Python

本書層次鮮明、結構嚴謹、內容翔實, 由淺入深介紹Python程序設計的方方面面。最後幾章將前面講述的內容應用到項目中, 並以模板的形式介紹項目的開發過程。

《Python金融數據分析》詳細闡述了與Python金融數據分析相關的基本解決方案，主要包括獲取金融數據、數據預處理、可視化金融時間序列、探索金融時間序列數據、技術分析和構建交互式儀錶板、時間序列分析與預測、基於機器學習的時間序列預測、多因素模型、使用GARCH類模型對波動率進行建模、金融領域中的蒙特卡羅模擬、資產配置、回測交易策略、識別信用違約、機器學習項目的高級概念、金融領域的深度學習等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。

設計模式是構建大型軟件系統zui強大的方法之一，優化軟件架構和設計已經逐漸成為軟件開發和維護過程中的一個重要課題。本書通過11章內容，全面揭示有關設計模式的內容，並結合Python語言進行示例化的解析。全書囊括單例設計模式、工廠模式、門面模式、代理模式、觀察者模式、命令模式、模板方法模式、複合模式、狀態設計模式以及反模式等多種設計模式。本書適合那些關注軟件設計原則，並想將you秀的設計模式應用到Python編程當中的讀者閱讀，也適合普通的軟件工程師、架構師參考。

本書以Python作為開發Spark應用程序的編程語言，系統介紹了Spark編程的基礎知識。全書共8章，內容包括大數據技術概述、Spark的設計與運行原理、Spark環境搭建和使用方法、RDD編程、Spark SQL、Spark Streaming、Structured Streaming、Spark MLlib等。

本書從實用的角度出發，深入淺出地介紹數字信號處理的基本理論和方法，並通過大量實例詳細講解Python在數字信號處理中的應用。本書首先介紹Python的基礎知識，以及本書用到的NumPy庫、Matplotlib庫和SciPy庫；然後講述數字信號處理的基本理論和方法，包括離散時間信號與系統的時域分析、信號與系統的頻譜分析、離散傅裡葉變換及其快速算法、數字濾波器的結構、IIR數字濾波器的設計和FIR數字濾波器的設計。本書可作為高等學校數字信號處理相關課程的工具書，也可作為廣大科研工程技術人員的參考用書。

本書介紹如何用流行的Python 圖像處理庫、機器學習庫和深度學習庫解決圖像處理問題。先介紹經典的圖像處理技術，然後探索圖像處理算法的演變歷程，始終緊扣圖像處理以及計算機視覺與深度學習方面的最新進展。全書共12 章，涵蓋圖像處理入門基礎知識、應用導數方法實現圖像增強、形態學圖像處理、圖像特徵提取與描述符、圖像分割，以及圖像處理中的經典機器學習方法等內容。本書適合Python 工程師和相關研究人員閱讀，也適合對計算機視覺、圖像處理、機器學習和深度學習感興趣的軟件工程師參考。

在目前不斷變化、蓬勃發展的中國資本市場，量化投資作為新興的投資方法，引來越來越多的關注，使用量化投資技術的證券從業人員也越來越多。本書分為11章，內容包括Python環境的搭建、Python數據相關類庫的使用、掘金量化終端的使用、Talib金融庫的詳解、多因子策略的介紹、帶技術指標的多因子策略、中證紅利指數增強策略、回歸分析與TensorFlow、回歸模型的經典應用、配對交易的魔力等。本書可作為量化投資技術初學者、證券從業人員、金融投資人員的自學用書，也可作為金融機構的培訓用書，還可作為高等院校相關專業師生的教學參考書。

