Python

編寫多語言的整潔程式碼 「一本有趣的實作指南，可讓您加快測試驅動開發的速度。如果您想開始TDD，或是需要複習軟體開發人員所應掌握的重要技能之一，這本書就是為您準備的！」 ―Ham Vocke Stack Overflow軟體開發人員 您的程式碼可做為身為開發人員的技能證明。無論您使用哪種語言，程式碼都應該乾淨、優雅、整潔。透過使用測試驅動開發(TDD)，您將編寫出易於理解的程式碼，保持其優雅，並且可以在未來數月甚至數年內持續進行工作。透過這本指南，您將瞭解如何將TDD與三種不同的語言一起使用：Go、JavaScript和Python。 作者Saleem Siddiqui向您展示了如何使用單元測試驅動的方法來處理領域複雜性。TDD將需求劃分為小規模、可實作的功能，使您能夠解決問題，並且與您使用的語言和框架無關。透過本書，您將學習如何將TDD納入您的常規程式設計實務。 這本書可以幫助您： ‧使用TDD的divide-and-conquer來控制領域的複雜性 ‧瞭解TDD如何跨語言、測試框架和領域概念工作 ‧瞭解TDD如何實現持續整合 ‧支援運用TDD進行重構和重新設計 ‧學習如何用JavaScript編寫簡單有效的單元測試工具 ‧使用TDD期間生成的單元測試來設置持續整合環境 ‧在Go、JavaScript和Python中使用TDD編寫乾淨整潔的程式碼

本書是高等院校網路空間安全、人工智慧、電腦等專業的普及性教材，旨在幫助學生全面瞭解人工智慧安全知識並進行實踐。全書共11章，分別為：人工智慧安全概述、生成對抗網路攻擊與防護、資料投毒攻擊與防護、對抗樣本攻擊與防護、後門攻擊與防護、隱私攻擊與防護、預訓練攻擊與防護、偽造攻擊與防護、人工智慧模型的攻擊與防護、模型竊取與防護、大語言模型安全。本書提供各章對應的Python程式設計實踐原始程式碼，讀者可以通過提供的網盤下載連結獲取。

這本書專為計算機網路的入門課程而設計。內容上的編排假設讀者已有基本的 C、C++、Java 或 Python 程式語言經驗（即便如此，僅在少數部分會涉及程式設計）。與其他計算機網路的基礎教科書相比，本書更具嚴謹性與分析深度，但特別設計為僅需高中程度的數學基礎。避免了進階微積分、機率或隨機程序的概念（但提供進階習題，供有需要的讀者挑戰）。因此，本書適合用於大學或研究所第一年的「電腦網路」或「計算機網路」課程，同時對電信業界的專業人士也有極大的實用價值。

本書是一本全面且實用的指南，它摒棄了枯燥的理論堆砌，以一系列基於問題的實踐練習為引，帶你回歸數學的“基礎”，層層遞進地揭開計算機圖形學的神秘面紗。從繪製簡單的圖形線條與形狀，到熟練應用向量與頂點；從構建和渲染網格，到巧妙運用頂點著色器提升渲染效率，每一個環節都緊密圍繞數學原理展開，讓你在實踐中領悟數學與圖形開發的緊密聯繫。借助Python、Pygame和PyOpenGL，你將創建屬￿自己的基於數學的引擎和API，並在構建應用程序和示例的過程中不斷實踐，逐步掌握將這些理論知識轉化為實際成果的能力。

1.全新的內容編排，提供學生視覺上的增強學習與閱讀的便利性。2.各章首安排本章節次及學習目標等，提供學生課前掌握學習重點。3.全書採用數百幅精緻全彩圖片，圖表化說明相關原理，讓學生以最簡易的方式學習深澀理論。4.全書圖例採用機能性標誌引導，讓學生準確學習，提升學習效率。5.本書使用Python程式語言。6.每一章附有課後習題，依各節順序編排，適合學生循序複習。7.每一章均有探討活動，讓學生學會去思考與分析問題，從中找出解決的方法，再選擇適合的資訊科技，與他人進行共創。

用數學與實作打通最佳化 從理論、工具到應用，學會打造更強的 AI 模型 本書內容改編自第 16 屆 iThome 鐵人賽 AI/ ML & Data 組冠軍系列文章《調整 AI 超參數好煩躁？來試試看最佳化演算法吧！》這是一本以「結合 AI 工具實作搭配少量理論」為核心的最佳化入門到進階指南。全書以直觀圖解與儘可能少的必要數學，帶你理解五花八門的演算法、目標函數與測試函數的本質，並以可直接執行的程式碼範例來串接起常見方法。例如，傳統啟發式演算法、粒子群算法（PSO），與比較近期的灰狼演算法（GWO），以及機器學習跟深度學習中的超參數最佳化（例如 TPE 等）。 書中不只介紹理論與實作，也新增「AI 協作」章節，示範如何下 Prompt，讓你與 AI 分工寫最佳化程式、請 AI 教學演算法與驗證結果。無論你來自影像處理、訊號處理、資料科學或工程領域甚至是學生，都能把最佳化真正用在工作、研究與學習裡。 本書可以學到哪些知識 本書規劃為五大篇、十個章節，以循序漸進的方式引導各位讀者深入最佳化的世界，並精選了一系列實際應用案例，讓各位不僅能理解理論，更能即學即用。 第一篇〈最佳化演算法的全貌〉：本篇會從最佳化技術的基礎概念開始，介紹什麼是最佳化演算法，接著會介紹目前的演算法種類大致分成哪幾種，這幾種演算法中目前比較主流跟比較多研究在使用的演算法有什麼。這些演算法雖然都是以數學來定義的，不過本書會根據這些公式的用途做一個簡單的總結，讓生活已經遠離數學的讀者也可以輕鬆上手。 第二篇〈最佳化演算法評估與測試函數〉：本篇將帶你掌握研究中廣泛使用的測試標準，讓你的最佳化演算法不再只是「感覺變好」，而是能以數據驗證、圖像呈現的方式準確比較表現。從經典測試函數到 Python 實作，幫助你建立完整的最佳化演算法評估公式。不論你是 AI 工程師、研究人員，還是想用最佳化技術提升產品效能的開發者，這章都能讓你學到「量化進步」，優化策略看得見！ 第三篇〈Python Optuna 模組介紹〉：進入實作關鍵！本篇將帶你認識 Optuna，一款靈活又高效的 Python 最佳化工具。無論你是要調校 AI 模型參數，還是優化自家產品或演算法效能，Optuna 都能幫你快速實驗、多次試錯、精準收斂。從基礎語法到深度學習案例，搭配 ChatGPT 提示技巧，讓你能在開發流程中聰明用好最佳化，把模型與應用

