Python

本書詳細講解了基礎數據類型、字符串、序列、程序結構、函數和模塊等面向過程的內容，深入地闡述了類、繼承、文件和I/O與異常處理等面向對象的高級內容，並通過一個案例對所有內容進行了綜合應用，使學習者能對Python的知識點有更深的理解和實際的應用體驗。

本書介紹強化學習理論及其Python實現。第1章：從零開始介紹強化學習的背景知識，介紹環境庫Gym的使用。第2～15章：基於折扣獎勵離散時間Markov決策過程模型，介紹強化學習的主幹理論和常見算法。採用數學語言推導強化學習的基礎理論，進而在理論的基礎上講解算法，並為算法提供配套代碼實現。基礎理論的講解突出主幹部分，算法講解全面覆蓋主流的強化學習算法，包括經典的非深度強化學習算法和近年流行的強化學習算法。Python實現和算法講解一一對應，針對深度強化學習算法還給出了基於TensorFlow 2和PyTorch 1的對照實現。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續時間模型、非齊次模型，半Markov模型、部分可觀測模型等，以便更好瞭解強化學習研究的全貌。

數據時代的來臨帶動了新一波的智能革命，數據與算法驅動了各個領域的改變。在幾個市場熱門的討論議題中，都可以看到數據應用扮演的角色。在面對真實世界的數據時，有許許多多的事情需要考慮。本書試圖從最務實的角度開始，結合理論與實踐去探索數據科學的真實世界，幫助讀者一步一步地培養數據時代下的思維與技術。本書將從基礎的 Python 編程開始，以數據分析的流程為主軸一步一步地解析，然后展開介紹數據收集、數據前處理、特征工程、探索式分析等。本書系統性地從函數庫開始學習，并拓展到不同的應用場景。 本書實用性強，提供數據分析所必需的編程技能的培訓，以及常見第三方軟件和庫的使用方法；以數據科學家、數據分析師等數據應用工作的實踐經驗作為培養目標，適合對 Python與數據分析有興趣的人閱讀。

本書的設計和編寫目標是培養讀者的數據思維能力和數據預處理能力，內容具有典型性和實用性，系統介紹基於Python的數據預處理的流程和技術。全書共8個單元，單元1介紹數據預處理的基礎知識，單元2介紹Python數據預處理的庫pandas的用法及主要數據對象的用法，單元3～單元7依次介紹數據預處理流程中數據獲取、數據合併、數據清洗、數據變換和數據描述等相關知識和技術。為突出培養讀者的動手能力，本書單元2～單元7都配套了任務實踐和拓展實訓，除單元8，每個單元還配套了課後習題。單元8為綜合案例，通過網易雲音樂相關數據集展示數據預處理的完整流程，幫助讀者綜合掌握全書相關知識和技術。本書適合作為高等教育本、專科院校大數據技術和人工智能技術應用等相關專業的教材，也可作為數據分析培訓班和“1+X”數據處理相關職業技能等級證書的教材。

本書是面向中學生，以Python編程語言應用為目的，基於可編程控制板Micro:bit V2.0為學習對象，學習Python編程語法、傳感器感知檢測、自動控制、無線遠程控制和實際操作等相關技術的一本綜合性機器人科普教材。本書共分為18課，利用情景式引入法，將生活中存在的各種使用智能化的場景展現給學生，並借由Micro:bit控制板實現。每一課分別講述了Micro:bit控制板上板載硬件的工作原理和編程控制方法，內容涵蓋LED點陣屏、四角按鍵、GPIO、觸摸點電容、音樂與語音、加速度傳感器、電子羅盤、舵機控制、無線電通信等。整個過程寓教於樂，學以致用。本書通過“拓展提高”引申每節課的知識，讓學有餘力的同學提高思維層次；通過“目標檢測”讓學生對自己在本課程中學到的內容進行總結。努力做到由簡到繁、深入淺出，讓孩子們在快樂中感受機器人課程的魅力。同時，在學習中培養孩子發現問題、搜索答案、思考應用、分析組成、設計創造的能力。本書可作為青少年編程學習的初等教材。

本書介紹了中高級Web和移動應用的開發者如何使用Google App Engine在雲中構建高度可擴展的Python應用程序。本書的主要內容有：通過一個示例應用程序來指引你親自動手實踐App Engine相關的工具和功能。在開發機器上使用Google Cloud SDK中的工具模擬App Engine。將應用程序結構化為可單獨尋址的模塊，每個模塊都有自己的可擴展配置。利用可擴展的Cloud Dat

本書首先介紹什麼是性能分析，性能分析如何在專案開發週期中發揮作用，以及通過在專案中進行性能分析實踐能夠取得的效果。緊接著介紹分析性能所需的核心工具（性能分析器和視覺化性能分析器）。然後介紹一系列性能優化技術，最後一章會介紹一個具有實際意義的優化案例。 本書適合所有Python 程式師閱讀。