本書深入探討了Python編程在地理信息系統(GIS)和遙感(RS)領域的應用，重點關注空間數據處理的核心技術。本書內容分為三個層次：初級篇介紹Python科學計算基礎及GDAL空間數據處理基礎；進階篇深入剖析GDAL空間數據處理細節及常見空間數據處理相關庫的使用；高級篇涵蓋QGIS二次開發、遙感定量反演、地物分類以及機器學習在遙感中的應用。通過系統學習，讀者將構建完整的空間數據處理知識體系，顯著提升科研創新能力和工程實踐水平。 本書適合地理環境、測繪遙感及相關領域的本科生、研究生及從業人員使用，特別是希望掌握Python空間數據處理技能的讀者。本書內容基於開源軟件，支持多種操作系統和平臺，便於讀者深入學習。除了理論講解，本書還通過豐富的案例幫助讀者積累解決實際問題的經驗，提升其實踐能力。在空間信息產業向智能化轉型的背景下，本書將為讀者提供關鍵的技術儲備，助力其在科研創新和行業應用中建立競爭優勢。

本書結合具體實例由淺入深、從易到難地講解Python財務應用的精髓。本書按知識結構分為兩篇（共11章），第一篇為基礎入門篇，講解Python基礎知識、NumPy數組、財務數據采集、財務數據處理與可視化、財務報表分析；第二篇為案例實戰篇，講解企業利潤管理、企業成本管理、企業流動資產管理、企業固定資產管理、企業籌資決策分析、企業投資決策分析。隨書附贈的電子資料包括書中案例素材和源代碼、所有實例操作過程以及基礎知識的視頻教程。本書適合作為財務數據分析相關人員的學習參考書，也適合作為各學校和培訓機構相關專業教師和學生的教學和自學輔導書。

互聯網上存在著大量值得收集的公共信息，而爬蟲技術就是獲取這些公共信息的主要工具。本書以主流的Scrapy爬蟲框架為例，介紹了Python網絡爬蟲的組成、爬蟲框架的使用以及分布式爬蟲等內容。本書運用了大量案例和實踐，融入了含金量十足的開發經驗，使得內容緊密結合實際應用。在此基礎上，本書還通過豐富的練習和操作實踐，幫助讀者鞏固所學的內容。本書配以多元的學習資源和支持服務，包括視頻、案例素材、學習社區等，為讀者提供全方位的學習體驗。本書適合作為計算機、大數據等相關專業的教材，也適合具有一定Linux或Python開發基礎的人員閱讀，還可以作為爬蟲工程師的學習用書。

本書介紹機器學習經典算法的原理、實現及應用，並通過綜合案例講解如何將實際問題轉換為機器學習能處理的問題進行求解。本書配套源碼、PPT課件、習題答案、開發環境與QQ群答疑。 本書共分14章。內容包括k近鄰算法、樸素貝葉斯、聚類、EM算法、支持向量機、決策樹、線性回歸、邏輯回歸、BP神經網絡經典算法，以及垃圾郵件分類、手寫數字識別、零售商品銷售量分析與預測、個性化推薦等綜合案例。本書算法首先給出了數學原理及公式推導過程，然後給出算法實現，最後所有算法及案例均以Python實現，方便讀者在動手編程中理解機器學習的經典算法。 本書適合Python機器學習初學者、機器學習開發人員和研究人員使用，也可作為高等院校計算機、軟件工程、大數據、人工智能等相關專業的本科生、研究生學習人工智能、機器學習的教材。

本書共 5 章： 第 1 章介紹代數系統的基本概念, 內容包括集合與映射、群、環、域及線 性代數系統等; 第 2 章介紹矩陣代數, 內容包括矩陣定義、矩陣的各種運算, 如線性運算、 乘法、轉置、方陣的行列式等, 並由此討論可逆陣的概念及性質; 第 3 章介紹線性方程組的 消元法, 為後面講解向量空間的知識奠定基礎; 第 4 章基於矩陣、線性方程組等討論應用廣 泛的向量空間, 內容包括向量及其線性運算、向量組的線性相關性、線性空間的線性變換等; 在以上幾章的基礎上, 第 5 章定義向量的內積運算,在向量空間中引入“度量”, 即向量的 長度（範數），從而將二維、三維的幾何空間擴展到一般的 n 維歐幾裡得空間.本書選擇 Python 的科學計算的軟件包 NumPy 作為計算工具, 針對書中討論的線性代數 的計算問題給出詳盡的 Python 解法. 本書中的每一段程序都給出了詳盡的注釋及說明, 適合各層次讀者閱讀.