▌第一本 AI 投資專書 ▌▌大型語言模型加持！▌▌建構自己的股票／年報分析機器人 ▌▌讓 AI 變成股市分析的神器 ▌在這數位資訊的創新時代, AI 與大型語言模型 LLM 已經徹底改變了投資業界的遊戲規則。過往需要仰賴投資團隊花費大量時間來解讀各種財務報表、進行分析的複雜工作, 現在只需要一個人、一台電腦就能完成。對於小散戶而言, AI 能幫助我們自動化分析, 挖掘出報表中隱藏的關鍵資訊, 成為對抗市場主力的重要武器！本書將帶您：◆ 【建立正確的投資觀念】：還在聽股市名嘴胡扯瞎扯嗎？本書將從基礎的投資理論起手, 帶領讀者建立正確的投資觀念, 從基本面分析到技術面分析, 並進一步探討 AI 在股票投資中的定位, 助你洞悉多面向分析的重要性。◆ 【Python 雲端環境開發】：程式開發對你來說是場夢魘嗎？本書將所有程式部署在雲端環境中, 免除本地環境配置的複雜度, 一鍵就能輕鬆運行、進入 Python 股票分析的世界。◆ 【AI 股票趨勢分析】：在買賣股票的過程中, 一般人常常會被情緒左右投資決策, 但 AI 是沒有感情的機器。本書將詳解如何利用 AI 進行客觀的數據分析來作出更合理的投資決策, 解決人性所造成的影響。◆ 【AI 年報深度解讀】：公司年報蘊藏著重要的資訊, 但一份年報動輒 200~300 頁, 哪有那麼多時間去一一分析每間公司的年報資料？複雜的分析過程就交給 AI 來做吧！我們可以使用提問的方式來輕鬆了解年報內容, 或是讓模型統整、分析落落長的年報資訊。◆ 【AI 選股推薦】：股票那麼多怎麼選？要找到一檔高潛力的股票如同大海撈針！本書將介紹如何使用 AI 來進行選股推薦, 從大數據中篩選出值得關注的投資機會、提高選股效率。本書特色: ★ 本書程式皆部署於雲端平台, 不會寫程式也能一鍵執行。☆ 投資理論來幫忙, 帶領讀者建構正確的投資觀念。★ 詳解如何串接 OpenAI API, 讓語言模型成為分析股市的利器。☆ 讓股票資料蒐集的過程自動化, 包含網路爬蟲、各種 Python 套件及搭建資料庫。★ 讓 AI 自動處理 Dataframe 表格、計算技術指標、產生回測策略。☆ 詳解 matplotlib、mplfinance、plotly、backtesting 各種視覺化套件, 新手也能畫出精緻的股價 K 線圖。★ 打造屬於自己的 LINE

‧軟體測試職涯 探討職業發展與未來趨勢。‧實體到軟測 透過實例理解測試核心概念。‧需求評審技巧 強化文件評審與測試準確性。‧多種測試方法 涵蓋等價類、邊界值等技術。‧Bug追蹤管理 介紹禪道等工具提升效率。‧Linux與資料庫 強化測試環境與數據操作能力。‧Web自動化測試 使用Selenium+pytest提升效率。‧API測試實戰 從HTTP基礎到實際案例分析。‧封包抓取分析 利用Charles定位前後端問題。‧Python測試應用 透過Requests、pytest完成自動化。‧AI在測試中 NLP技術輔助測試，提升測試效能。‧求職與面試 履歷製作、題庫解析與模擬問答。本書內容包含測試職涯發展、學習路線與核心素質，並透過實體產品測試實例幫助讀者理解測試概念。軟體測試從需求評審開始，書中解析如何審查需求文件，確保測試的準確性，並深入探討測試計畫、測試用例設計與功能測試方法，如等價類劃分、邊界值分析、錯誤推測等，使讀者掌握測試用例的編寫與評審技巧。在測試執行方面，本書介紹 Bug 追蹤與測試管理工具，提升測試效率，並涵蓋 Linux 指令與 MySQL 操作，幫助測試人員搭建與管理測試環境。書中還深入探討 Web 自動化測試，透過 Selenium 與 pytest 測試框架與 POM 設計模式提升自動化能力，並介紹 HTTP 介面測試，幫助讀者強化 API 測試技能。此外，本書涵蓋封包抓取與分析，利用 Charles 工具解析封包內容，有助於前後端錯誤定位，並提供 Python 自動化測試應用，透過 Requests、pytest 提高測試執行效率。近年來 AI 在測試領域的應用日益重要，本書探討 AI 與 NLP 技術如何輔助測試，如自動生成測試用例與指令碼提升測試效能。

用最簡單的方式，打造專屬於你的自動化神器，從此告別重複工作，把時間拿回來！★ 不會寫程式也沒關係，AI 幫你一行一行生出來★ Google Apps Script、Python、VBA 三大語言通通教，幫你選最適合的那一個★ 搭配大量實用案例，讓你馬上應用在日常工作★ 從自動寄信、整理報表，到跨平台整合，通通一書搞定★ 專為初學者設計，每段程式碼都有白話說明只要你曾經想過：「這工作可以不要一直重複做嗎？」這本書，就是你的解答！【簡易入門】讓你從 0 開始不怕程式．三大熱門自動化工具：Google Apps Script、Python、VBA，一次搞懂差異．完整入門流程：從介面操作、程式碼結構，到如何用 AI 協助寫程式．初學者必備觀念：function、debug、權限、API…通通白話解釋【動手實作】跟著做就會，自動化實戰案例滿載．自動寄送報表給主管、定時備份資料、表單送出即時通知．整合 Gmail、Google Sheets、Forms、Drive，打造你的工作助理．案例皆搭配 GenAI 助手操作範例，讓你不懂語法也能跑起來【自由創作】玩出自己的創意自動化．結合多個工具，打造跨平台的工作流程．學會部署前端小介面，讓你寫的程式更好用、更像一個小產品．把 AI 不只放在旁邊寫程式，而是真正「嵌入」到你的程式裡面！【本書適合】◎行政人員與助理：每天重複處理表單、報表、寄信、對帳◎中小企業老闆或主管：希望提升工作效率、又沒有程式背景◎會計、財務與人資人員：經常操作 Excel 或 Google Sheets◎業務與行銷人員：身兼多工、想把流程自動化◎自由工作者、創作者與接案者：想靠自己建立自動化工具◎學生與轉職者：想打好基礎、未來走向資料分析或工程領域

