Python

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。。

內容簡介:來自Amazon讀者的好評📢「這本書是LLM新手的理想入門書，簡單易懂的 Python範例，幫助我輕鬆學會在應用程式中運用GPT技術。」「書中提供很多實用的OpenAI API使用建議，並包含清晰的範例和經驗分享。讓我節省了大量搜尋和試錯的時間，是學習GPT開發的絕佳資源。」來自業界專家的推薦📢「透過實用範例與逐步指南，作者為前沿應用開發鋪設了清晰的道路。」——Tom Taulli，《Generative AI》（Apress）作者「完美結合理論與實作，讓GPT-4和ChatGPT的技術細節變得易於理解。」——Lucas Soares，Biometrid機器學習工程師🌟 AI正在改變開發世界，準備好加入這場革新了嗎？本書帶你掌握ChatGPT與LLM的強大功能，從文字生成、智慧問答到提示工程、模型微調。用Python就能讓AI成為你最棒的開發夥伴！本書提供：✅ 從零開始：快速理解 LLM 原理，掌握 ChatGPT 應用開發核心技術✅ 實戰導向：使用 OpenAI API，打造各種 AI 功能，包括智能助理與問答系統✅ 進階技巧：提示工程、RAG、LangChain、LlamaIndex，優化AI效能✅ 完整範例：GitHub 程式碼+逐步指引，動手實作 AI 應用🎯 不論你是開發者、數據工程師，還是 AI 愛好者，本書都是你進入AI應用開發領域的最佳幫手！----------------------------------------------「透過實用範例與逐步指南，作者為前沿應用開發鋪設了清晰的道路。」——Tom Taulli，《Generative AI》（Apress）作者「完美結合理論與實作，讓GPT-4和ChatGPT的技術細節變得易於理解。」——Lucas Soares，Biometrid機器學習工程師這本書是Python開發者的理想指南，可為學習如何使用大型語言模型來開發應用程式提供協助。作者Olivier Caelen和Marie-Alice Blete詳細介紹了GPT-4和GPT-3.5模型的主要功能與優勢，並深入解釋這些模型的運作原理。此外，書中還提供了使用OpenAI的Python函式庫進行應用程式開發的步驟指南，包括文本生成、問答系統和智慧助裡等應用。本書以清晰易懂的敘述方式撰寫，搭配簡單易學的範例，幫助讀者理解概念並

AI視覺最強入門邁向頂尖高手王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書！五大最強亮點 ?1. AI 影像技術全解析，從入門到頂尖高手?2. 影像不只是影像，讓 AI 賦予它智慧與靈魂?3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案?4. AI 影像應用無極限，打造你的專屬智慧影像系統?5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代◎ AI視覺最強入門，從新手到頂尖高手！在 AI 影像技術的浪潮下，你是否曾想過，如何讓影像處理不只是單純的圖像變換，而是賦予它智慧，讓程式「看見」並理解世界？本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始，一步步掌握 AI 視覺的核心技術，讓你的影像程式不再只是空洞的代碼，而是充滿靈魂與創意的智慧應用！◎ 這本書，適合誰？　★ Python & AI 初學者：從影像基礎開始，循序漸進學習。　★ 影像處理 & OpenCV 愛好者：探索影像創意與高級應用。　★ 開發者 & 工程師：打造 AI 監控、人臉識別、物件追蹤專案。　★ 學生 & 研究人員：數學 + 演算法 + OpenCV，全方位掌握 AI 視覺技術。◎ AI 影像技術，從基礎到進階　★ 影像處理基礎：影像讀取、色彩空間（BGR、RGB、HSV）、影像儲存與計算。　★ 影像創意與特效：數位浮水印、動態影像（GIF、MP4）、藝術畫作設計。　★ 影像增強與變換：圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。　★ AI 影像識別應用：手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。　★ AI 監控與自動追蹤：動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書？　★ 獨家「三步驟」學習法：　★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作，讓你學得深入又靈活應用！　★ 從基礎到高階 AI 視覺應用，完整解構影像處理技術！　★ 結合 OpenCV x MediaPipe x Python，打造創新影像應用專案！◎ AI 影像技術，開啟無限可能！影像處理與 AI 的結合，正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛，AI 視覺技術都是未來不可或缺的核心技能。現在，就是你踏入這個領域的最佳時機！☆

Ⓞ 16 堂課引領入門, 學得會、做得順的絕佳教材！Ⓞ 最詳盡的深度學習基石書, CNN + RNN + GAN + DQN + DRL 各種模型學好學滿初學者想要自學深度學習 (Deep Learning), 可以在市面上找到一大堆「用 Python 學深度學習」、「用 xxx 框架快速上手深度學習」的書；也有不少書說「請從數學複習起！」, 捲起袖子好好探究底層那些數學原理......但過早切入

2020年推出的LabVIEW 2020新增Python程式的編輯功能，改變使用者對LabVIEW的刻板印象，且在迴圈結構、系統監控及影像處理等方面增添不少新功能，硬體支援也更加成熟與完備。本書以循序漸近的方式編寫，並在各章節中提供範例讓初學者操作與練習，並提供LabVIEW的CLAD模擬考試題目，供讀者參考與練習之用。