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。

教材，內容包括函數與極限、一元微分學、一元積分學、微分方程、多元微分學、多元積分學、無窮級數等知識，書中融入了基於Python實現的數學實驗以及數學歷史和數學文化教育等內容。本書結構嚴謹，邏輯性強，解釋清晰，例題豐富，習題數量、難易適中，可作為“高等院校”高等數學課程的教材，亦可作為理工、經管等各專業的學生和相關領域技術人員的參考書。

在機器學習生命週期的不同階段規劃和實施 XAI 評估目前流行的各種XAI開源工具的優缺點，介紹如何處理機器學習數據中的偏見問題，介紹處理機器學習數據中的道德倫理和法律問題的工具和相關知識，介紹XAI設計和可視化方面的**實踐，將XAI集成到Python模型中，在整個機器學習生命週期中使用對應的XAI工具來解決業務問題。

本書介紹Jupyter、數據清洗、高級機器學習、網頁爬蟲、交互式可視化、神經網絡、深度學習、模型構建、模型評估與優化、產品化處理等有關深度學習應用方面的內容。本書理論與實踐並重、體系完整、內容新穎、條理清晰、組織合理、強調實踐，包括使用scikitlearn、TensorFlow和Keras創建智能系統和機器學習解決方案，並將論述的重點放在實現和實踐上，以便讓讀者更好地瞭解Python深度學習應

本書以實用為導向，從基礎概念、語法結構、應用案例、開發技巧等方面深入淺出地介紹了Python的程序設計方法以及項目實現流程。 本書以實例方式進行講解，每個實例程序都通過了驗證。本書內容圖文並茂，操作步驟完善，並附有具體腳本代碼，易於掌握和學習。本書提供開放式的課程網站(http：//www.cmu.edu.cn/computer)和相應的課件作為支持。 本書既可以作為全國普通高校各專業計算機公

《利用FastAPI構建Python微服務》詳細闡述了與分布式機器學習相關的基本解決方案，主要包括設置 FastAPI，探索核心功能，依賴注入研究，構建微服務應用程序，連接到關系數據庫，使用非關系數據庫，保護REST API的安全，創建協程、事件和消息驅動的事務，利用其他高級功能，解決數值、符號和圖形問題，添加其他微服務功能等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。

本書介紹了一些適合初中學生的有趣的數學內容, 例如, 怎麼用程序圖文並茂地展示NBA球員的投籃位置和成功率, 同班同學中有人生日相同的概率是多大, 什麼樣的屋頂排水最快, 等等。書中的問題都經過精心選擇和安排, 與初中數學教學的進度同步, 同時又用Python程序動態化表示這些數學過程並生成一個個GIF動圖, 使得數學的學習過程變得好玩了, 可以激發學習興趣。

本書主要滿足網絡爬蟲從業者提升技術能力的需求。本書共9章, 涉及經典爬蟲框架Scrapy的架構、異步爬蟲的原理及其實現、異步自動化瀏覽器控制庫pyppeteer的使用、當下流行的反爬蟲原理及其處理方案、基於常用通信中間件的分布式爬蟲框架開發、Python常用的編碼和加密的應用、針對前端深入的JavaScript分析策略和安全策略、網絡搜索引擎的原理和技術實現, 並在最後一章創建了一個垂直領域的搜索引擎系統。

Out of all the ways for young people to learn coding, You Can Code will be the most welcoming, relevant, and fun. Created and authored by best-selling educator Ben Forta, it introduces every basic concept step by step, using projects of gradually increasing complexity. Designed for anyone age 10-17 (or thereabouts), this glossy full-color guide is packed with welcoming images, and powerfully engaging brief text that's extremely easy to understand. All code listings are in full color, with shading to reveal incremental changes, and QR links to short videos with more explanation and examples. Forta teaches with Python, one of today's most powerful and intuitive languages--and every project is a game, covering multiple popular genres. You Can Code makes programming exciting and rewarding, as it prepares a new generation to take their next steps forward--in education, careers, or both.