Bing Chat與Copilot邁向文字、視覺、繪圖、語音、程式的AI體驗王者歸來(全彩印刷)★★★★★【國內第 1 本】★★★★★★★★★★【深度認識Bing Chat】★★★★★★★★★★【Copilot功能探索】★★★★★★★★★★【招數最多、功能最強的AI體驗】★★★★★這本書不會涉及較深的程式設計技術細節，而是著重於如何在實際場景中使用和應用Bing Chat 與Copilot。研讀本書，讀者可以獲得下列多方面的知識：【深度認識 Bing Chat】★ 登入和登出 Bing Chat☆ 認識聊天界面★ 選擇交談模式☆ Bing Chat 聊天特色【Bing App】★ 手機 Bing Chat 對話☆ Bing App 與 GPT-4 切換【Copilot 功能探索】★ 產生頁面摘要☆ 深入分析頁面資訊★ 翻譯與摘要國外新聞☆ 依情境產生草稿★ 依據書籍名稱生成摘要與心得☆ 生成影像【AI 繪圖】★ 聊天生成影像☆ Bing Image Creator 生成影像★ 影像分享與搜尋☆ 生成不同風格的影像★ 依據彩畫素材、攝影鏡頭、畫面角度生成影像【AI 視覺】★ 用視覺執行數學運算☆ 識別各類影像★ 用視覺創作七言絕句☆ 圖片的比較【生活應用】★ 國外語言學習☆ 交友顧問★ 文藝創作【教育應用】★ Bing Chat 是你的活字典☆ 協助摘要、心得、報告、專題撰寫★ 依據程度學習體驗☆ 教師講義、問卷、考試題目【企業應用】★ 貼文格式、銷售建議☆ 行銷文案與活動★ 拍攝行銷活動的腳本設計☆ 面試者與面試官★ 企業公告☆ 加薪與企業談判議題★ 提升 Excel 的工作效率到輔助工作分析【程式設計】★ 輔助 Python 學習☆ 重構你的程式★ 重寫程式☆ 閱讀程式錯誤訊息，協助除錯 (Debug)★ 為程式加上註解☆ C、Java 與 Python 程式語言的切換

「你是否認為機器學習很複雜、很難掌握呢? 其實不然，來讀這本書，Serrano為你揭開機器學習的神秘面紗。」―Sebastian Thrun, Udacit創辦人「這是您機器學習旅程的第一步」―Millad Dagdoni, 挪威勞動福利局「這是本很好的引導指南，特別是對於那些想要寫程式但覺得自己數學程度不高的人」―Erik D. Sapper, 加州理工州立大學「這是我近年來有幸讀到最平易近人的機器學習介紹。強烈推薦！」―Kay Engelhardt, devstats只需要高中的數學程度，您就能發現並了解機器學習的強大之處！簡單來說，機器學習是一組建立在演算法上的資料分析技術，當您提供更多的資料，它就能產生更好的分析結果。ML驅動了許多尖端的技術，例如推薦系統、人臉識別軟體、智慧音箱，甚至是自駕車。而這本獨特的書將藉由相關的範例、有趣的練習以及簡要的插圖，為您介紹機器學習的核心概念。《白話機器學習》以任何人都能理解的方式來呈現機器學習的演算法和技術，跳過令人困惑的學術術語，提供您只需要一點基礎代數就能理解的清楚解釋。隨著學習本書的內容，您將使用Python建立許多有趣的專案，包含垃圾郵件偵測和圖像辨識等模型，並且還會學到清理和準備資料的實用技巧。本書包含：‧用於分類和分割資料的監督式演算法‧用於清理和簡化資料的方法‧機器學習的套件和工具‧用於複雜資料集的神經網路和集成方法本書適用於有Python基礎知識的讀者，但不需要有機器學習的相關知識。

"《生成式AI × 穩健提示爬蟲技術 I》數據抓取篇★從Colab、Anaconda 到 Jupyter Kernel，一步步把 Python 環境建好、跑起來。★用Pandas × PyArrow × Polars，把資料整理做得更快、更穩，也更貼近實務。★透過提示工程和情境工程，讓 ChatGPT、Claude 成為你的程式開發夥伴。★結合Perplexity Comet＋爬蟲＋寄信＋行事曆，把資訊蒐集到自動化流程一次串起。★多模態OCR × Gemini和Groq API，把圖片文字直接變成可分析的結構化資料。你學過Python，卻常卡在「環境裝不好、資料處理很慢、爬蟲一下就被擋、AI 工具只會聊天」嗎？本書以「做得出成果」為主軸，帶你從 Google Colab、Anaconda、Jupyter Notebook 與 Kernel 建置開始，快速建立穩定、可重現的開發環境。接著用 Pandas 打底，涵蓋多欄多列取值、資料框合併、字串提取與條件篩選，並延伸到 PyArrow 與 Polars，讓你面對較大的資料量也能跑得快、跑得順。更關鍵的是，本書把提示工程與情境工程結合「直覺式開發」：教你如何用 ChatGPT和Claude 協作寫程式、除錯；再搭配 Perplexity Comet 進行摘要與探勘，串接 Gmail、Google 行事曆、SMTP、Resend 寄信，打造可實際應用的自動化資訊流程。最後以多模態 API（Gemini、Groq）＋中文 OCR（PaddleOCR、EasyOCR）＋爬蟲實戰進行總結，範例涵蓋電商、股價、ESG、重大訊息、交易指標等案例，並附上Gemini AI 教育版證照準備重點，適合資料分析初學者、稽核、採購、研究人員、跨域工作者，以及想把 AI 變成生產力的人。專業推薦崑山科技大學 電機工程系系主任─林俊良 博士住宅消保會創會理事長─吳翃毅博士錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─凃春愛 博士伽碩職訓中心執行長─郭明洽昱創企管顧問有限公司總經理─裴有恆元大銀行系統開發部專業副理─陳尚瑋極策網路行銷有限公司總經理、崑山科技大學房地產開發與管理系講師─蔡宗甫"