利用Python量子組合語言以及IBM的Q Experience編寫量子程式 在全新的量子計算領域發展演算法及程式。本書涵蓋幾個主題，例如量子電腦的物理特性：包括量子位元(qubit)、糾纏(entanglement)、邏輯閘電路，以及其與傳統電腦的區別。此外，《量子計算實戰》也利用IBM的Q Experience探討雲端的量子計算。討論的項目包括有：作曲家程式(composer)、量子分數、實驗

本書是作者在已經出版的 《Xilinx Zynq-7000嵌入式系統設計與實現：基於ARM Cortex-A9雙核處理器和Vivado的設計方法》 一書的基礎上進行修訂而成的。 本書新修訂後內容增加到30章。修訂後，本書的一大特色就是加入了Arm架構及分類、使用PetaLinux工具在Zynq-7000 SoC上搭建Ubuntu操作系統，以及在Ubuntu操作系統環境下搭建Python語言開發環境

本書從計算機的內部結構開始講起，以圖配文的形式詳細講解了二進制、內存、數據壓縮、源文件和可執行文件、操作系統和應用程序的關係、匯編語言、硬件控制方法等內容，目的是讓讀者瞭解從用戶雙擊程序圖標到程序開始運行之間到底發生了什麼。書中還專設了“如果是你，你會怎樣講呢？”專欄，以小學生、老奶奶等為對象講解程序的運行原理，頗為有趣。第3版升級了書中用到的軟件產品和開發工具，並在正文和注釋中補充了大量內容，讓初學者更容易理解。對於舊版中頗受好評的硬件相關章節，更新了C語言的樣例代碼。書末附錄關於C語言的章節也升級至近期新標準。第12章新增了Python機器學習的內容，讓初學者能夠輕鬆體驗人工智能的樂趣。附錄也增加了對Python語言的介紹。本書圖文並茂，通俗易懂，非常適合計算機愛好者及相關從業人員閱讀。

本書特色文字說明、程式碼與執行結果等交叉呈現，有助於閱讀理解。來自不同領域的資料處理與分析範例。同時掌握資料分析兩大主流工具 - R 與 Python。凸顯第四代與第三代程式語言不同之處。深入淺出地介紹統計機器學習理論與實務。符合 iPAS 經濟部產業人才能力鑑定巨量資料分析師各科評鑑主題。

本書聚焦AIoT與穿戴式科技，從基礎出發涵蓋Python實作、訊號處理與深度學習架構。詳述如何將模型部署至邊緣端實現TinyML，並結合雲端平台進行大數據整合分析。透過智慧醫療與運動科學等實務專題，帶領讀者掌握從數據採集、運算到智慧決策的完整流程，並探討資安法規與倫理挑戰，是掌握下一代智慧物聯網核心技術的實戰指南。

《Streamlit大模型應用開發實踐：數據科學和AI Web應用開發超簡單》是一本系統講解使用 Streamlit 開發大模型應用的實踐指南。本書從 Streamlit 入門講起，涵蓋Streamlit 概述、Python 開發環境搭建，Streamlit 特性與功能介紹，幫助讀者快速掌握 Streamlit 的基礎操作，詳細闡述了使用 Streammlit 創建基礎 AI Web 應用的全過程，包括框架搭建、內容組織展示，還結合 NLP技術實現文本分析處理，並介紹了應用分享與部署的方法。

運用R和Python學習50+個必學統計概念 「這本書並非是另一本統計學教科書，也不是機器學習手冊。本書透過清楚的解釋和豐富範例，將實用的統計術語及原理和當今資料探勘的行話及實務聯繫起來。對資料科學的初學者和老手來說，這都是一本非常出色的參考書。」 ―Galit Shmueli, 暢銷書《Data Mining for Business Analytics》主要作者，台灣清華大學特聘教授 統計方法

用最強大的Windows C/C++暴力破解密碼一窺這個充滿數學及程式語言的新世界【本書特色】◎支撐現代人類經濟活動的就是密碼學◎用最強大的Windows C/C++暴力破解 ◎一窺這個充滿數學及程式語言的新世界C/C++一直是程式語言的王者，再方便的Python，再強大的Java，再物件化的Ruby，都沒有C/C++來得暴力直接，使用C/C++是最能了解密碼學的極佳工具。【本書內容】雖然量子電腦

運用Python的學習指南「全面且直觀的作法，本書必定是金融從業人員與學者的重要參考。」—Abdullah Karasan資料科學家兼顧問「針對期望解決各種計量金融問題的機器學習從業人員，這是一本出色的指南」—Tim NugentRefinitiv資深研究科學家AI與機器學習的廣泛運用，讓許多行業發生突破性變革。一旦將程式取得的歷史和即時金融資料，與這些新技術相結合，金融業也產生巨大變化。有了這本

