Python

本書深入介紹了機器學習領域的基本概念和方法，除介紹了Python機器學習庫和用機器學習庫搭建神經網絡模型的方法外，還介紹了機器學習算法的數學理論、工作原理、使用方法、實現細節以及如何避免機器學習算法實現過程中的常見問題。本書涵蓋了多種用於文本和圖像分類的機器學習與深度學習方法，以及用於生成新數據的生成對抗網絡（GAN）和用於訓練智能體的強化學習，還介紹了深度學習的新動態，包括圖神經網絡和用於自然語言處理（NLP）的大型transformer。本書講解清晰，示例生動，理論和實踐部分相對平衡，既可以作為機器學習領域初學者的入門教程，也可以作為讀者開發機器學習項目時的參考書。

本書系統地闡述數字音視頻技術的原理、標準、技術和應用，同時給出部分內容對應的Python實現程序。全書共10章，第1～3章介紹基本理論，包括數字音視頻技術概述、人類發音及聽覺基礎、人類視覺及感知基礎；第4～6章介紹音視頻標準，包括經典語音與音頻編碼標準、新一代語音與音頻編碼標準、視頻編碼原理與標準；第7、8章介紹基於深度學習的技術，包括深度學習驅動的視覺技術、多模態音視頻處理技術及應用；第9、10章介紹系統實踐，包括AR/VR沉浸式交互系統、數字音視頻技術開發實踐與工具。本書內容全面，重點突出，原理闡述深入淺出，注重理論與實際應用的結合，可讀性強。本書可以作為高等院校電子信息工程、通信工程、自動化、計算機技術與應用等專業高年級本科生相關課程的教材，也可供從事音視頻信號處理研究的研究生和科研人員參考。

本書主要內容分為對人工智能與自動駕駛的基本認知、掌握Python 人工智能的基礎應用、掌握機器學習技術的基礎應用、掌握基於深度學習的計算機視覺技術應用、掌握基於深度學習的自然語言處理技術應用和掌握基於深度學習的語音處理技術應用6 個能力模塊，並下設20 個任務。全書以“做中學”為主導，以程序性知識為主體，配以必要的陳述性知識和策略性知識，重點強化“如何做”，將必要知識點穿插於各個“做”的步驟中，邊學習、邊實踐，同時將“課程思政”融入課程的培養目標，在實訓教學中滲透理論的講解，使所學到的知識能夠融會貫通，讓學生具有獨立思考、將理論運用於實踐的動手能力，成為從事智能網聯汽車相關工作的高素質技能型專業人才。本書內容通俗易懂，可作為職業院校新能源汽車技術、智能網聯汽車技術、智能網聯汽車工程技術等專業的教材，也可供從事本專業工作的工程技術人員參考。

本書立足實踐，以通俗易懂的方式詳細介紹深度學習的基礎理論以及相關的必要知識，同時以實際動手操作的方式來引導讀者入門人工智能深度學習。本書的讀者只需具備Python語言基礎知識，不需要有數學基礎或者AI基礎，按照本書的內容循序漸進地學習，即可快速上手深度學習。本書配套示例源碼、PPT課件、數據集、開發環境與答疑服務。 本書共分13章，主要內容包括人工智能、機器學習和深度學習之間的關係、深度學習的環境搭建、深度學習的原理、深度學習框架TensorFlow和Keras、卷積神經網絡相關知識、圖像識別、情感分析、遷移學習、人臉識別、圖像風格遷移、生成對抗網絡等內容。本書從簡單的常識出發來切入AI領域，打造平滑和興奮的學習 體驗。 本書作為零基礎入門書，既適合希望了解深度學習、使用深度學習框架快速上手的初學者和技術人員閱讀，也適合作為高等院校和培訓學校人工智能及相關專業的師生的實訓教材。

本书主要内容包括人工智能起源发展，特别是新一代人工智能的驱动因素和关键技术，并介绍通过Python编程语言的学习和数据统计、*优化方法等理论学习掌握人工智能的开发工具和方法。进而引出深度学习与神经网络、GPU并行计算与CUDA编程等新一代人工智能的核心技术和方法，对于以往较为忽视的数据采集与数据集制作部分专门做一章节来介绍。*后以TensorFlow为平台，通过各种与实际生产生活联系紧密的热点应用为案例改编为实验，达到提升创新素养和提高技能水平的人才培养目标。 汇聚新一代人工智能核心技术!全面掌握从理论到应用、从数据到模型、从编程语言到案例实现的全过程! 中国智慧城市专家委员会首席科学家 刘志刚 作序！ 汇聚新一代人工智能核心技术全面掌握从理论到应用、从数据到模型、从编程语言到案例实现的全过程