從概念到實作，全方位掌握 RAG 與 LangChain 精準打造你的專屬 AI 系統！ 本書改編自第16屆 iThome 鐵人賽生成式 AI 組優選系列文章《初探 LangChain 與 LLM：打造簡易問診機器人》，完整收錄生成式 AI、大型語言模型（LLM）與檢索增強生成（RAG）的核心觀念與技術細節。 書中首先帶領讀者認識生成式 AI 與 LLM 的重要觀念，深入探討模型常見的幻覺問題與即時知識更新的難點，並逐步引導讀者學習 RAG 架構如何有效克服這些挑戰。接著，以詳細且易懂的步驟說明環境建置方法，包括 Python、PyCharm、OpenAI API 及 MongoDB Atlas 的設定，確保讀者能快速架設並應用於實務專案。 此外，書中透過實際案例「智慧問診機器人」專案的完整演練，全面介紹 LangChain 框架的基礎到進階操作技巧，並深入說明如何評估與測試系統效能，運用 DeepEval 及 LLM as a Judge 等工具進行成效驗證，幫助讀者掌握 RAG 系統的實務與優化策略，快速提升實戰能力。 無論你是初次接觸生成式 AI 的新手，或希望深度實作 RAG 技術的進階讀者，本書將引導你扎實地掌握理論基礎與技術細節，輕鬆建立屬於自己的高效能智慧應用系統。 重點摘要 ✦ 理論基礎 深入淺出 RAG 核心觀念 ✦ 環境架設 從開發到部署一本搞定 ✦ 實務專案 採用貼近生活的問診系統實戰演練 ✦ 效能評估 開發同時也關注模型回答的表現 目標讀者 ．對生成式 AI 有興趣的讀者 ．具備基礎 Python 知識的讀者 ．期望理解 RAG 系統的人士 ．想要了解如何評估 RAG 表現的開發者 本書從基礎概念出發，帶領讀者探索 LangChain 與 RAG 的整合應用， 並透過智慧問診機器人實作，展現生成式 AI 如何與後端技術結合，打造更智能、更可靠的應用。

本書為面向中學生群體的通識課讀本，旨在通過深入淺出、通俗易懂的講解方式，結合豐富具體的實踐案例，系統介紹人工智能及其背後的數學原理。內容設計兼具科學性、趣味性與啟發性，引導學生從零開始，逐步體驗常見AI應用、入門Python編程，進而理解“萬物皆可量化”的數學表達方式。課程覆蓋圖像與文字處理、人臉識別、垃圾短信分類、房價預測及智能輸入法等典型場景，幫助學生在動手實踐中建立對人工智能的基本認知，激發對科技與數學的興趣。本書積極響應國家“推動人工智能教育在全學段普及”的號召，緊密貼合中學信息科技與人工智能通識課程要求，致力於為中學階段人工智能基礎教育提供優質教學資源。

本書深入解析大數據的發展沿革、4V特徵、行業價值與企業管理模式，更重要的是，它引導讀者從商業應用情境出發，思考並解決真實的數據分析問題，如群組、分類、推薦與關聯等。建立數據驅動思維，與數據科學家進行更有效的溝通，加速智慧應用發展。在實作層面，本書提供Python語言範例，循序漸進地引領讀者了解分析與模型建立步驟。提供房價預測、電影推薦、圖片辨識及自然語言解析等貼近真實的案例。本書更納入AI先進技術，介紹LangChain基礎運用，發展簡單的AI代理程式。這是一本橫跨大數據基礎、預測分析方法，到文本挖掘、圖像辨識、生成式AI代理的完整教材，是商管學生與商業人士理解AI實務與應用的最佳起點！

本書旨在提供一套兼具理論深度與實務操作的研究指南，協助讀者理解此一取徑背後的方法論依據，並掌握如何在實務上正確應用。全書分為十章，從基本的反事實因果推論概念出發，逐步引導讀者了解聯合分析的邏輯、實驗設計的策略、樣本數的估算，以及如何運用Qualtrics進行聯合網調實驗，並運用R及Stata軟體分析資料，亦將Python程式碼列於附錄一。 本書適合具備基礎研究方法訓練的碩博士生、學術研究人員、政策分析者與市場研究專業人士閱讀。我們期望透過本書，讓更多人能夠在繁雜的社會現象中，透過嚴謹的實驗設計與網路調查的靈活性，精準地探究人類行為背後的偏好結構與因果邏輯。

📌 全彩印刷、圖解詳盡，快速學會關鍵知識📌 將Go與Python程式的實驗與結果視覺化透過實作與豐富的精緻圖解，對OS與硬體相關的工作原理是如何運作，進行淺顯易懂的解說，讓您對OS的運作，有更加具體而清晰的了解。不論是新手還是老手，都很容易陷入「OS是個充滿神秘與困難的東西」的困境。為了要改善這個狀況，本書不會探討艱深的理論，而是以Linux為中心，在進入實作階段前就對Linux的工作原理進行解說，讀者只需要對Linux基本的命令有所瞭解便可輕鬆閱讀。本書可以幫助你：．當OS或硬體相關故障產生時，能夠冷靜處理．開發出有考慮到硬體特性的優良軟體．瞭解該依據什麼樣的指標來設計系統

★適用最新MySQL 8.x與MariaDB 10.x ★全書採用清楚易懂的圖文學習模式，讓學習更加事半功倍 • 作者累積數年的教育訓練實務經驗，使用最直覺與容易學習的圖文樣式，以最接近課堂實際授課的方式撰寫本書。 • 最完整的MySQL開發技術手冊，快速建立開發MySQL資料庫應用程式需要的SQL技能。 • 從基礎的資料庫概念、SQL與進階應用，掌握完整的資料庫應用程式開發技術。 • 內容包含資料庫、表格、索引的建立與維護。資料庫的新增、修改與刪除敘述，基礎、結合與子查詢敘述。 • 深入瞭解MySQL的字元集、儲存引擎、預儲程序、函式、觸發事件、資料庫匯入、匯出與效率調校。 • 最新第三版新增：使用Python與Java程式設計語言連線到MySQL資料庫，執行資料庫的新增、修改、刪除、查詢與呼叫預儲程序。

