Python

樹莓派是一款基於 ARM 架構、Linux 系統的極簡計算機，既可以用於計算機編程教育，也可以作為機器人的控制核心。第一種運行於樹莓派上的編程語言是 Python，這是當前人工智能領域流行的編程語言之一。機器視覺是人工智能中重要的細分研究領域，OpenCV 則是當前機器視覺領域主流的開源處理庫，可以方便地用於計算機圖像處理，並應用於面部識別、目標識別等具體問題。本書介紹在樹莓派硬件上使用Python 語言，借助 OpenCV 庫編程，來實現具有機器視覺功能(識別和抓取特定顏色物體、識別人臉、識別特定人臉、進行面部跟蹤)的智能機器人。本書力求通過一系列不同層次的軟硬件任務，由淺入深地講解人工智能的概念，同時覆蓋 Linux系統操作、Python 編程、機器人系統搭建等多方面的綜合知識。在本書案例中使用的主要硬件載體是可在桌面上固定運轉的雙軸雲台和三軸機械臂等，它們可以代表一類智能機器人的形態。本書遵循開源、分享的創客精神，所有的硬件材料和軟件內容均可以從公共平臺獲取，讀者在充分理解的基礎上，不必局限於本書所列硬件，可自行獲取類似設備完成項目。本書可以作為中小學STEAM人工智能教育的一本基礎讀物，也可以作為中高職院校相關專業學生的參考書。

網路書店年度百大電腦資訊暢銷書 《Python自學聖經》系列力作 運用Python掌握資料科學的價值 讓人工智慧機器學習找出趨勢的關鍵密碼 完整涵蓋Python資料科學技術，從開發工具、資料預處理、 機器學習、深度學習到模型訓練進化一應俱全！ 給需要本書的人： ★想進入Python資料科學領域，又不知怎麼切入的人 ★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人 ★想快速且有系統收集大量資料，並提高處理運用效率的人 ★想利用大量資料進行分析，找出隱藏訊息與趨勢以協助決策的人 ★想運用資料數據訓練人工智慧模型，開發適用的演算法進行預測與解決問題的人 隨著AI人工智慧帶來的科技革命，資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊，判斷決策，甚至能預測趨勢、掌握契機，是資料科學為現代社會帶來的新視野。 資料科學橫跨多個領域，涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域，歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念，還有技術應用與發展方向，讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓，讓你一探資料科學迷人的樣貌。 【書籍特色】 ■深入淺出，只要具備基礎Python程式語言能力即可輕鬆上手。 ■標示出重要觀念，在學習的過程中不會錯失關鍵內容。 ■應用範例導向，每個觀念皆附實用案例，不怕學不會。 ■不使用艱澀數學推導資料科學原理，而以淺顯易懂的文字解說學理。 ■實作圖片增量及遷移學習，即使少量資料也可訓練出實用模型。 ■實作機器學習與深度學習模型參數調校，輕鬆建立完美模型。 【重要關鍵】 ■應用工具：雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。 ■資料預處理：資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量，以及資料標準化、資料轉換與特徵選擇。 ■機器學習：學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向

使用「經濟版Copilot」輔助學習Python程式設計 VS Code + GitHub Copilot 建立你的程式閱讀力 × 提示工程力 × 架構思維 ● 不背語法，也能看懂Python程式碼 ● 9大AI提示詞，系統化訓練「程式閱讀力」 ● Copilot寫程式，你負責評估糾錯與決策 ● 從AI輔助學習到AI專案開發完整進階 ● 可與ChatGPT、Claude、Gemini搭配使用 不從背語法開始，而是先建立AI時代最重要的能力──程式閱讀力 隨著生成式AI能快速產生程式碼，「會寫程式」的定義正在轉變。在AI時代，真正的關鍵能力不再只是輸入指令，而是看懂、判斷、修正，並與AI協作完成程式設計與專案開發。 本書不是教你按快捷鍵、接受AI建議，而是從根本培養在AI時代不可或缺的核心能力——程式閱讀力。書中以新開發出的「窮人版Copilot」為核心，透過所設計出的9大AI提示詞，將「看懂程式」這件事有效轉化成結構化和系統化的程式學習方法論。 書中提供超過1000個程式範例，這些程式範例不是單純示範語法，而是學習者修煉程式閱讀力的最佳素材。每段程式碼都是一套可反覆拆解、理解與思考的「心法」，幫助你逐步建立看懂程式、評估程式與重構程式的能力。 全書依照程式學習的自然進程，分為三個修煉階段：從AI輔助學習Python，到駕馭GitHub Copilot撰寫程式，再進階到AI協作的專案開發與架構思維。所學到的不只是工具操作，更是在對的時機使用AI、評估AI的回應，以及真正掌握AI時代的程式設計能力。 你將學會 ● 使用「窮人版 Copilot」的9大提示詞看懂Python程式 ● 判斷AI產生的程式碼是否正確、可讀、可維護 ● 與GitHub Copilot協作撰寫、審查與重構程式 ● 將AI整合進版本控制、虛擬環境與專案流程 ● 建立AI時代必備的程式素養與架構思維 適合讀者 ● 想在AI時代學會程式設計的初學者 ● 已有基礎，但想突破「能寫卻寫不好」瓶頸的學習者 ● 希望導入AI輔助教學的程式設計教師與講師 本書特色 ● AI 輔助學習 × AI 輔助開發的完整整合 ● 幾乎免費的學習工具，人人都能上手 ● 超過 1000 個可反覆修煉的程式範例，建立真正的程式閱讀力

Python暢銷經典主題強化再升級 運用世界級熱門開發平台 迅速掌握資料處理要領，深入全方位專案主題 立即體驗Python的大數據超強實戰力 面對大數據資料 如何爬取？如何整理？如何儲存？ 如何分析？如何呈現？最後要如何應用？ 就從熱門案例切入，快速搜集梳理巨量資訊！ 熱門搜尋關鍵字、股票的交易資訊、政府的公開資料、社群網站上傳的圖片與影音，以及實體通路或網路商店的銷售數據…等，都讓資料量快速爆增。大數據時代來臨，不僅科技業重視，就連傳統的零售業、金融業、製造業、旅遊業，以及政府都爭相投入，無不希望能運用數據分析與預測來協助決策方向，掌握數據就能找出趨勢的出路與提高判斷的精準度，也讓新興的數據分析師、資料分析師、資料科學家成為熱門職業。 Python無疑是大數據與AI時代第一程式語言，在數據資料處理的領域中有著非常重要的地位。本書由生活出發，以專題實戰，只要能掌握數據資料爬取清洗、儲存整理、統計分析、視覺化呈現，以及跨領域應用的關鍵技術，就能掌控大數據的應用。 ■完整學習Python資料處理的4大觀念與技術：爬取清理、讀取儲存、統計分析、呈現與應用。 ■快速熟悉Python熱門開發平台Google Colab，建立資料科學的基本觀念，學會Python語法函數模組的應用，並透過資料分析實作演練，培養數據分析開發領域所需的技能。 ■全面深入不同應用面向，如：網路爬蟲、資料正規化、資料視覺化、資料儲存與讀取(CSV、Excel、Google試算表、多媒體檔案擷取…)、批次檔案下載、公開資料應用、API建立… ■以最多元的熱門實例進行大數據專案實作，如：LINE貼圖收集、線上相簿批次下載、YouTube影片、音檔及播放清單下載，股票市場個股分析統計圖、股價資訊即時推播、網路新書排行榜、人力銀行求職資訊分析、超商門市資訊收集、即時網路聲量輿情觀察、網路線上字典，以及Web API開發… ■範例程式另提供Python筆記神器：Jupyter Notebook格式檔案，讓學習與操作更便利。 ■針對專案實戰提供影音輔助教學，加速學習效率。 【書附超值學習資源】320分鐘專案實戰影音教學/範例程式檔/「打造自己的疫情指揮中心：新冠肺炎數據分析實戰」教學影片