《Python應用程序設計/21世紀高等學校計算機基礎實用規劃教材》內容包括程序設計基礎和應用程序設計兩大部分。程序設計基礎部分內容簡單，易學易用；應用程序設計部分包括圖形化使用者接口程序設計、文本分析程序設計、可視化程序設計、資料庫程序設計、大資料程序設計、人工智能程序設計、簡單遊戲程序設計和其他應用程序設計（如影像處理程序設計、視頻處理常式設計、語音合成程序設計和

本書對於機器學習的核心方法，進行了深入而詳細的介紹，並特別關注各學科最常用的算法。**特色在於力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結合流行的Python語言，及時地介紹相應的軟件操作與經典案例，為讀者提供“一站式”服務。本書還提供詳盡的數學推導，盡量避免跳躍，並輔以直觀的文字解釋。對於看似復雜的機器學習原理，則刪繁就簡，娓娓道來，讓

《算法不難 》結合300多幅示意圖與70個算法示例（Python實現）直觀地講述36種常用經典算法的相關知識和9種經典算法思想，幫助讀者深入理解相關算法的原理與設計思想，為後續學習高級算法夯實基礎。《算法不難 》分為5章。第1章介紹算法的基本概念以及如何正確使用和設計算法等相關知識；第2章介紹排序算法的基本思想以及冒泡排序、選擇排序、插入排序、希爾排序、歸併排序、快速排序、堆排序、計數排序、桶排序和基數排序十大排序算法；第3章首先介紹圖算法的基礎知識，然後介紹路徑搜索、廣度優先搜索、深度優先搜索、最小生成樹、單源最短路徑、**流等常用圖算法。第4章介紹字符串處理算法的相關知識，涵蓋字符串基礎知識以及字符串判斷、字符串匹配、字符串排序和字符串壓縮等。第5章介紹枚舉、遞推、遞歸、分治、貪心、動態規劃、迭代、回溯和模擬九大算法思想的原理與應用。《算法不難 》內容豐富，講解循序漸進，適合有一定Python語言基礎的算法入門人員閱讀，也適合其他算法愛好者和程序設計從業人員閱讀，還可以作為高等院校相關專業算法課程的教材。

本書是結合華南理工大學的學科特色和人才培養目標進行打造的。全書共分為10章，主要內容包括：緒論、程序控制結構、函數、組合數據類型、面向對象程序設計、文件操作、GUI 編程、數據分析科學計算與可視化、多媒體編程、網絡爬蟲。本書注重基礎，脈絡清晰，邏輯性強；案例貫穿全書，可讀性強；模塊劃分合理，便於不同層次、不同專業的讀者閱讀。可作為高等學校非計算機專業本科生的Python語言程序設計課程教材，也可供其他讀者學習參考。

本書深入淺出地介紹了機器學習的基本原理與主要方法，以及必要的數學知識與程序設計方法。全書共有7章，分別講解了機器學習的概念及應用、數學基礎(導數與極值、向量與矩陣、概率統計、凸優化)、Python程序設計、線性回歸及其程序實現、邏輯回歸及多分類、分類與聚類、基於神經網絡的機器學習。 本書可作為高等院校機器學習課程的教材，也可作為機器學習愛好者及從事相關工作的工程技術人員的參考書。

教材，全書內容包括行列式、矩陣、線性方程組、向量空間、矩陣的特徵值與特徵向量以及二次型，書中融入了基於Python實現的數學實驗以及數學歷史和數學文化教育等內容。同時為了便於教師授課和學生自主學習，本書各章節均配備有小結和習題。本書結構嚴謹，邏輯性強，解釋清晰，例題豐富，習題數量、難易適中，可作為高等院校“線性代數”課程的教材，亦可供理科、工科、經管類等各專業的學生和相關領域技術人員作為參考書使用。