★在最熟悉的作業系統、IDE中，用Tensorflow開發深度學習專案★☆使用Tensorflow.NET在Visual Studio下完成AI開發☆坊間幾乎所有和AI、深度學習、機器學習有關的書籍或教材，均是以Python及相對的框架進行開發，並且建議架設在Linux上。雖然這個環境非常適合進行AI專案的開發，但對於已經熟悉Visual Studio下.NET架構的大部分Windows開發者來說，如果能使用Tensorflow的強大，再加上早就上手的.NET甚至是C#語言，學習曲線真的就只剩下深度學習，排除了Linux及Python的困難。微軟在.NET平臺上引入機器學習，努力使機器學習技術跨越鴻溝，普及至大多數人手中。微軟的ML.NET旨在實現人工智慧的「民主化」，讓每個人都能使用並受益於人工智慧技術。在.NET生態中，人工智慧領域的SciSharp Stack團隊為TensorFlow提供了.NET Standard Binding，使得.NET開發人員可以使用C#在跨平臺的.NET Standard框架上開發、訓練和部署機器學習模型。他們還打造了TensorFlow.NET這個專屬於.NET開發人員的機器學習平臺，簡化了使用TensorFlow的過程。本書即是針對這個族群的使用者，讓.NET眾多的使用者直接跨入AI的領域，在最親切的環境學習，一定會事半功倍。本書為介紹TensorFlow.NET的詳細指南，共有23章。探討雲端運算、人工智慧、巨量資料和雲端原生應用對生活產生了深遠影響，之後說明機器學習.NET開發者的特點，在.NET生態中，SciSharp Stack的團隊，為TensorFlow提供了.NET Standard Binding，使.NET開發人員可以使用C#開發、訓練和部署機器學習模型。其中的產品就是TensorFlow.NET。書中包括資料型態與張量詳解、Eager Mode詳解、自動求導原理與應用、線性回歸實操、MNIST手寫字元分類邏輯回歸、tf.data資料集建立與前置處理、深度神經網路實踐、AutoGraph機制詳解，以及.NET Keras簡明教學等。最後一部分是生產應用與案例，包含CPU和GPU環境下的TensorFlow.NET應用、工業生產環境應用案例、在C#下使用TensorFlow.NET訓練自己的資料集、視覺影像分類

線性代數是一門高度通用且具備廣泛應用的基礎工具，無論是在人工智慧、數據分析或是各類工程領域，專業人士都需要對其具有紮實素養，方能在實際問題中建立準確的數學模型。本書的核心特色是擺脫傳統冗長而抽象的理論推導，轉而以直覺化的概念闡釋和高效的實戰應用為主軸。在解題風格上，本書不同於一般教科書完全按照理論框架進行推導。作者憑藉多年的實戰教學經驗，在許多計算技巧上提供了獨家捷徑，幫助學生有效提升解題速度，達到事半功倍的學習效果。同時，本書強調與現代科技趨勢的接軌，於附錄中提供 MATLAB 與 Python 雙程式平台的程式碼範例與腳本教學，專門針對複雜的線性代數計算提供電腦輔助實作指導。

產品特色： 隨著 APCS 程式設計先修能力檢測成為升學重要指標，如何有效備考、精準得分，已成為每位高中職學生與教學者關心的課題。 本書從考試介紹、程式識讀、演算法演練，到歷屆試題詳解，提供最貼近命題趨勢的備考資源。不只是教語法，更強調「解題實力」的養成！ 本書特色如下： 1. 完整解析 APCS 檢定架構與準備要點，方向明確不迷路。 2. 跨語言程式識讀教學（C語言＋Python），多元語感一次搞懂。 3. C++ 實作演算法與資料結構重點精華，強化邏輯與寫作力。 4. 歷屆實作題詳解，解題技巧與命題方向一次掌握。 5. 模擬題實戰訓練，題感培養、舉一反三，穩步提升實力。 無論您是初次挑戰 APCS 的新手、苦於突破實作題的考生，或是想找系統教材的教學者，本書都是您邁向高分通過、穩紮程式基礎的最佳選擇！

《生成對抗網絡GAN：從理論到PyTorch實現》系統地講解了生成對抗網絡(GAN)的基本原理以及PyTorch編程技術，內容較全面，可操作性強，將理論與實踐相結合。讀者通過理論學習和編程實踐操作，可瞭解並掌握生成對抗網絡的基本原理和PyTorch編程技能，拉近理論與實踐的距離。《生成對抗網絡GAN：從理論到PyTorch實現》共分8章，主要內容包括生成對抗網絡介紹、簡單全連接GAN、深度卷積GAN、Wasserstein GAN、條件GAN、StyleGAN、Pix2Pix、CycleGAN，涵蓋了豐富多彩的生成對抗網絡的原理和示例。此外，本書源碼已全部在Python 3.10.9 + PyTorch 1.13.1 + CUDA 11.6版本上調試成功。《生成對抗網絡GAN：從理論到PyTorch實現》適合生成對抗網絡愛好者和PyTorch編程人員作爲入門和提高的技術參考書，也適合用作計算機專業高年級本科生和研究生的教材或教學參考書。

《生成式AI賦能一本通：編程、數據科學與專業寫作》全面介紹了生成式AI在編程、數據科學及專業寫作領域的廣泛應用與深刻影響。主要內容涵蓋生成式AI的核心原理、技術挑戰、治理策略，以及如何通過提示詞工程與AIGC方法論提升工作效率。讀者將從中獲得與AI高效溝通的技巧，掌握利用大模型進行Python程序設計、數據分析、數學與機器學習自學的方法，並通過豐富案例瞭解AIGC在科技論文寫作、金融數據分析及創建AI智能體等方面的實際應用。本書旨在幫助讀者理解使用大模型的方法和思路，以在AI時代保持競爭力，實現個人與組織的數字化轉型。本書主要讀者群體包括計算機專業學生、AI從業者、程序員、數據分析師、科研人員及對未來科技感興趣的廣大讀者。