用AI幫助學習運算思維，暢銷回饋熱賣中！ 【本書特色】 ✦ 依演算邏輯規劃章節架構，增加訓練的強度 ✦ 運用Python實作，訓練運算思維與演算邏輯 ✦ 結合ChatGPT輔助應用，加速程式設計 ✦ 採豐富圖例講解，精確提高演算法的理解程度 ✦ 提供完整範例程式碼，增強學習成效 運算思維是用來培養系統化邏輯概念的基礎，進而學習在面對問題時能有系統的分析與拆解問題的能力。為了讓讀者能更容易地來理解運算思維與演算邏輯，本書採用豐富圖例來闡述觀念，並使用簡潔、易懂、易學的Python語言來實作程式，重要指引包括：程式設計與運算思維之間的關係，必懂的資料結構，如陣列、矩陣、串列、堆疊、佇列、樹狀結構、圖形及雜湊表等，並說明分治法、貪心法、動態規劃法、樹狀演算法、堆疊與佇列…等演算邏輯。 另外，新增了「ChatGPT與Python程式設計」的內容，藉由熱門的ChatGPT聊天機器人，學習如何利用它來協助寫文章、擬信件、驗證程式…等，並運用ChatGPT開發小型遊戲程式，精彩AI範例如下： ✚ 使用Pygame遊戲套件繪製多媒體圖案 ✚ 以內建模組及模擬大樂透的開獎程式 ✚ 建立四個主功能表的視窗應用程式 ✚ 迷宮問題的解決方案 ✚ 海龜繪圖法繪製圖形 ✚ 猜數字遊戲 ✚ OX井字遊戲 ✚ 猜拳遊戲 ✚ 比牌面大小遊戲 賣點 用AI幫助學習運算思維！ 為了讓讀者能更容易理解運算思維與演算邏輯，本書採用豐富圖例來闡述觀念，並使用簡潔、易懂、易學的Python語言來實作程式，重要指引包括：必懂的資料結構，如陣列、矩陣、串列、等，並說明分治法、貪心法、動態規劃法…等演算邏輯。另外，本書新增了「ChatGPT與Python程式設計」的內容，以及開發小型遊戲程式。

內容介紹: 【題材涵蓋最全面！一本書掌握資料科學 / 數據工程必學 know-how！】從大數據到人工智慧世代，其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上，資料科學需要的背景知識與技能相當的多，通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用；再加上機器學習的基礎就是機率和統計，因此也免不了得學機率和統計知識，可說有一拖拉庫的主題等著你去學，也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷，一時間實在讓人難以消化...為了降低讀者初學資料科學面對的負擔以及混亂感，我們精心設計了這本入門實戰教本，秉持讓讀者「買一本抵多本」的精神，本書一次涵蓋所有入門必須熟悉的重要題材，同時也將初學資料科學的脈絡梳理清楚。在章節的安排上，本書從資料取得的網路爬蟲開始，提供一個標準 SOP 來幫助讀者從網路取得資料；接著說明資料科學必學的 Python 重量級套件，再接著介紹機率、統計和探索式資料分析的基礎知識，最後進入最熱門的機器學習、深度學習建模主題。這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練，跟著本書掌握這些重要 know-how 後，就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材，甚至參與資料科學、機器學習的網路競賽；希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路！本書特色:□ 資料科學三部曲：取得資料 → 探索資料 → 預測分析□ 一次補足最入門的統計和機率基礎□ Python 開發環境與基礎語法快速上手□ 從網頁爬蟲、資料清理到資料視覺化，快速完成資料探索的預處理程序□ 將清理後的資料存入 SQL 資料庫，便於日後存取利用□ 實踐資料科學的四大套件：NumPy、Pandas、Matplotlib、Seaborn 一次掌握□ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用

辦公室作業自動化Word、Excel、PowerPoint、PDF、CSV、Pandas多執行緒、排程、藝術二維碼、短網址、電子郵件、爬蟲【本書內容】★☆★☆★【技術最強、功能最廣】★☆★☆★★☆★☆★【國內第1本 - 藝術二維碼、短網址】★☆★☆★★☆★☆★【AI助力效率飛躍】★☆★☆★★☆★☆★【多執行緒設計效能提升】★☆★☆★◆正則表達式CIA情報員搶救任務電子郵件地址自動擷取文件格式化自動化◆多執行緒進階平行運算客戶服務系統效能提升即時數據同步技術企業自動化報表生成◆自動化檔案管理自動化備份流程批次檔案修改過期文件自動清理◆提升效率的利器 – 短網址短網址生成器短網址解析技巧◆藝術二維碼QRCode到電子名片背景圖像QRCode◆告別重複工作 – 自動化排程schedule模組應用APScheduler模組 - 背景任務管理◆Python高效處理Word自動化行銷文案生成擷取圖表、表格數據Word與PDF格式互轉◆PDF魔法擷取PDF中的圖片、文字與表格PDF文件加密與解密PDF浮水印自動生成◆Python操作Excel吸睛報表完美呈現數據圖表說故事樞紐分析表的強大應用Excel與CSV轉換Excel轉PDF◆Python操作PowerPoint程式自動生成簡報批次簡報製作 - 效能再升級會議簡報自動化流程PowerPoint轉PDF◆傳送與接收電子郵件自動發送會員信件通知會員繳費提醒找出含特定內容的郵件◆網路爬蟲技術多執行緒爬蟲下載圖片自動抓取網頁數據並轉成表格JSON數據下載轉CSV或Excel網頁表格轉CSV或Excel◆Openai API助攻客服設計線上客服設計ChatGPT x Excel建立客服知識庫

轟動程式圈3大AI影像辨識利器從收集資料、圖片擷取、建立標籤、訓練模型到智慧影像辨識的全面進化實戰！人工智慧(Artificial Intelligence)應用基本上可分五大層面：時間序列、圖像處理、音訊處理、自然語言處理以及動態影像處理，其中與「智慧影像」相關者就佔了兩大領域。智慧影像是透過電腦視覺技術，從中學習人類的視覺辨識能力，並自動判讀影像中的關鍵資訊，目前被大量使用在圖像辨

