂網站平臺、前後端分離與微服務架構，涵蓋了網站的單體式開發、前後端分離和微服務開發，從單一的網站開發轉變到網站架構設計開發。最後講述Django的上線部署方案，分別講述Django如何部署在Windows和Linux系統上。本書內容豐富，技術新穎，注重實戰，適合有一定Python基礎的Web開發人員閱讀，也可用作培訓機構和大中專院校相關專業的教學參考書。

物件導向程序設計（OOP）是現代程序設計語言（包括C++、Java、C#、Visual Basic.NET、Ruby、Objective-C和Swift）的基礎。物件也構成了許多Web技術（如JavaScript、Python和PHP）的基礎。 在開始使用物件導向的開發環境之前，瞭解物件導向的基本概念至關重要。OOP促進了良好的設計實踐、代碼可攜性和重用性，但是需要轉變思維才能完全理解OOP。剛接觸OOP的程序員應該抵制直接跳入特定程序設計語言或建模語言的誘惑，首先花時間學習本書作者提出的“物件導向的思考過程”。 儘管程序設計技術多年來一直在變化和發展，但是無論平臺如何演進，物件導向仍然是一個不變的概念。本書側重於在過去20年中倖存下來並保持其核心的OOP技術，其中包括新的和擴展的設計模式、避免依賴關係以及SOLID原則，以説明開發人員使軟件設計易於理解、靈活和可維護。 通過閱讀本書，你將學到： 面向解決方案的方法 繼承和組合的正確用法 聚合和聯合之間以及接口和實現之間的重要區別 第5版新增內容 相比前幾版而言，作者對內容做了大量修改，刪除了一些與物件導向不太相關的章節，突出了本書的主題，同時引入了設計模式、物件導向設計的SOLID準則等全新章節，補全了物件導向設計思想的方方面面。無論你是否有物件導向程序設計的經驗，本書都適合作為你物件導向思考的旅程的開端。