本書從矩陣計算如特徵值分解和奇異值分解出發，討論了正規方程的最小二乘法模型引出欠秩線性方程組的求解方法問題；然後介紹了兩種有損的降維方法，即主成分分析(主成分回歸)和偏最小二乘回歸，包括模型、 算法和多個實例，並擴展到線性回歸的正則化方法，給出了嶺回歸和Lasso的原理算法和實例；最後通過紅外光譜的標定遷移實例將線性模型擴展到遷移學習領域。 本書每章都有基於Python語言和Sklearn機器學

內容介紹這是一本基於最新的Python和PyTorch版本的深度學習著作，旨在幫助讀者低門檻進入深度學習領域，輕鬆速掌握深度學習的理論知識和實踐方法，快速實現從入門到進階的轉變。本書是多位人工智能技術專家和大數據技術專家多年工作經驗的結晶，從工具使用、技術原理、算法設計、案例實現等多個維度對深度學習進行了系統的講解。內容選擇上，廣泛涉獵、重點突出、注重實戰；內容安排上，實例切入、由淺入深、循序漸進

本書涵蓋的主題非常廣泛，介紹了資料科學方方面面的知識，每一章都側重於介紹資料科學的某一方面，為讀者以後的深入學習打下基礎。具體內容包括：第1、2章系統介紹大資料科學的背景知識及框架結構；第3~5章介紹機器學習相關知識；第6~9章介紹幾個比較有趣的資料科學主題。本書是學習資料科學知識的入門教材，在深入學習本書的實例前，需要掌握SQL、Python及HTML5的入門知識，瞭解統計學和機器學習相關知識。

本書是一本機器學習入門讀物，注重理論與實踐的結合。全書主要包括6個部分，每個部分均以典型的機器學習演算法為例，從演算法原理出發，由淺入深，詳細分析演算法的理論，並配合目前流行的Python語言，從零開始，實現每一個演算法，以加強對機器學習演算法理論的理解、增強實際的演算法實踐能力，最終達到熟練掌握每一個演算法的目的。與其他機器學習類書相比，本書同時包含演算法理論的介紹和演算法的實踐，以理論支撐實踐

本書的內容按當前理工院校同名課程體系展開，涵蓋概率論和數理統計的主要課題。全書包括隨機事件及其概率，事件的 立性，全概率公式及貝葉斯公式，隨機變量及其函數的字特徵和中心極限定理，為後四章討論進行統計推斷的數理統計方法構建一個明晰且嚴格點估計，正態總體參數的區間估計，正態總體參數的假設檢驗，非參數假設檢驗，方差分本書代碼簡潔，說明細緻，Python零基礎讀者輕鬆上手。提供全書所有源代碼，並通過博機專業等相關專業的教材。

若想充分利用所有的計算資源來構建高效的軟件系統，並行編程技術是不可或缺的一項技能。本書以Python為藍本，對並行編程領域的各項技術與知識進行了廣泛且深入的講解。通過對本書的學習，讀者將能夠快速且準確地掌握並行編程方方面面的技能，從而應用在自己的項目開發中，提升系統運行效率。本書共分為6章，從原理到實踐系統化地對並行編程技術進行了層層剖析，並通過大量可運行的實例演示了每一個知識點的具體運用方式，是

本書全面介紹人工智能領域所需的數學基礎知識，涵蓋線性代數、概率統計、微積分、優化理論、圖論、信息論及信號分析等核心內容。書中不僅詳細講解了線性方程組、矩陣運算、特徵值分解、隨機變量及其分佈等基本概念，還深入探討了梯度下降、Adam優化器、凸優化、時間序列分析(如ARIMA模型)以及深度學習中的反向傳播算法和正則化方法。每章通過豐富的Python編程實例，將理論知識與實際應用緊密結合，幫助讀者掌握如何利用這些數學工具解決複雜的現實問題。本書適合希望深入理解AI背後數學原理的大學生、工程師及研究人員閱讀。