文字探勘，離我們一點都不遙遠。小至今天吃什麼，大至國際動態趨勢，想知道風往哪吹熱度怎麼蹭，就是派它上場的時刻！✦每位渴望突破的程式設計新手都應該閱讀的一本書✦隨書附贈光碟：內含範例程式資料檔、習題解答程式檔。從做中學，效果加倍！翻開程式工具書就頭昏眼花的症頭✔口語化的親切教學，不怕你嫌生硬只怕你嫌囉嗦埋頭學習卻經常找不到方向的迷航學子✔範例導引式編排，附習題，示範編碼、驗收成果。不甘於紙上談兵的實

《線性代數不難[上冊]:幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》是“鳶尾花數學不難”叢書中的一本，是關於線性代數的。 線性代數是現代科學和工程的數學語言。線性代數不僅是從單變量微積分過渡到多變量微積分的橋樑，更是從一元概率統計走向多元統計分析的核心工具。在機器學習、計算機視覺、自然語言處理、機器人控制、圖像處理、量化金融、數據分析等前沿領域，線性代數幾乎無處不在。 依照慣例，《線性代數不難[上冊]:幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》提供代碼和視頻教學，還提供了使用AI工具陪讀的學習思路。 《線性代數不難》分上下兩冊。上冊（《線性代數不難[上冊]:幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》）內容包括向量、矩陣、矩陣乘法、行列式、逆矩陣、向量空間、線性方程組等相對比較基礎的話題；下冊則會涉及高階線性代數、矩陣論、數據分析與機器學習話題，比如線性變換、特徵值分解、奇異值分解、主成分分析、最小二乘擬合、瑞利商、矩陣範數、判別分析等。 《線性代數不難[上冊]:幾何直覺構建+ Manim動畫開悟+ Python應用實踐+ AI助學賦能》讀者分兩大部分：第一部分是信息學競賽參賽者、大學本科學生、考研學生等應試讀者；第二部分是機器學習從業者、數據分析師、編程愛好者、計算機圖形學研究者等從業或待從業讀者。

只要看看資料，就能預測未來？時間序列分析，讓數據告訴你答案。銷售額為什麼忽高忽低？廣告真的有效，還是只是運氣好？預算該怎麼分配，才能帶來最大的成效？這些問題，其實都藏在「隨時間變化的資料」之中★東大專家親授！第一本專為「商務實戰」打造的時序分析漫畫教程。★拒絕死背公式！從 ARIMA 模型到 mROI 評估，看漫畫就能學會預測未來的技術。從基礎觀念到 ARIMA、預測建模一次學會銷售分析、廣告成效評估與預算最佳化Python 實作 × 商務情境 × 圖像化解說「數據真的能預測未來嗎？」家電大廠資料分析師帶你從零開始，把冰冷數據變成獲利決策！銷售額增減、庫存變動、廣告成效……我們的身邊充滿了「隨時間變化」的資料，但你懂得如何利用它們嗎？ 時間序列分析，常被認為是困難又抽象的統計領域，但其實，它正是解決現代商務問題的關鍵工具本書透過有趣的家電大廠漫畫故事，帶領讀者深入淺出地掌握「時間序列分析」，從最基礎的圖表化觀察，到進階的 ARIMA 模型建立，甚至連業界最關心的「廣告延續效應」與「預算分配最佳化」都一次講清楚！【本書特色】•掌握趨勢： 拆解數據中的季節性與趨勢，不再被短期波動誤導。•精準預測： 運用過往資料建模，科學化預測未來銷售走向。•廣告優化： 分析不同媒介的廣告貢獻度，找出最佳投放時機與預算比例。•完整實務流程：從資料觀察 → 建模 → 驗證 → 預測 → 最佳化，讓理論直接轉化為工作生產力。•視覺化圖解： 複雜的迴歸與建模過程轉化為圖表，用圖表與插圖理解趨勢、季節性與模型概念，一眼掌握性質與重點。•商務導向： 內容涵蓋廣告成效驗證、因果推論與預算最佳化，聚焦銷售，極具商務價值。•學習檢測： 每一章結尾設有重點延伸說明，且附完整 Notebook 與資料檔，可直接動手實作，引導你從初學者走向中級。•名師加持： 專家級作者親力親為，細緻講解如何深入挖掘數據價值。數據分析真的能改善現況嗎？這是一本為「想解決問題的人」寫的書！很多人看到「時間序列分析」就聯想到複雜的微積分與統計術語，因而望而卻步。《圖解時間序列分析》是一本專為不擅長數學、卻想把資料分析用在實務中的讀者所寫的入門到應用書籍。透過漫畫故事與大量圖解，帶你一步步理解時間序列分析的核心概念，並實際應用在銷售分析、廣告成效評估、未來預測與廣告預算最佳化等真實商務場景本書透過圖解＋漫畫＋Python 實作的方式

本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的數學基礎，為人工智慧領域做好準備。AI時代來臨，你的數學準備好了嗎？打好基礎，推開智慧之門邁向未來，就從這本書開始！初學者友善的入門指南本書專為資料科學與人工智慧（AI）相關領域的學生與初學者量身打造，旨在幫助讀者建立學習AI所需的基礎數學概念。不同於傳統艱澀的數學教材，本書以通俗易懂、由淺入深的方式進行講解，讓即便是數學基礎薄弱的讀者，也能輕鬆理解並掌握內容。透過清晰的結構與大量實例說明，本書化繁為簡，降低學習門檻，是通往AI世界的重要敲門磚。理論與實踐兼備，學以致用本書的內容設計強調理論與實務並重，既有嚴謹的數學推導，也有豐富的應用實例。除了傳統的計算練習，還融合Python程式語言進行實作，讓讀者能夠同步訓練邏輯思維與程式技能。透過實際編程演練，不僅有助於加深對數學原理的理解，也提升將理論應用於資料分析與AI開發的實務能力。這樣的設計不僅符合現代科技教育的需求，也貼近業界實際工作情境。教材與自學兼用，應用範圍廣泛本書不僅可作為大專院校資料科學與人工智慧相關課程的教材，也非常適合自學者與職場從業人員作為參考書使用。內容涵蓋機率與統計、線性代數、微積分、最佳化等AI核心數學領域，系統性地建立完整知識架構。無論是準備進一步修習機器學習、深度學習等進階課程，或是需要在實務工作中應用資料分析與模型建構能力，本書都是不可或缺的重要資源。奠定未來AI學習的基礎人工智慧的發展日新月異，對數學的依賴與日俱增。唯有具備紮實的數學基礎，才能真正理解演算法的原理與模型背後的邏輯，進而靈活應用於各種情境中。本書不僅是一部數學入門書，更是一座銜接AI世界的橋樑。透過理論與實務交織的學習旅程，幫助讀者在AI領域立足，迎接更廣闊的未來發展機會。本書特色：本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的