《大模型Agent應用開發》深入探討了LLM的核心概念、前沿技術和實際應用，最終為擴展AI能力邊界的大型基礎模型(Large Foundation Models，LFM)的崛起鋪平道路。 本書開篇詳細介紹了LLM的基本原理，隨後探討了多種主流架構框架，既涵蓋專有模型(如GPT-3.5/4)，也分析開源模型(如Falcon LLM)的獨特優勢與差異。接下來，我們以基於Python的輕量級框架LangChain為核心，引導讀者逐步構建智能體。這些智能體能夠從非結構化數據中提取信息，並利用LLM和強大工具包與結構化數據交互。此外，本書還將深入探索LFM領域——該類模型融合了視覺、音頻等多態能力，可以覆蓋更廣泛的AI任務。 無論你是經驗豐富的AI專家，還是初入該領域的新人，本書都將為你提供解鎖LLM全部潛力的路線圖，助力開創智能機器的新紀元。

這本書引導讀者從廣闊的人工智慧來到深度學習的核心概念，深化對機器學習的理解，並揭示電腦視覺如何利用機器學習來模仿和擴展人類的視覺能力。深度學習顯著提升了電腦視覺技術的效能，而成功的電腦視覺案例又進一步推進深度學習領域的發展，形成一個良性循環。　書中不僅提供扎實的理論基礎，更搭配豐富實用的範例，這些範例都是用強大且被廣泛運用的 Python 程式語言編寫。透過這些範例，讀者能更直觀地掌握書中所述的概念，並將理論付諸實踐。　本書特別為對影像處理與電腦視覺懷抱熱情的讀者而設計，無論是大學部或研究所的學生，或是渴望自學精進的其他族群，都能從中獲益良多。

本書基於Python編程語言，以實戰為導向，主要介紹中文自然語言處理的各種理論、方法及應用案例，幫助讀者快速熟悉理論知識，理解相關技術原理，為讀者選擇自然語言處理相關的研究方向或從業領域提供參考。全書共分為三個部分：第一部分（第1～3章）是“基礎篇”，側重介紹自然語言處理的基礎知識，並在相應的知識板塊中設置實驗案例；第二部分（第4～12章）是“技術篇”，主要講解自然語言處理核心技術的原理及實現方法，以及文本分類、特徵提取、RNN等技術在自然語言處理中的應用；第三部分（第13章）是“應用篇”，主要介紹自然語言處理比較典型的應用場景。本書適合作為人工智能相關課程的教材，也可作為人工智能的普及讀物供廣大讀者自學或參考。

本書詳細介紹了 eBPF 核心技術及其應用。全書可分為 eBPF 基礎知識、進階應用和實際案例三大部分，覆蓋了 eBPF 的編程接口、架構及其在性能分析、安全監控和網絡協議等方面的應用。讀者將通過 C、Go 和Python 等語言學習 eBPF 編程，並掌握其在系統監控、數據分析和性能提升方面的實際技巧。本書適合不同層次的讀者，包括對操作系統或應用程序監控感興趣的學生和初學者、希望利用 eBPF 進行內核代碼調試和優化的 Linux 內核開發人員、使用 eBPF 監控系統事件和分析惡意軟件的安全工程師和逆向工程師、通過 eBPF 收集性能數據以優化軟件和系統性能的性能分析師和應用程序開發者，以及希望優化虛擬化軟件性能和管理的虛擬化開發人員。

PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。 本書是使用PyTorch建構神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。 本書適合對深度學習領域感興趣且希望一探PyTorch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。 本書範例檔： https://github.com/PacktPublishing/Deep-Learning-with-PyTorch

https://youtu.be/9E_99Kmgdj0☆★☆好評熱銷再上市☆★☆【書籍特點】● x86組合語言基礎知識，通用暫存器、常用指令，記憶體分頁● 指標的實現原理，指標組成、相關操作，以及Go語言的unsafe套件等。● 函數、堆疊框佈局、呼叫約定、變數逃逸、Function Value、閉包、defer和panic● 方法，實現原理，接收者類型、Method Value和組合式繼承● 介面，Go語言動態特性，括裝箱、方法集、動態派發、類型斷言、類型系統和反射● goroutine實現，GMP模型、goroutine的建立與退出、排程迴圈、先佔式排程、timer、netpoller和監控執行緒● 同步，記憶體亂數、原子指令、自旋鎖、runtime互斥鎖和訊號量、ync.Mutex、hannel● 堆積記憶體管理，heapArena、mspan，mallocgc函數、C的三色抽象、寫入屏障● 堆疊記憶體管理，goroutine堆疊的分配、增長、收縮和釋放【內容簡介】想要有C語言的高速和Python的便利性嗎？Go是最棒的選擇，Go語言在語言層面上支援程式碼協同（goroutine）和通道（channel），這使得併發程式設計變得非常簡單和高效。在多核CPU時代，高效的併發程式設計已經成為軟體開發的必備技能之一。此外Go語言的語法設計簡單清晰，注重可讀性和簡潔性，使得初學者能夠快速入門。Go語言的標準函數庫提供了豐富的功能，可以直接使用，避免了一些繁瑣的工作。另外在跨平臺支援方面，Go語言的編譯器可以將程式編譯成機器碼，支援跨平臺編譯，可以在不同的作業系統和硬體平臺上運行，這對於開發跨平臺應用程式非常有幫助。Go最有名的就是其高性能。Go語言的編譯速度非常快，生成的二進位檔案也很小，運行速度也非常快。Go語言在一些性能要求較高的應用領域，如Web服務、巨量資料處理、容器等方面表現出色。另外其開發效率高，Go語言在一些方面與Python、Ruby等動態語言相似，但又具有靜態語言的優點。Go語言的編譯器能夠在編譯期間捕捉一些錯誤，這使得程式的穩固性更高。同時，Go語言的工具鏈非常完善，如go fmt、go vet等工具可以幫助開發者規範程式，提高開發效率。