本書旨在幫助讀者掌握如何用Python有效地處理Excel數據，實現辦公自動化。本書首先介紹開發環境的搭建和Excel模塊的安裝，接著講解編寫代碼前的準備，然後介紹如何使用openpyxl和pandas這兩個模塊編寫員工信息表查詢案例，最後介紹PyInstaller模塊與.py文件的編譯，以及如何快速移植本書案例的代碼。本書不僅適合辦公人員閱讀，還適合想要瞭解openpyxl模塊和pandas模塊的初級開發人員閱讀。

深度學習正日益深刻地滲入我們的生活，從建議內容到在任務關鍵型和安全關鍵型應用中發揮核心作用，其影響無所不在。然而，隨著這些算法影響力的逐漸擴大，人們對於依賴這些算法的系統安全性和魯棒性的擔憂也日益加劇。簡言之，傳統的深度學習方法往往難以察覺自身的知識邊界，即它們“不知其所不知”。貝葉斯深度學習(Bayesian Deep Learning，BDL)領域包含一系列利用深度網絡進行近似貝葉斯推理的方法。這些方法通過揭示模型對其預測結果的置信度，增強了深度學習系統的魯棒性，使我們能夠更謹慎地將模型預測融入實際應用中。《Python貝葉斯深度學習》將引領你踏入迅速發展的不確定性感知深度學習領域，助你深入理解不確定性估計在構建魯棒性的機器學習系統中的重要價值。你將學習多種流行的BDL方法，並通過涵蓋多種應用場景的Python實用示例來掌握這些方法的實現技巧。讀完本書後，你將深刻理解BDL及其優勢，並能夠為更安全、更魯棒的深度學習系統開發貝葉斯深度學習模型。主要內容：● 了解貝葉斯推理和深度學習的優缺點● 了解貝葉斯神經網絡(Bayesian Neural Network，BNN)的基本原理● 了解主要貝葉斯神經網絡實現/近似之間的差異● 了解生產環境中概率深度神經網絡的優勢● 在Python代碼中實現各種貝葉斯深度學習方法● 運用貝葉斯深度學習方法解決實際問題● 學習如何評估貝葉斯深度學習方法並為特定任務選擇最佳方法● 在實際深度學習應用中處理“分布外”數據

計算工程光學是指將傳統工程光學理論以數值計算的方法進行全新解讀，以強化經典光學理論與新興智能計算技術的有機融合， 有效解決光學設計與製造過程中遇到的瓶頸難題。本書共4章，包括Python基礎、幾何光學基礎、光學成像系統設計和物理光學基礎等內容。其中， 第1章介紹Python語言的語法基礎和數據類型以及與工程光學相關的標準庫函數等；第2章和第3章以幾何光學為基點，介紹基本光學理論的編程實現方法、近軸和實際光線追跡方法、光學像差數值分析和成像系統評價方法，詳細介紹光學系統設計和優化實現的方法;第4章介紹基本物理光學概念和編程實現方法，以傅裡葉變換為基礎介紹標量衍射理論，從波像差的角度分析光學系統成像的性能，以衍射光學元件為例說明前沿光學設計方法和工程光學應用案例。本書可作為高等院校光學工程、機械電子、儀器儀表、光電信息及其他相關專業的教材，也可供相關技術人員閱讀和參考。

Designed as a textbook for a one or two-term introduction to mathematical statistics for students training to become data scientists, Foundations of Statistics for Data Scientists: With R and Python is an in-depth presentation of the topics in statistical science with which any data scientist should be familiar, including probability distributions, descriptive and inferential statistical methods, and linear modelling. The book assumes knowledge of basic calculus, so the presentation can focus on 'why it works' as well as 'how to do it.' Compared to traditional "mathematical statistics" textbooks, however, the book has less emphasis on probability theory and more emphasis on using software to implement statistical methods and to conduct simulations to illustrate key concepts. All statistical analyses in the book use R software, with an appendix showing the same analyses with Python.The book also introduces modern topics that do not normally appear in mathematical statistics texts but ar

本書分為6章，系統全面地介紹了Python語言的基礎語法、基本數據類型與組合數據類型。基本數據類型包括整數、浮點數、字符串、布爾值和空值；組合數據類型包括序列類型（字符串、列表和元組）、字典類型和集合類型。本書包括IT行業的14個故事與話題，例如伊莉莎程序、身份證的數字化、計算機加密算法等；設計了110個案例，例如猜數遊戲、繪製小花朵、計算機造句等；列舉了4個算法分析的案例，分別是凱撒加密法、換位加密法、英文小說的詞頻統計以及字典加密器。

運用數位與統計方法了解歐式選擇權定價！※將抽象的數學公式，巧妙運用程式語言進行輸出，帶你無障礙進入統計分析的世界。※使用熱門Python程式語言，學習數學或理論模型，瞭解選擇權的定價。※透過量化分析方法與時間序列模型，深入解析專業財金議題。※本書適合大學部高年級或研究生使用及對衍生性商品有興趣的讀者自修。更是「衍生性金融商品」、「創新金融商品」或「財務工程」等課程最佳工具書。 一書在手，掌握選擇權