沒時間盯盤、不會選股、不敢停損停利⋯⋯讓投資新手或資深股民都相當困擾，其實，只要學會程式交易，機器人幫你自動化投資，這些問題就能一勞永逸，連文科人也可以輕鬆上手！★第一次用Python投資理財就上手★5大策略╳3大數據整理套件╳2大爬蟲基礎╳基礎語法╳選股模型╳LINE即時通知★超過5,000名學員實證，可以簡單學習、好用的自動化投資法如果你有這些問題，必讀本書：．想要投資卻不知道怎麼開始．沒有程式基礎，也不知道怎麼入門用Python投資理財．資訊爆炸的時代，不知道哪些才是有用的數據．到底要怎麼快速取得股市的報價．總是沒有時間看即時的股市資訊，導致錯失進出場良機◎AI取代人工投資，程式交易已成為時代主流隨著科技與網路的進步，AI逐漸取代人力，處理重複且瑣碎的工作，也可以應用在投資理財的領域，無論是基金、股市、期貨、加密貨幣，都可以看到AI的應用，就連美國高盛集團也只剩三名人工交易員，幾乎所有交易流程皆透過電腦程式自動化，國內外金融機構導入金融科技（FinTech）推出相關服務，大專院校紛紛開設相關課程，「程式交易」明顯已經成為時代的主流。◎程式交易，讓你更輕鬆賺錢、賺自由程式交易可以把原本由「人」操作的投資，全部交由電腦程式自動執行，不僅能隨時追蹤股市行情，讓你不錯過買賣時機，減輕盯盤壓力，更能用最嚴謹、最即時的數據，優化你的投資策略，戰勝不敢停損的心魔，輕鬆獲利的同時，更獲得自由！◎程式交易的入門首選──Python目前有各種可以應用在投資的交易程式，包括：Python、Multicharts、TradingView、MT4……而Python是一種廣泛使用的程式語言，適用於各作業系統，函式庫也非常豐富，就連沒學過程式的小學生、文科生，都能輕鬆上手。◎第一次用Python投資理財就上手致力於提供程式交易教學的量化通，團隊累積數十年的投資經驗，管理資產規模達上億元，多次受邀至各大專院校與知名企業擔任講師，擅長用深入淺出的方式帶領投資新手輕鬆學會程式交易，因此，透過本書，你將從零開始學到──．5大策略：趨勢策略、動能策略、反轉逆勢策略、通道策略、籌碼策略．零基礎學Python：從安裝到建置開發環境、基本語法、資料整理．3大數據整理套件：datetime、csv、pandas．2大爬蟲基礎：get、post．選股模型：建立選股架構，實踐個人的選股策略．LINE即時通知：設

本書以Python軟件為基礎,結合編者多年的數學實驗課程教學實踐進行編寫，內容涉及高等數學、工程數學中的相關數學實驗、數學規劃、插值與擬合、微分方程、差分方程、評價預測、圖論模型、多元分析、MonteCarlo模擬、智能算法、時間序列分析、支持向量機、圖像處理等內容，既有對算法數學原理的詳述，又有案例和配套的Python程序。

本書以豐富的實戰案例、系統講解了Matplotlib這一強大工具的相關模塊及應用場景。內容涵蓋從基本圖表繪製到複雜的專業圖繪製與動畫製作、全面滿足讀者在數據分析中常見的圖表需求、從而幫助讀者逐步提升圖表繪製技能、創造具有視覺衝擊力的效果。全書首先介紹Matplotlib的安裝、基礎圖表的創建、以及常用模塊的使用方法、幫助讀者快速入門；隨後、深入剖析了常見統計圖形的繪製技巧、如柱狀圖、散點圖、箱線圖等、並詳細講解了坐標軸的設置與調整。書中涵蓋多圖繪製、色彩搭配、文本樣式設置、注釋添加、專業圖繪製等進階內容、助力讀者精細化調整圖表、從而提升圖表的表達效果。本書還展示了Matplotlib與其他數據處理和可視化庫(如Seaborn、Plotly)的結合應用、將圖像處理和動畫效果完美結合。同時、隨書還附贈了案例代碼、教學視頻(掃碼觀看)、相關電子書以及授課用PPT等海量學習資源、以幫助讀者全面提升數據可視化能力。本書適合從事數據分析、機器學習、系統優化等崗位的科研人員、對Python數據可視化感興趣的讀者、以及大中專院校理工科在校師生。

本書響應國家人工智能發展戰略，以職業能力培養為主線，注重計算思維與人工智能應用交叉融合，圍繞人工智能技術基礎理論、編程能力和綜合應用內容整體設計“文化篇、工具篇、應用篇”3個大模塊，每一章設置的“知能達標、素養提升、視野拓展”3個中模塊以及根據知識梯度切分的多個微模塊，助力打造人工智能通識課程體系，滿足不同專業多樣化學習需求，推動形成“人工智能+X”複合專業培養新模式。本書基於BOPPPS教學方法重構教學環節，主要分為“導入—職業能力目標—知能達標—素養提升—視野拓展—學習評價—職業能力測評”7個環節，創新引入大模型技術輔助學習及應用能力提升，強化綠色低碳、科技向善等主流價值觀，培養兼具人工智能計算思維與社會責任感的跨學科複合型人才。本書可作為高等職業院校人工智能技術應用專業課程教學用書，還可作為高等職業院校其他專業人工智能通識教育用書以及社會人員的培訓用書。本書配套電子課件、源代碼、微視頻、職業能力測評習題、數字課程(AI在線問答助手)等立體化教學資源，其中，部分資源直接通過二維碼掃碼方式獲取，其他資源可以通過配套的數字課程網站獲取。選用本書作為教材的教師可以從機械工業出版社教育服務網(www.cmpedu.com)免費註冊下載，或聯繫編輯(010-88379543)獲取。

本書堅持理論教學環節與實驗實踐教學環節並重的教育理念,不僅詳細探討了機器學習和深度學習原理,即"模型、學習準則和優化算法",而且對每一個模型均輔以Python"自編碼算法設計,詳細再現了從原理分析到算法設計與應用的過程和思想,使理論分析、優化計算與算法設計三者交互映襯,便於讀者學習掌握.本書共包含16章,既涵蓋了經典的機器學習模型,如線性模型、k近鄰、支持向量機、決策樹、貝葉斯模型、集成學習、聚類等,又涵蓋了深度學習領域新興優秀的學習模型,如卷積神經網絡、循環神經網絡、自然語言處理和生成式深度學習等.本書適用于數學與應用數學、信息與計算科學、統計學、計算機科學與技術等理工科專業的高年級本科生,作為機器學習、神經網絡或深度學習的理論教材或實驗實踐配套教材(加*的內容可供學生自主學習),特別適合人工智能領域或相關研究領域的研究生參考學習,或對人工智能感興趣的工程技術人員參考閱讀.