零基礎也能打造AI物聯網， 用Node-RED整合YOLO與LLM， 全方位建構你的AIoT與邊緣AI應用！ 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 內容重點 ➤ 使用Node-RED視覺化流程建立監控儀表板（Dashboard）、MVC網站、REST API和使用MySQL資料庫儲存感測器數據。 ➤ 詳細說明MQTT通訊協定、取得網路OpenData與JSON資料剖析、寄送Email電子郵件與Telegram通知。 ➤ 使用Teachable Machine與YOLO訓練自己的AI模型，並且串接LLM來輕鬆使用Node-RED整合生成式AI，建立你的AIoT智慧物聯網應用。 ➤ 完整YOLO模型訓練步驟，只需執行各步驟的Python工具程式，就可以使用LabelImg標註圖片建立資料集，訓練出你自己的YOLO物體偵測模型。 ➤ 提供綠化版Node-RED+Python整合套件fChartEasy，免安裝輕鬆幫助你建構學習本書內容所需的Windows開發環境。 你將學會以下實作專案： ✔ 建立溫溼度監控儀表板、繪製Node-RED圖表、送出天氣通知 ✔ 使用Teachable Machine 模型、標註圖檔、YOLO客製化模型 ✔ 打造透過MQTT控制的ESP32-CAM相機與IP Camera，輕鬆建立你的AI之眼 ✔ 建立AI猜拳遊戲、OCR車牌辨識、物體偵測、即時串流偵測、路況分析 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 本書特色  視覺化開發×無痛入

相較於多數經濟理論，「投入產出分析」兼具理論嚴謹、數學式簡單、計算快速且結果直觀易解讀等優點。其分析所需的「投入產出表」通常可由國家統計單位直接取得，因此長期以來被廣泛應用於各國政策影響評估工作。本書作者長期受政府及企業單位委託，運用投入產出分析及其相關方法進行各類政策影響評估，成果也被採納為政策或決策依據，因此累積了豐富的實務案例。 本書特別擷取其中具代表性的案例，說明如何將投入產出分析應用於不同的政策情境，期望能為讀者提供有益的參考，激發創新思考，並進一步運用於自身關注的議題分析。此外，本書另一特色則是介紹如何以 Python 程式執行投入產出分析，讓讀者在傳統的 Excel、GAMS、Eviews、SAS 等工具之外，擁有新的選擇。

本書通過具體的案例，循序漸進地講解了計算機視覺和模型調優的相關內容。首先介紹基礎知識，包括人工智能基礎、計算機視覺基礎、圖像基礎和編程基礎相關知識。然後講解傳統計算機視覺和基於深度學習的計算機視覺，如卷積神經網絡等。接著深入探討算法原理，包括卷積、池化、批歸一化、激活函數、殘差結構、全連接、SoftMax等，並提供手寫算法示例。最後介紹了模型在 Python 和 C++中的實際應用以及性能優化技巧，如計算向量化、權值預加載和多線程等。本書內容實用，由淺入深，案例典型，講解通俗易懂，隨書提供全部程序代碼，且代碼注釋詳細，方便讀者理解，並上手實踐。本書非常適合人工智能、機器學習、深度學習、計算機視覺初學者學習使用，也可用作高等院校中相關專業的教材及參考書。

本書以ROS 2核心原理為主線，以機器人開發實踐為重心，在詳細講解ROS 2核心概念、組件工具的基礎上，介紹ROS 2構建仿真/實物機器人系統的方法，剖析ROS 2用於視覺識別、地圖構建、自主導航等應用的方法，配有大量圖表、源碼等，幫助讀者在實現ROS 2基礎功能的同時，深入理解基於ROS 2的機器人開發方法，從而將書中的內容用於實踐。 本書採用最新穩定版本ROS 2系統和全新一代Gazebo機器人仿真平臺，讀者只需準備一台計算機，就可以快速上手學習。同時，本書介紹了實物機器人的搭建方法及相應功能的實現，書中源碼都加入了中文注釋，並針對核心內容提供C++和Python兩個版本。為方便讀者閱讀和學習本書，筆者團隊還專門創建了一個網頁，供讀者下載配套源碼、查看操作指令、學習配套視頻教程。

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！▌本書特色☆機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定☆充分展現出日本書的細膩流暢又簡單清楚☆想了解機器學習又怕被數學公式轟炸的AI小白最適合☆作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射☆懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路☆高中文組數學程度就可以100%看得懂的Python程式☆雖然簡單但十分詳細的公式推導☆L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎☆無監督學習也有詳細說明，K-means和混合高斯模型☆使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

本書特色1.學習目標：每章的最前面都有引言說明學習目標，啟發學習動機。2.圖解說明：以圖文並茂的方式，解說「資料庫」的概念知識。3.課後評量：提供「選擇題」與「問答題」題型，協助讀者課後練習與自我測驗。4.本書主要以SQL Server 2019寫成，可往上、往下相容於2017、2022版本。內容簡介本書依照作者多年的教學與實務經驗，為讀者量身打造一本適合初學者的入門及實作書。內容輔以大量圖形和範例解說，完整說明資料庫系統理論與實作，不僅適合大專院校的課程，也適用於準備國家考試的參考。內容涵蓋資料庫導論、SQL Server的安裝與環境介紹、關聯式資料庫、ER Model實體關係圖、資料庫正規化、關聯式模式的資料運算、結構化查詢語言SQL、SQL的查詢語言、合併理論與實作、檢視表、預存程序、觸發程序。並進一步介紹Python如何連接SQL Server資料庫來學習SQL指令，以及整合SQL Server資料庫開發員工銷售系統。