新版書將 AI 協作各個部分整合到章節中，從 AI 幻覺的案例開始說明提示工程，到如何利用 AI 協助除錯、產生測試案例、分析問題、推薦語法，並以通用大語言模型 ChatGPT、Claude 與哈佛大學特殊用途 CS50.ai 助教來作說明。 本書分成基礎篇和應用篇兩個部分來引發讀者學習興趣，第一部分「基礎篇」主要在介紹 Python 程式語言的基本語法與基本套件。第二部分「應用篇」分別是：「AI 協作案例」、「人臉辨識」、「物件辨識」、「視覺化文字資料」、「簡單線性迴歸」、「簡單線性分類」、「地理資訊系統應用」、「序列資料處理」、「資料的動畫呈現」、「字元辨識、翻譯與語音轉譯」。讓讀者可以用非常少的程式碼，製作出各式各樣與 AI 和「資料科學」相關的應用系統。 本書有完整的學習地圖，讀者可以依循學習地圖來學習，部分「應用篇」的章節，不會用到所有「基礎篇」的內容，所以可以安排提前學習，讀者甚至可以自行規劃學習路徑。另外，本書大部分所使用的資料集都會重複使用，讀者也可以依據資料使用的前後關係來自行規劃學習路徑。

這是一本能指導讀者快速掌握PyTorch和深度學習的著作，從PyTorch的原理到應用，從深度學習到強化學習，本書提供了全棧解決方案。第1版上市後銷量和口碑俱佳，是深度學習領域的暢銷書，被譽為PyTorch領域的標準著作。第2版在第1版的基礎上，去蕪存菁，與時具進，根據PyTorch新版本全面升級，技術性、實戰性、針對性、豐富性、易讀性均得到了進一步提升，必定能幫助讀者更輕鬆、更高效地進入深度學習的世界。全書一共19章，在結構上分為三大部分：第1部分（第1~4章） PyTorch基礎首先有針對性地講解了Python和PyTorch的基石NumPy中的關鍵知識，然後詳細講解了PyTorch的基礎知識、神經網絡工具箱和數據處理工具箱等內容，幫助讀者快速了解和掌握PyTorch。第二部分（第5~10章） 深度學習基礎依次講解了機器學習、視覺處理、自然語言處理、注意力機制、目標檢測、語義分割、生成式深度學習等機器學習和深度學習的核心技術的原理和使用。第三部分（第11~17章） 深度學習實踐通過實戰案例的方式，詳細講解了PyTorch在人臉檢測和識別、遷移學習、中英文互譯、圖像分類、語義分割、生成式網絡、對抗攻擊等領域的應用和解決方案。第四部分（第18-19章） 強化學習重點介紹了強化學習和深度強化學習的基礎理論、常用算法及相關實例。更為重要的是，為了讓本書通俗易懂，在內容安排和寫作方式上也頗花了一番心思。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；表達形式上，深度抽象、化繁為簡、用圖說話。