彙整報表、分析資料、製作圖表……Excel是各行各業必備的工具，重複開啟資料、剪貼，耗時又耗能，學會Python，讓多份Excel資料交叉分析，一鍵自動化！★ 日本熱銷33,000冊★ 程式菜鳥也能迅速上手，表格自動化就交給Python，大大提升工作效率★ 行政人員、文書處理必學的工作書，讓你事半功倍如果你處理數據資料和報表的方式如下，必讀本書：．一個一個開啟報表，選取資料匯入總表，不斷重複相同動

只有一兩筆資料，手動處理還算簡單，但如果有成千上萬筆時，用土法煉鋼的方法不僅費力又耗時，還可能眼花手亂，造成失誤……其實，學會Python，就能得心應手處理各種繁瑣資料！★ 繼《【圖解】零基礎入門Excel╳Python高效工作術》好評，續推重磅新作★ 從基礎安裝、常見情境到實際案例操作，輕鬆學會程式設計，解決專屬問題★ 本書附有範例程式碼和程式檔，讓你免費下載，加速學以致用◎ 用途廣，又能靈活操作，文科人也學得會《【圖解】零基礎入門Excel╳Python高效工作術》上市後，廣受好評，就連文科人都能按圖索驥，拆解步驟，跟著圖文說明，學會用Python處理Excel，匯入大量資料、交叉分析、繪製圖表、轉成PDF，不過，Python用途廣泛，不僅能跨系統，還有不少功能值得學習，讓工作效率翻倍。◎ 一步步學會寫程式，解決自己遇到的特定問題因此，日本資深程式設計師金宏和實推出第二本書，希望讀者能夠自行寫程式，解決各種實際會遇到的問題，他以對話和圖解的形式，讓你從中發現自己也有類似的情境，更有學習的動力，活用Python處理Excel──．輕鬆學會安裝外部函式庫「OpenPyXL」和常見語法．只要短短幾行程式碼，就能執行合併列印．寫程式時，多少會遇到「錯誤問題」，如何有效偵錯和除錯？．從不同檔案，指定篩選工作表，快速擷取數據或日期．將篩選後的資料重新排序，以便彙整、加總……．如何快速製作QR碼，自動載入Excel工作表？本書從基礎入門到活用精通，教你用Python寫程式，有效率處理Excel資料，還附有免費的範例程式碼和程式檔，讓你邊學邊操作，加強學習成果與深度，處理各種資料更得心應手，展現職場競爭力！

幫助你解決各類實務問題的演算法寶典 ★ 超過 60 個演算法的介紹與應用 ★ 生成式模型、進階序列模型、大型語言模型 ★ 片單推薦、電商平台商品推薦、餐廳評分系統、詐騙偵測 ★ AI 數位時代工程師必備寶典 《每個程式設計師都應該要知道的 60 個演算法》是資料科學家必備的兵工廠。如果你正在探索資料科學或是希望提升你的技能，這本書是幫助你打下穩固基礎的絕佳起點。 Somaieh Nikpoor博士 | 加拿大政府資料科學與 AI 部門主管，Carleton 大學 Sprott 商學院兼任教授 ＿＿＿＿＿ 使用演算法解決現實世界問題的能力，是每一位開發人員或程式設計師必備的技能。本書不僅能幫助你培養選擇和使用演算法來解決真實世界問題的技能，也會讓你了解這些演算法的工作原理，第二版內容加入了最新的生成式模型與序列模型介紹與應用，讓你能夠輕鬆理解與應對不斷變化的 AI 應用。 你將從演算法簡介開始，進一步學習各種演算法的設計技巧，然後透過實際範例的引導，探索如何實作不同類型的演算法。隨著進度推進，你將學習到線性規劃、頁面排名、圖形演算法，然後運用機器學習演算法來理解它們背後的數學和邏輯。 部分案例研究將會展示如何以最佳方式應用這些演算法，接著，你將聚焦在深度學習演算法，並學習各種不同類型的深度學習模型及其實際的應用方式。 你也會學到關於現代序列模型和它們的變體、演算法、方法論以及架構，用來實作像是 ChatGPT 這類大型語言模型（LLM）。 最後，你將能夠精通平行處理技術的技巧，讓你具備在計算密集型任務中高效運用這些演算法的能力。 讀完這本程式設計書，你將可以熟練地使用各種演算法，解決現實世界中的各種計算問題。 ▍你將會學到以下內容： ⋄ 設計演算法以解決複雜問題 ⋄ 熟悉類神經網路和深度學習技術 ⋄ 探索 Python 程式庫中現有的資料結構和演算法 ⋄ 使用網路分析實作圖形演算法進行詐欺偵測 ⋄ 透過實際範例，深入研究自然語言處理的最先進演算法 ⋄ 建立一個可以向訂閱者推薦電影的推薦引擎 ⋄ 掌握序列機器學習模型的概念及其在開發尖端大型語言模型中扮演的基礎角色 本書藉由各種實務案例研究深入研究LLM的細微差異，同時了解關於序列網路、LSTM、GRU、加密技術等內容，展現演算法的實際應用，並給出如何實作這些應用的程式碼範例，助

本書特色1. 由淺入深，循序漸進從基礎Python語言開始講解，適合初學者入門。完整說明Python程式設計的基本能力，包括變數、資料型態、控制流程、函式、物件導向等。2. 圖文並茂，易學易懂使用大量圖例和流程圖來詳細說明程式設計的觀念和語法，讓讀者更容易理解。3. 結合ChatGPT，提升學習效率介紹ChatGPT生成式AI，並提供了各種程式設計實例，幫助讀者更有效地學習Python。4. 完整涵蓋Pandas資料分析詳細說明Pandas套件的Python資料分析，包括資料匯入、匯出、篩選、編輯、彙整、清理、排序、合併、運算、群組分析、樞紐分析表、資料視覺化等。5. 實戰導向，學以致用本書提供大量實作範例，幫助讀者將所學知識應用於實際情況中。 內容簡介本書是一本學習Python程式設計和資料分析的入門教材，適合初學者輕鬆上手。以Excel使用者的角度，詳細說明Pandas套件的Python資料分析，並透過ChatGPT生成式AI的幫助，讓讀者能夠更快、更輕鬆地學習Python程式設計和資料分析。首先，本書從介紹Python程式語言的基礎開始，徹底解說讀者需要具備的程式設計能力，並介紹OpenAI推出的ChatGPT生成式AI，探討其在程式設計中的應用，以及如何利用ChatGPT來協助學習Python程式設計等相關技術。其次，本書重點闡述Pandas套件在Python資料分析中的應用。從建立Series和DataFrame物件開始，逐步介紹了如何匯入和匯出不同格式的資料，以及如何進行資料篩選、操作和彙整。特別是在第14章至第16章中，通過具體的範例，讀者將學會如何進行資料清理、排序、合併，以及執行各種資料運算和視覺化。本書的獨特之處在於將ChatGPT生成式AI融入到學習過程中，通過ChatGPT的幫助，讀者不僅可以寫出Python程式碼，還能夠自動產生商業模擬數據的學習範例，使得學習過程更加生動有趣，並且實際應用到商業資料分析中。最後，本書使用豐富的圖例和流程圖詳細解說程式設計的觀念和語法，並利用fChart流程圖直譯器呈現動畫流程圖，幫助讀者更好地理解程式邏輯，從而提升解決問題的能力和思維邏輯。《看圖學Python：資料分析與資料視覺化》不僅適用於計算機概論、程式設計和Python資料分析課程的教學，也是自學Python和資料分析的理想選擇。無論是對於