內容介紹: 用自己的電腦也能從零開始建構 LLM 模型！LLM 的參數真的非常多~ 動輒就數千億個參數，一般家用電腦是跑不動的；再加上 LLM 模型架構、注意力機制的運作都非常複雜，要深入理解也有不小的門檻。★ 機器學習專家 Sebastian Raschka 特別規劃了一整套的教練式教學，透過較小型的資料集，讓您能在一般電腦上跟著步驟實作，並逐步理解大型語言模型的架構與技術！- 本書涵蓋了建構 LLM 的完整過程，包括處理資料集、實作模型架構、注意力機制、使用無標籤的資料進行預訓練，以及針對特定任務的微調技術 (分類任務微調與指令微調)。- 書中每一步驟都有清楚的文字、圖解和程式範例，帶著你從零開始撰寫一個基礎模型，並將其進化為文本分類工具，最終創建一個能夠理解並回應對話指令的聊天機器人。★ 經驗豐富的開發者與初學者，都可以學習到如何一步步建構一個 GPT，掌握創建 LLM 所需的基本概念與實作技巧！- 如果是具備基礎機器學習知識、中階 Python 技能的讀者，作者提供了許多額外資源，包含完整程式碼範例 (GitHub 儲存庫)、參考文獻與延伸閱讀 (像是如何應用更大規模的模型參數)、優化訓練迴圈與進階的 LoRA 微調方法，讓您可以再進一步深入學習，持續往專家邁進！- 對於初學者來說，作者在附錄中有提供 PyTorch 基礎知識與安裝解說，而小編則在內文中適當添加註解，幫助讀者能更好地理解內容。另外，旗標更準備了 Colab 線上資源，讓您理論、實作都能暢通無阻。就算是程式語言小白，初入門也能無痛學習、打好 LLM 的基礎~一起提前起跑，搶佔 LLM 理論知識與 GPT 模型實作的先機，為自己投資一個無限的未來！本書特色: 「親手實現LLM，就能破解AI落地應用的層層關卡！」——溫怡玲｜人工智慧科技基金會 執行長▌專業推薦 ▌林筱玫｜台灣人工智慧協會 執行長 馬偉雲｜中央研究院 資訊科學研究所 副研究員郭興安｜永豐餘投控 資安長暨元信達資訊 總經理黃逸華｜美商WSP集團 臺灣區分公司 策略長蕭安助｜和碩聯合科技 人工智慧發展處 副總經理● 長年 4.5 顆星好評並翻譯成多國語言的暢銷書《Python Machine Learning》作者 Sebastian Raschka 又一最新力作 ● 本書於 Amazon 上獲 4.7 顆星好評

https://youtu.be/1n0pVNYezCg 【書籍簡介】 Apple Silicon 的統一記憶體，讓一台 Mac 就能執行過去要靠多張顯示卡才載得動的模型。 全書 25 章的操作、指令與畫面，都在 Mac 上實際執行過。 －128GB 統一記憶體全部可當 GPU 記憶體，單機載入 100B 級模型。 －Ghostty、Homebrew、uv 建好環境，Tailscale 與 macmon 遠端使用與監控。 －Ollama、Open WebUI、LM Studio、llama.cpp 四套推論工具實際操作一遍。 －四個方案同條件量測速度與記憶體，並與雲端 API 及 CUDA 主機對照。 －mlx-lm 直接使用 MLX 框架，從命令列、Python API 到相容伺服器。 －量化原理講清楚，實作 DWQ、AWQ、GPTQ 與 dynamic_quant。 －推測式解碼、量化 KV 快取與 prompt 快取，同一個模型輸出更快。 －mflux、Draw Things、ComfyUI 生圖，實測 FLUX.2、Z-Image 與 Wan 2.2。 －mlx-whisper 轉寫、Kokoro 與 Qwen3-TTS 合成、MusicGen 與 ACE-Step 作曲。 －mlx-vlm 與 FastVLM 看圖看影片，AnythingLLM 與 LightRAG 讀自己的文件。 －Claude Code、goose 接地端模型，sandbox-exec 與 Apple container 隔離。 －Foundation Models framework 呼叫系統模型，exo 與 MLX 分散式組叢集。 －mlx_lm.lora、mflux-train、mlx-lm-lora 微調，nanochat-mlx 從零預訓練。 適合手上已經有一台 Apple Silicon Mac，想把它當成地端 AI 主機使用的開發者與研究者。

線上市場，「消費者足跡」有學問！Google Analytics解讀網站數據帶您擬定策略和方法！*在網路流量的時代，我們需要一個最好的數據分析工具，以做出最有效的商業決策。*行銷演算法(MarTech)為各族群的消費者量身訂做適合他們的銷售手段。無論您是正要去市場裡求職的行銷人員，又或者是想發展網路市場的高階主管，甚至是還在求學的學生，學會使用GA無疑是個必經之路。在智慧型裝置普及的世代，線上市場成為時下最新的潮流。不論是販賣商品的廠商、提供服務的服務業，或是傳遞知識與資訊的部落客、網路紅人，掌握線上消費者的流量與數據、發揮網站的最大價值，都將是致勝的關鍵。Google Analytics 從2012年發展至今已橫跨超過十年，擁有廣泛的使用者，是功能強大且操作方便的分析工具。本書按步驟介紹，從如何將GA替我們收集到的網站數據提取出來、運用行銷演算法(MarTech)，到透過Python 程式語言自己撰寫預測演算模型，透過分析結果，輔助行銷策略的制定。

APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」。APCS考試類型包括：觀念題及實作題。觀念題是以單選題的方式進行測驗，考試重點在於程式設計概念、解決問題的運算思維或理解演算法的基礎觀念。在程式設計實作題可自行選擇以C、C++、Java、Python撰寫程式，本書的實作題程式是以C語言為主。本書會以C語言的語法架構為主，並根據APCS公告的觀念題及實作題，分別安排到各章的主題之中，主要目的就是希望讀者在學習完某一特定主題後，可以馬上測試相關的APCS觀念題，如此的安排更可以幫助各位讀者學以致用，清楚掌握考試的重點。本書結合運算思維與演算法的基本觀念，並以C語言來實作，為了降低讀者的學習障礙，本書範例都是完整的程式碼，以實作來引導觀念，全書程式都已在DEV C++的環境下正確編譯與執行。期許本書能幫助各位具備以C語言設計程式的基本能力，並完全具備應試APCS的程式設計實作能力。

https://youtu.be/wXkyKiU9eu0 「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」 ? 建立穩定的開發與資料處理基礎 從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。 ? 將 Python 程式轉化為可操作的動態 APP 比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。 ? 完成 Hugging Face Spaces 部署與除錯 掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。 ? 理解開源模型、微調與量化技術 認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。 ? 串接知識庫、通訊工具與跨平台工作流 實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。 專業推薦 (排名不分先後) 國立中山大學物理系─莊豐權特聘教授 欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦 綠先農業科技國際股份有限公司─張靜雯經理 伽碩職訓中心─郭明洽執行長 嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授 元大─陳尚瑋副理 數位行銷顧問─佘昀 永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜 永達保經─李雅雯經理