金融風險管理已經成為各個金融機構必備的職能部門。特別是隨著全球金融一體化不斷地深入發展，金融風險管理越發重要，也日趨複雜。金融風險管理師（FRM）就是在這個大背景下推出的認證考試，FRM現在已經是金融風險管理領域頂級權威的國際認證考試。本叢書以FRM考試第一、二級考綱內容為中心，並且突出介紹實際工作所需的金融建模風險管理知識。本叢書將金融風險建模知識和Python編程有機地結合在一起，配合豐富的彩色圖表，由淺入深地將各種金融概念和計算結果可視化，幫助讀者理解金融風險建模核心知識，提高數學和編程水平。 本書是本系列圖書的第二冊，共分12章。本書的第l章講解金融數據波動率計算，其中主要包括MA、ARCH、GARCH等模型。第2章介紹隨機過程，比如馬爾可夫過程、馬丁格爾策略、維納過程、伊藤引理和幾何布朗運動等內容。第3章探討蒙特卡羅模擬，特別是股價模擬和期權定價內容。第4章介紹常見的幾種回歸分析，比如線性回歸、邏輯回歸、多項式回歸、嶺回歸和套索回歸。第5、6和7章內容探討期權定價和分析，第5章以二叉樹為主，第6章介紹BSM模型條件下的期權定價，第7章介紹希臘字母。第8、9和10章內容介紹風險管理，分別是市場風險、信用風險和交易對手信用風險。第11和12章探討投資組合相關內容。 本書適合所有金融從業者閱讀，特別適合金融編程零基礎讀者參考學習。本書適合FRM考生備考參考學習，可以幫助FRM持證者實踐金融建模，另外，本書也是鞏固金融知識、應對金融筆試和面試的利器。

1.內容選擇：提供全棧式的解決方案深度學習涉及範圍比較廣，既有對基礎、原理的要求，也有對代碼實現的要求。如何在較短時間內快速提高深度學習的水平？如何儘快把所學運用到實踐中？這方面雖然沒有捷徑可言，但卻有方法可循。本書基於這些考量，希望能給你提供一站式解決方案。具體內容包括：機器學習與深度學習的三大基石(線性代數、概率與信息論及數值分析)；機器學習與深度學習的基本理論和原理；機器學習與深度學習的常用開發工具(Python、TensorFlow、Keras等)；TensorFlow的高級封裝及多個綜合性實戰項目等。2.層次安排：找准易撕口，快速實現由點到面的突破我們打開塑料袋時，一般從易撕口開始，這樣即使再牢固的袋子也很容易打開。面對深度學習這個“牢固袋子”，我們也可以採用類似方法，找准易撕口。如果沒有，就創造一個易撕口，並通過這個易撕口，實現點到面的快速擴展。本書在面對很多抽象、深奧的算法時均採用了這種方法。我們知道BP算法、循環神經網絡是深度學習中的兩塊“硬骨頭”，所以我們在介紹BP算法時，先介紹單個神經如何實現BP算法這個易撕口，再延伸到一般情況；在介紹循環神經網絡時，我們也先以一個簡單實例為易撕口，再延伸到一般情況。希望這種方式能幫助你把難題化易，把大事化小，把不可能轉換為可能。3.表達形式：讓圖說話，一張好圖勝過千言萬語機器學習、深度學習中有很多抽象的概念、複雜的算法、深奧的理論，如NumPy的廣播機制、梯度下降對學習率敏感、神經網絡中的共享參數、動量優化法、梯度消失或爆炸等，這些內容如果只用文字來描述，可能很難達到讓人茅塞頓開的效果，但如果用一些圖來展現，再加上適當的文字說明，往往能取得非常好的效果，正所謂一張好圖勝過千言萬語。除了以上談到的三個方面，為了幫助大家更好地理解，更快地掌握機器學習、深度學習這些人工智能的核心內容，本書還包含了其他方法，相信閱讀本書的讀者都能體會到。我們希望通過這些方法或方式帶給你不一樣的理解和體驗，使你感到抽象數學不抽象、深度學習不深奧、複雜算法不複雜、難學的深度學習也易學，這也是我們寫這本書的主要目的。至於人工智能(AI)的重要性，想必就不用多說了。如果說2016年前屬￿擺事實論證階段，那麼2016年後已進入事實勝於雄辯階段了，而2018年後應該擼起袖子加油幹了。目前各行各業都忙於AI+，給人“忽如一夜春風來，千樹萬樹梨花開”

無

無

無

無

本書通過對數據科學技術基本技能和豐富實用的示例的介紹，展示如何獲取、分析和可視化數據，利用數據應對常見的業務挑戰。通過優化共享單車公司的業務運營、從網站上提取數據並創建推薦系統等示例，你將學會如何找到數據驅動的解決方案並使用這些方案做出商業決策。本書所涵蓋的內容包括進行探索性數據分析、運行 A/B 測試、使用邏輯回歸模型進行二分類及使用機器學習算法等。通過本書，你還將學習如何預測客戶需求、優化營銷活動、減少客戶流失、預測網站流量，以及構建推薦系統等。