★☆★國內第一本介紹Rust實戰的專書★☆★【本書特點】☆Rust重要觀念介紹：泛型(Generics)、特徵(Trait)、巨集(Macro)、閉包(Closure)、並行處理(Concurrency)、所有權(Ownership)。☆Rust實戰：機器學習、WebAssembly、區塊鏈(Blockchain)、跨語言整合(FFI)，包括Python、C、JS…等。☆常見應用實作：資料庫存取、網站開發、桌面程式、檔案系統存取…等。【本書目標對象】1. 熟悉C語言的學生或工程師：可學習到最新的程式語言設計理念，改寫或升級舊系統(Legacy system)。2. 熟悉Python語言的學生或工程師：可學習到如何開發安全與高效能的應用系統。3. 同時熟悉C與Python語言的學生或工程師：可學習到如何整合Python與Rust，提升系統開發的生產力。4. 機器學習工程師：可學習如何利用Rust建立高效系統，以提升模型訓練(Training)與推論(Inference)的速度。

本書共11章, 詳細介紹在Python環境下學習scikit-learn機器學習框架的相關知識, 涵蓋的主要內容有機器學習應用開發的典型步驟、Python機器學習軟件包、機器學習理論基礎、k-近鄰算法、線性回歸算法、邏輯回歸算法、決策樹算法、支持向量機算法、樸素貝葉斯算法、PCA算法和k-均值算法等。

★☆★ 最佳視窗開發軟體PyQt ★☆★↗ 開發Windows端應用程式最佳幫手，輕量小巧又快速 ↗不論哪個行業，在PC上實現業務邏輯的介面雖然首選是瀏覽器，但專屬於視窗的控制元件提供了更方便的操作感受。Python無疑是快速開發的最佳選擇，入門簡單入手快速入行實用，而對應到Python的視窗介面當然首選就是PyQt了。雖然你有很多GUI的選擇，如Tkinter、Flexx、wxPython、Kivy、PySide、PyGTK等，但在普及性及實用性上，沒有一個比得上PyQt。本書是最適合想快速上手，具有一定程式設計功力的使用者閱讀。你只要懂得大部分程式語言的邏輯，再加上一點點Python的基礎，就可以輕鬆開發出跨平台的視窗應用程式，不管是在Windows、MacOS、Linux上都沒問題。全書還有一個完整的專案實例，把整個PyQt的所有控制元件融會貫通，不管是開發學校專案、畢業專題，甚至是公司的專業開發產品，都難不倒你。◎ 本書特色(1) 主流技術全面講解本書涵蓋PyQt常用控制項、PyQt佈局管理、PyQt高級控制項、PyQt繪圖技術、多執行緒程式設計以及PyQt程式的打包發佈等技術。(2) 由淺入深，循序漸進本書引領讀者按照基礎知識→核心技術→進階應用→專案實戰，循序漸進地學習。以初、中級程式設計師為對象，採用圖文結合、循序漸進的編排方式，從PyQt開發環境的架設到PyQt的核心技術應用，最後透過一個完整的實戰項目，對使用PyQt進行Python GUI 開發進行了詳細講解，幫助讀者快速掌握PyQt開發技術，全面提升開發經驗。(3) 85個應用實例+1個專案實戰多達85個應用實例，加上打造1個完整學生資訊管理系統的專案實戰，充分練習，上場不再害怕。(4) 精彩欄目，貼心提醒本書設置了很多「注意」、「說明」、「技巧」等小欄目，有利於讀者在學習過程中更輕鬆地理解相關知識及概念，並輕鬆地掌握個別技術的應用技巧。◎ 本書核心技術● PyQt入門● Python的下載與安裝● 搭建PyQt開發環境● Python語言基礎● Python中的序列● Python物件導向基礎● 建立第一個PyQt程式● PyQt視窗設計基礎● PyQt常用控制項的使用● PyQt佈局管理● PyQt高級控制項的使用● 使用Python操作資料庫● 表格控制項的使用● 檔案及資料夾操作● Py

● 認識 PyQt 和 Qt Designer ● 了解 PyQt5 和 PyQt6 的差異 ● 程式碼均包含 PyQt5 和 PyQt6 版本 ● 程式碼均有一般寫法和 class 寫法 ● 介面與視窗元件 ● 介面佈局方法 ● 行為與事件 ● 樣式、影像和繪圖 ● 十個精選實用範例 Qt 本身是 C++ 的函式庫，而 PyQt 則是 Qt 的分支，是 Python 用來設計使用者介面 ( GUI ) 的函式庫，主要使用 Python 搭配 Qt 進行介面的設計開發，除了能完整利用 Python 語法，也保留了 Qt 的強大功能，目前市面上許多軟體，也會使用 PyQt 進行開發。 雖然 Python 本身內建 Tkinter 函式庫，但 PyQt 能用更容易理解的程式碼，以及更美觀的介面進行設計，此外，PyQt 也可以搭配 Qt Designer ( 針對 Qt 開發者的跨平台介面開發工具 ) 進行開發，並輕鬆的在 Windows、Linux 及 Mac OS 等作業系統運行。 本書是專門介紹 PyQt 的書籍，除了同時介紹 PyQt5 ( 最普及 ) 和 PyQt6 ( 最新 ) 兩種版本，每個範例程式碼都會包含「一般寫法」和「class 寫法」，從最基本的介面與視窗元件，行爲和事件、繪圖與圖形編輯都有詳細介紹，最後也會透過十個常用的精選範例，帶領大家實作出完整的應用。

Cursor 是一個智能開發平臺，為開發者提供了全新的智能開發體驗。本書聚焦 Cursor，系統講解如何借助它實現從需求輸入到代碼生成、測試、部署的全流程自動化。全書共分 10 章，首先系統梳理 Cursor 的核心特性、功能模塊、使用方法及在 Python 開發中的適配機制，隨後結合實際應用場景（如快速原型構建、數據分析、自動化測試、API 與微服務、自動化爬蟲與信息抽取系統、團隊協作、企業開發自動化，以及智能助手構建等）展開講解。本書通過提示詞設計、工作流規劃及 Python 編程實戰，呈現 Cursor 在不同領域的工程化路徑，展現 AI（Artificial Intelligence，人工智能）驅動的系統化開發思維。本書適合 Python 開發者、AI 工程師、企業研發管理人員及技術架構師閱讀。

本書遵循專業考科「TQC+ 人工智慧：機器學習Python 3」技能規範架構撰寫，符合鑑定的命題趨勢。 1.內容由淺入深，採循序漸進的方式建立您運用機器學習解決問題的基本概念，達到技術的傳承及表達，符合實務運用需求。 2.本書共有七個章節，包含「Python與機器學習」、「數據前處理」、「監督式學習：迴歸」、「監督式學習：分類」、「模型擬合、評估與超參數調校」、「非監督式學習：降維與分群」、「集成