本書由流行深度學習框架Keras之父弗朗索瓦·肖萊執筆，通過直觀的解釋和豐富的示例幫助你構建深度學習知識體系。作者避免使用數學符號，轉而採用Python代碼來解釋深度學習的核心思想。全書共計14章，既涵蓋了深度學習的基本原理，又體現了這一迅猛發展的領域在近幾年裡取得的重要進展，包括Transformer架構的原理和示例。讀完本書後，你將能夠使用Keras解決從計算機視覺到自然語言處理等現實世界的諸多問題，包括圖像分類、圖像分割、時間序列預測、文本分類、機器翻譯、文本生成等。

本教材是為職業教育財經商貿大類專業學生的數據分析課程編寫的教材。內容包括數據處理、描述性分析、推斷性分析及一些常用的分析方法。教材以數據分析為基礎，立足於數據類型和可視化目的對圖形進行分類，使用python工具進行數據處理和分析。教材注重統計方法的應用，包含課程思政內容，每章開頭均以問題與思考的形式引出本章的內容，對方法的介紹側重于原理和應用，把繁雜的過程交給工具完成。教材配有例題和練習題的電子版數據，方便教師教學和學生學習。

本書以Jupyter Notebook為主要開發工具，全面地介紹數據預處理的相關知識。全書共分8章，內容分別為初識Python數據預處理、數據獲取與存儲、數據清洗、數據集成、數據變換、數據規約、綜合實戰：家用熱水器用戶行為分析以及兩個綜合實戰項目。每個章節均配置了豐富的示例或案例，通過本書的學習，讀者可以充分理解常用數據預處理方法的精髓、掌握具體技術細節，並在實踐中提升實際開發能力，為數據分析和機器學習實踐打下扎實基礎。本書既可作為高等院校大數據、計算機相關專業的教材，也可作為技術愛好者的入門用書。

時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律並預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。本書是基於Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列分析、多元時間序列分析。

《Python分布式機器學習》本書詳細闡述了與分布式機器學習相關的基本解決方案，主要包括拆分輸入數據、參數服務器和All-Reduce、構建數據並行訓練和服務管道、瓶頸和解決方案、拆分模型、管道輸入和層拆分、實現模型並行訓練和服務工作流程、實現更高的吞吐量和更低的延遲、數據並行和模型並行的混合、聯合學習和邊緣設備、彈性模型訓練和服務、進一步加速的高級技術等內容。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。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。

大數據心理學是以心理學理論為指導、大數據技術為支撐發展起來的一門前沿交叉學科。本書採用項目式學習的理念，通過Python編程語言，涵蓋大數據技術在心理諮詢、消費心理、人格心理、網絡心理、職業心理和教育心理等領域的應用，為讀者提供了詳盡的案例參考。 本書可以作為高等學校心理學、應用心理學相關專業高年級本科生的專業課程教材，人工智能、數據科學與大數據技術、應用統計學、數學與應用數學等相關專業本科生的選修課程教材，心理學、大數據相關專業碩士研究生的專業課程教材，也可供相關專業的技術人員參考。

本書在內容上著重闡述計算機中存儲、組織數據的方式與計算機程序解決問題的步驟，同時對數據結構與算法中的典型案例進行講解，在程序實現中使用Java與Python兩種語言對照表述。本書共8章，第1章是數據結構與算法概論，主要介紹數據結構和算法的基本概念；第2、3章是線性表與棧和隊列，這部分介紹簡單的數據結構類型及操作算法；第4章是遞歸，這是數據結構中重要的操作算法；第5、6章是樹與圖，這部分介紹較為複雜的數據結構及操作算法；第7、8章是排序與查找，這部分主要介紹各種常見算法、優化存儲結構的思想。本書可作為應用型本科院校和職業院校計算機相關專業的教材，也可作為各類計算機培訓機構的教材。

本書是一本從零開始講解Python編程的圖書，它旨在讓零基礎讀者較快地掌握編程知識，並能使用程序來滿足自己的需要。本書共有9個部分，除第1部分外，其餘部分都以一個階段性項目結尾。第1部分（第1～2章）介紹了學習編程的意義；第2部分（第3～6章）介紹編程的基本知識；第3部分（第7～12章）講解了字符串、元組以及與用戶交互的代碼；第4部分（第13～15章）介紹如何編寫程序來進行選擇；第5部分（第16～19章）主要涉及循環的相關知識；第6部分（第20～23章）引入了函數和模塊化的相關概念；第7部分（第24～29章）介紹了一些高級對象類型，如可變對象、列表、字典等；第8部分（第30～34章）為面向對象編程的相關知識；第9部分（第35～38章）介紹了一些可供讀者使用的現成代表庫。