本書以遊記的方式引導讀者由淺入深逐步學習Python的開發平臺、基礎知識、流程控制語句、組合類型、代碼複用與函數、類與對象、異常處理、SQLite數據庫編程、文件管理、多線程機制、GUI編程、模塊與庫等知識，學習過程輕鬆愉快，引人入勝。每章都包括學習目標、重點內容、場景引入、主題知識、學習交流、實驗、習題7方面內容。本書還提供了電子課件、案例源代碼、習題答案、實驗指導、教學設計和課程標準等相關教學資源。本書既可以作為計算機科學技術、軟件工程、大數據與人工智能、信息系統與信息管理等專業的教材，也可以作為編程愛好者的入門學習用書，還可以作為培訓用書。

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。

本書緊跟數據分析的發展新趨勢，基於Python的數據分析平臺和工具，系統介紹數據分析的相關知識與技能。本書共7個項目，分為3部分：基礎部分、數據分析部分、機器學習實戰部分。基礎部分包括項目一和項目二，介紹數據分析環境的搭建，以及NumPy的理論和實踐知識；數據分析部分包括項目三～項目六，結合案例介紹數據檢查、數據呈現、數據多維化等，涵蓋真實數據分析工作的完整流程；機器學習實戰部分只包括項目七，利用一個神經網絡實戰案例呈現機器學習的完整過程。本書選用真實度高的實踐案例，深入淺出地介紹與數據分析相關的理論和實踐知識。本書可作為高校數據分析相關課程的教材，也可供剛進入數據分析領域的人員及具有實踐經驗的從業者學習、參考使用。

本書提供了使用Python開發機器學習應用程序的基本原理。主要內容包括：機器學習概念及其應用；數據預處理、降維；各種線性模型、集成學習方法、隨機森林、提升方法；自然語言處理、深度學習等。本書跟進了機器學習的最新研究成果，比如近幾年提出的著名算法XGBoost和CatBoost，以及SHAP值。這些方法是機器學習領域中新穎且先進的模型。本書目的是向讀者介紹從業人員採用的解決機器學習問題的主要現代算法，跟蹤機器學習領域研究前沿，並為初學者提供使用機器學習的方法。本書覆蓋面廣，對所有希望在數據科學和分析任務中使用機器學習的人來說，本書既是一本很好的學習資料，同時也是一本實戰教程，其中介紹了多種統計模型，並提供了大量的相應代碼，以將這些概念一致地應用於實際問題。

本書系統介紹數字圖像處理的基本理論、經典算法及其Python實現。全書共分10章，內容包括圖像數據的表示與基本運算、灰度變換、空域濾波、頻域濾波、彩色圖像處理、圖像幾何變換、圖像復原、形態學圖像處理、邊緣檢測、圖像分割等。本書以講透概念、重視方法、突出應用、好教易學為指導思想，從語義和數學兩個視角描述數字圖像處理相關專業術語，分析經典算法機理，給出示例程序。每章配有習題和上機練習題，並配套提供PowerPoint課件和各章示例程序的Jupytet Notebook可執行記事本文件。 本書既可以作為高等學校人工智能、電子信息工程、通信工程、計算機科學與技術、光電信息科學與工程、信息工程、自動化、遙感科學與技術等專業數字圖像處理課程的教材，又可供相關專業研究人員和工程技術人員參考。 本書課件見封底，更多討論可加本書QQ群：708582660。

本書首先介紹數據科學，然後指導讀者安裝和搭建數據分析編程環境所需的軟件包。在機器 學習中，主要學習3項技術：監督學習、無監督學習和強化學習。我們也會用到基本的分類與回 歸技術，如支持向量機、決策樹以及邏輯回歸等。 在前面章節的學習中，讀者將學習到Python語言中用於處理大型數據集的基本函數、數據 結構，用於矩陣計算的NumPy包和Pandas包，如何使用Matplotlib繪制自定義圖表，以及應用 Boosting算法XGBoost（極端梯度提升）進行預測分析等。 在後面的章節中，將會學習用於圖像識別的卷積神經網絡（CNN）、深度學習算法。讀者將掌 握如何向神經網絡饋入人類語言、讓模型處理復雜的文本信息以及構建人類語言處理系統進行結 果預測等。 學習完本書，讀者可以掌握和使用很多新的數據科學算法，並且有信心使用本課程以外的工 具或庫進行操作。