雖然很多深度學習工具都使用Python，但PyTorch 庫是真正具備Python 風格的。對於任何瞭解NumPy 和scikit-learn 等工具的人來說，上手PyTorch 輕而易舉。PyTorch 在不犧牲高級特性的情況下簡化了深度學習，它非常適合構建快速模型，並且可以平穩地從個人應用擴展到企業級應用。由於像蘋果、Facebook和摩根大通這樣的公司都使用PyTorch，所以當你掌握了PyTorth，就會擁有更多的職業選擇。本書是教你使用 PyTorch 創建神經網絡和深度學習系統的實用指南。它幫助讀者快速從零開始構建一個真實示例：腫瘤圖像分類器。在此過程中，它涵蓋了整個深度學習管道的關鍵實踐，包括 PyTorch張量 API、用 Python 加載數據、監控訓練以及將結果進行可視化展示。本書主要內容：（1）訓練深層神經網絡；（2）實現模塊和損失函數；（3）使用 PyTorch Hub 預先訓練的模型；（4）探索在 Jupyter Notebooks 中編寫示例代碼。本書適用於對深度學習感興趣的 Python 程序員。瞭解深度學習的基礎知識對閱讀本書有一定的幫助，但讀者無須具有使用 PyTorch 或其他深度學習框架的經驗。

基於實用、易學的原則，從功能、使用、原理等多個維度對Pandas做了全方位的詳細講解。本書是Python數據分析入門書，每個概念都通過簡單實例來闡述，便於讀者理解與上手。具體內容包括：Python及Pandas基礎知識，加載和查看數據集，Pandas的DataFrame對象和Series對象，使用matplotlib、seaborn和Pandas提供的繪圖方法為探索性數據分析作圖，連接與合併數據集，處理缺失數據，清理數據，轉換數據類型，處理字符串，應用函數，分組操作，擬合及評估模型，正則化方法與聚類技術等。

【內容特點】?快速上手：專為 Python 開發者打造，用熟悉思維無縫接軌 Rust?解鎖高效能：掌握所有權與生命週期，根除記憶體錯誤並突破 GIL?PyO3 實戰：從零開始教你撰寫 Rust 擴充套件，解決 Python 運算瓶頸?AI 落地應用：駕馭 Candle 與 Burn 框架，實現輕量化推論與模型移植?工程化思維：涵蓋模組化設計、自動化測試到效能分析的完整實踐【本書獻給不願在效能與開發效率間妥協的你】?資料科學家：受夠了 Pandas 在大數據下的龜速，想尋找更高效的運算替代方案。?資料工程師：需要建構高吞吐量、低延遲且穩健可靠的 ETL 管線，徹底告別執行期錯誤，讓資料流動不再阻塞。? MLOps 工程師：致力於模型生產環境部署，追求在有限算力下達到極致的推論速度。?進階 Python 開發者：不滿足於語法糖，想深入理解底層運作與並行程式設計，大幅擴張技術守備範圍。

破譯武林招式，看懂程式設計！‧郭靖的小紅馬在Scratch裡能任意變色？‧韋小寶加盟天地會誓詞是高階程式語言？‧黃蓉的計算能力比Python還強？‧用費波那契數列就能進入桃花島？以武俠小說的場景為媒介，讓武林絕招和程式設計理論緊密結合。只要你摸過電腦、玩過電動遊戲，熟悉鍵盤和滑鼠的操作，就能讀懂本書的程式邏輯。讀者朋友可以一邊學習編寫程式的基礎知識，一邊跟著範例練習編寫代碼，不但能真正感受到程式設計的樂趣，還能解決生活中很多意想不到的大小問題。本書從用PowerPoint製作基本動畫講起，再進入麻省理工學院開發的入門級動畫軟體Scratch，最後敲開程式設計的利器Python，循序漸進帶領讀者朋友理解程式世界的奧祕，並享受數位科技帶來的樂趣。「如果你擁有電腦，卻沒有安裝Python，那叫暴殄天物。」～李開周

第一本詳細說明如何運用SQL Server向量資料庫與Python建立RAG系統的實務指南！ ✦ 完整掌握資料庫設計與開發核心：涵蓋SQL Server、Transact-SQL程式設計，以及AI原生關聯式資料庫的應用技術。 ✦ 從設計與開發角度切入：完整介紹資料庫系統理論、實體關聯模型、正規化與T-SQL，培養自行設計、建立及開發資料庫應用程式的能力。 ✦ 適用最新版本與主流環境：實作內容適用Microsoft SQL Server 2025/2022，並介紹原生向量資料庫功能，適合作為學校課程與業界開發人員的實務教材。 ✦ 結合理論與設計實務：以圖例與表格解說 ANSI/SPARC 架構、關聯模型與正規化，並實作繪製實體關聯圖及建立資料庫，落實設計理論。 ✦ 全面掌握T-SQL程式設計：詳細說明T-SQL語法、預存程序、序列物件、自訂函數、觸發程序、資料指標與交易處理，奠定後端開發能力。 ✦ 實作跨語言用戶端開發：介紹ADO.NET與資料庫中介軟體，並提供C#與Python用戶端程式範例。 ✦ 整合最新的AI與機器學習應用： • 向量資料庫與RAG系統：介紹嵌入模型與SQL Server向量資料庫，透過兩個Python專案，建立知識庫與RAG（檢索增強生成）系統。 • 內建機器學習服務：使用Python直接在SQL Server中訓練模型並執行預測。 • 進階搜尋與資料應用：涵蓋全文檢索、JSON格式資料及相關內建函數，擴充搜尋與資料處理能力。

 Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。  Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。  Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。  Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。  Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。  Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。

身處 LLM 時代的必備技能 AI 爬蟲與資料檢索的全本機工作流 你還在用傳統的方法爬取網路資料嗎？還在手動分析 HTML 網頁結構、逐一定位網頁元素、再手刻爬蟲程式嗎？身處 AI 世代，是時候該學習更聰明、更高效的資料收集方法，讓你坐在電腦前，喝著咖啡、悠閒地看著 AI 為你自動爬取網路資料。在 AI 飆速發展的今天，傳統網路爬蟲技術正迎來全新的變革。過去，Python 爬蟲程式的開發者必須自行剖析 HTML 網頁結構，撰寫繁瑣複雜的資料擷取規則與步驟；如今，隨著 LLM 的普及，AI 已能協助我們理解 HTML 網頁結構、定位網頁資料，甚至能夠自動化建立整個爬取流程，大幅提升開發效率。本書從 HTML 結構解析入門，循序講解 BeautifulSoup + CSS 選擇器、lxml + XPath 表達式、正規表達式等核心技術，再深入 Selenium 模擬瀏覽器互動及 Scrapy 爬蟲框架的專業應用，帶領讀者全面掌握靜態與動態網頁擷取技術。更進一步結合 Playwright 自動化瀏覽器、以及 AI 驅動的爬蟲框架 Crawl4AI 和 ScrapeGraphAI，讓 LLM 成為理解與提取網頁資料的主力。不只如此，本書採用 n8n × Ollama 全本機架構，無需 API Key、無需 Docker，即可整合 SearXNG 搜尋引擎、Crawl4AI API 資料爬取、Qdrant 向量資料庫與 RAG 知識檢索生成，最終打造出 MCP + AI Agent 自動化流程 ⸺ 從搜尋、爬取到資料處理與知識生成一手包辦！本書特色: 用 AI 分析 HTML 結構建立 Python 網路爬蟲▸全面掌握靜態與動態 HTML 網頁擷取技術，CSS Selector、XPath 一次上手▸實戰演練 BeautifulSoup、Selenium、Scrapy 經典 Python 爬蟲框架Python × LLM 建立 AI 網路爬蟲▸整合 OpenAI、Gemini、Groq、Ollama 等多種 LLM，打造智慧爬蟲系統▸運用 AI 驅動的爬蟲技術 Crawl4AI 與 ScrapeGraphAI，自動理解並提取網頁內容▸結合非同步程式設計，提升資料抓取效率與彈性整合 Python × AI 網路爬蟲的 AI 工作流程：n8n▸以視覺化介面建立自動化流程，輕鬆整合

讓你一次學會：物聯網通訊、濾波器設計、影像追蹤與馬達控制四大技術 本書帶你使用 Node-RED 與 Python 在樹莓派上實現大部分物聯網所需的觀念與技術，並搭配 Arduino 與 ESP32 實現數位濾波器設計與 MQTT 雙向控制系統等進階主題，因此讀完本書，各位不僅能學到物聯網系統的重要觀念與技術之外，還可以學會：物聯網通訊、濾波器設計、影像追蹤與馬達控制等四大關鍵技術。 本書特色 → Node-RED 與 Python 編程技術 → 雙向 MQTT 物聯網控制技術 → 步進馬達控制技術 → 數位濾波器設計技術 → OpenCV 影像模板比對技術 → 串列通訊與訊號頻譜的底層邏輯與驗證

內容簡介這既是一本引導讀者如何使用ChatGPT低門檻、高效率學習Python數據分析與挖掘方法的著作，又是一本指導讀者如何使用ChatGPT精准、高效地進行Python數據分析與挖掘實操的著作。從讀者對象的角度看，本書既大大降低了沒有編程經驗的讀者學習Python數據分析的門檻，又為有經驗的Python數據分析師提供了大量實用的AI數據分析技巧，幫助他們快速轉型為具備AI能力的數據分析師。從核心內容的角度看，本書不僅講解了如何在數據預處理、數據清洗、數據可視化等基礎的數據分析環節使用AI工具，而且還講解了如何在聚類分析、預測分析等高級的數據建模環節使用AI工具。閱讀完本書，你將掌握以下知識：(1)數據分析、數據挖掘以及機器學習算法的基礎知識。(2)ChatGPT等AI工具的註冊及使用，以及如何使用這些AI工具學習Python。(3)使用ChatGPT輔助各種常見的數據操作和數據預處理。(4)使用ChatGPT輔助靜態數據可視化和數據交互可視化。(5)使用ChatGPT輔助聚類分析、關聯規則分析、回歸分析。(6)使用ChatGPT輔助學習降維算法、決策樹算法、隨機森林、k近鄰算法、支持向量機算法、神經網絡算法。(7)使用ChatGPT輔助數據建模以及對模型的性能進行評估和優化。本書採用由淺入深的寫作方式，既確保了內容的可理解性，又保持了足夠的深度，配有詳細的代碼示例和實踐指導，確保每位讀者能夠輕鬆上手並從中獲益，提升自己的分析效率和洞察能力。本書採用案例驅動的寫作方式，通過實際業務案例詳細拆解AI技術在各個場景中的應用步驟和技巧。語言簡潔易懂，理論與實踐結合，注重實用性和可操作性，幫助讀者快速掌握核心知識。提供豐富的實際案例和操作指南，涵蓋多種AI工具和交互技巧，確保讀者能夠學以致用。

內容介紹: 你從未見過如此完整的 Go 語言中文教材！Go 語言☛ 2016 年被 TIOBE 選為年度最佳程式語言☛ 2020 年 Stack Overflow調查為 『全球第三高薪開發者職業』☛ 2020 年超越 Python 成為『職業開發者最想學習語言』☛ 已被 Google、Dropbox、Twitch、Uber 等企業採用，也用來打造 Docker、Kubernetes

本書共分為12章，微積分綜覽、微分方程式介紹、一階微分方程式、一階微分方程式模型、高階微分方程式、高階微分方程式模型、拉普拉斯轉換、微分方程式系統、微分方程式的級數解、向量與向量空間、向量分析、傅利葉級數與轉換之理論與應用，適合工專與工程科系之學生用來初學與複習之用。第三版將原附錄的 Matlab 教學改為「Python程式實作」，針對工程數學相關課題提供範例與程式碼；目的是希望您在學習工程數學的過程，同時熟悉Python程式實作，可以深入理解與實際應用，進而提升學習效果。第三版特別增列「學習評量」，針對每個主題在課後提供同學在觀念上的評量，可以協助老師快速了解教學成效。

本次改版新增「Python 語言快速入門」及「Python 程式語言觀念題題庫」，讓您準備更加充分！ ╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋 APCS 考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析 APCS 程式設計觀念題與實作題 APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。 為了因應新制的「程式識讀」，本次改版也另外新增了兩個附錄，提供「Python 語言快速入門」及「Python 程式語言觀念題題庫」。筆者希望本書能引導各位讀者具備應試 APCS 的經驗與實戰能力的養成，並學會如何解析程式的程式實作的能力，進行有能力根據自己的創意思維，開發出各式各樣功能的軟體，而這也正是本書努力達成的目標。 本書的實作題以 C++ 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C++ 語言應試 APCS 的實戰能

AI 浪潮來襲，不掌握，就等著被淹沒！ 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。 本書的每一章都是為了解答您可能對這些科技主題有的疑問而精心編輯的。無論您是科技新手，還是其他各個領域的一般人士，我們希望本書都能滿足您的需求。 第一章將帶您深入探討AI協作的世界，然後介紹AI知識庫及AI Agent，最後則是介紹在現階段應該遵守的AI倫理及相關社會議題。第二章則詳述資訊安全的重要性以及它在我們生活中扮演的角色，諸如各種風險、應對策略以及法規要求。第三章將探討智慧財產權、著作權等議題，幫助您了解這些法律對於數位生活的影響和重要性。 在第四章，我們將引領讀者了解如何使用Excel和Google表單來處理文書工作和設計問卷。第五章則將帶領讀者進入程式設計的世界，提供Python程式語言的基礎知識並解說其在資料分析中的應用。進入第六章，我們將探討新興的Web 3.0技術，包括元宇宙、區塊鏈、虛擬貨幣與NFT等話題，帶您一探數位世界的新發展趨勢。在第七章中，我們將帶領讀者了解大數據分析的基礎概念和方法，並學習如何使用Python來進行資料分析與視覺化。 我們的目標是讓這本書成為您的科技知識指南，希望您在閱讀本書的同時，不僅能學習到新的知識，更能對科技的未來發展充滿期待。再次感謝您選擇本書，讓我們一同探索科技的奧秘。 ☛☛☛☛☛☛☛Python的安裝方式☚☚☚☚☚☚☚ 在進行本書第五章時，請依影片安裝 Python。 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。