♔循序漸進的從系統環境、資料爬蟲分析，到熟悉Python/Django/Tensor Flow/Keras基本應用。 ♔活用深度學習及實用案例，讓您在最短時間可以開始參與AI專案。 AI（人工智慧）的技術來自軟體工程的演進，一個優秀的AI工程師要經由程式設計、資料採礦、系統分析、數理演算等紥實的科學訓練；甚至還有企業管理、流程改善、財務金融及消費行為等商務思考的訓練。AI如果不能預測及主動除錯，就

透過本書，讀者可以習得：了解程式交易是甚麼？與系統交易、量化交易與主客觀交易間有何區別？（第一章）為何程式交易可以解決投資過程心理與生理限制產生的問題？（第二章）程式交易的策略來源。（第三章）學習程式交易的資訊技術，從試算表、VBA、VB、VC#、R、Python、MultiCharts(PL)到XQ(XS)的使用。（第四章）如何擷取用以作回測的歷史交易資料，與驅動交易的即時資料。（第五章）如何在

這本教科書的原作者為諾獎得主Thomas J. Sargent，本教材由竇錢斌、孫美露、胡靈翻譯，該書是對經濟網絡的介紹，面向經濟學和應用數學領域的學生和研究人員。教科書強調定量建模，主要的基礎工具是圖論、線性代數、不動點理論和編程。大多數數學工具都涵蓋了第一原理，其中兩個主要技術成果：Neumann 級數引理和 Perron-Frobenius 定理：起著核心作用。本書適合一學期的課程，既可以教授給熟悉線性代數的高年級本科生，也可以教授給剛入門的研究生。例如，雖然我們定義了特徵值，但學生應該已經知道特徵值和特徵向量是什麼，因此“特徵向量中心性”之類的概念或諾依曼級數引理之類的結果很容易被理解。本書也適合數學專業的學生，希望瞭解經濟學和網絡之間聯繫的工程、計算機科學和其他相關領域。 本書包含 Python 和 Julia 代碼的混合體。大多數是在 Python 中運行，因為這些庫在撰寫本文時更加穩定(儘管 Julia 也有強大的圖形操作和優化庫)。數字代碼可從作者處獲得。在每章的末尾我們提供了注釋，其中包含非正式的評論和參考。

本書通過概率建模和貝葉斯決策理論的統一視角，詳細且與時俱進地介紹了機器學習（包括深度學習）的理論和方法。書中涵蓋了數學背景（包括線性代數和優化理論）、基礎的監督學習方法（包括線性回歸、邏輯回歸和深度神經網絡），以及更高級的主題（包括遷移學習和無監督學習）。章節末尾的練習讓讀者能夠應用所學知識，附錄部分則對書中使用的符號進行了說明。本書源自作者2012年的著作《機器學習：概率視角》，它不僅僅是一個簡單的更新版本，更是一本全新的著作，反映了自2012年以來該領域的巨大發展，尤其是深度學習方面的進展。由於篇幅限制，新版分為上下兩卷：《概率機器學習：基礎篇》和《概率機器學習：進階篇》，本書是上卷基礎篇，下捲進階篇將繼續採用相同的概率方法，深入探討更高級的主題。新版的另一個主要變化是所有的軟件代碼都使用Python而不是MATLAB來實現，新代碼使用了標準的Python庫，例如NumPy、Scikit-learn、JAX、PyTorch、TensorFlow等，這些代碼不需要本地安裝，它們可以在雲端筆記本中運行，這為書中討論的理論主題提供了實用的補充。

本書協助你深入了解LLM 的內部運作，建立自己的語言模型。從生成式AI 概論開始談起，讓你理解如何訓練這些模型產生新資料，接著介紹提高生產力與增加創造力的ChatGPT 使用案例。你將學會如何改善提示設計，利用零樣本、單樣本、小樣本的學習能力，進而從ChatGPT 互動中獲得最佳效果。分別針對行銷人員、研究人員、開發人員設計案例，讓你將本書所學有效應用在自己的領域中。列舉企業情境，運用Azure 基礎架構上的OpenAI 模型 API；包含生成式模型 (如：GPT)與嵌入模型 (如：Ada)。各情境均涵蓋Python 實作，並以Streamlit 製作前端介面，以及利用 LangChain SDK 協助將模型整合到你的應用程式中。讀完本書，你將具備生成式AI领域的運用能力，可以在自己的專案中使用 ChatGPT 和 OpenAl 模型的API。本書內容涵蓋：*理解生成式AI 的初級與中級概念*透過有效的提示設計充分發揮ChatGPT 的效能*探索ChatGPT 的應用與使用案例*以API使用OpenAI 模型與功能*用Python 建置與部署AI系統*利用Azure 基礎架構實作企業級使用案例*確保生成式AI 系統具有負責任的AI與倫理

本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。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」、「集成學習」、「機器學習應用」，帶領讀

★★★「程式設計不再孤軍奮戰，讓 AI 成為你的戰友！」★★★☆☆☆「用 VS Code + Copilot，讓寫程式變得像聊天一樣簡單！」☆☆☆★★★「專案實戰，立即上手，程式設計不再卡關！」★★★《寫程式的AI戰友 - VS Code x GitHub Copilot》帶你進入 AI 輔助程式設計的新世代。本書不僅教你如何用 VS Code 打造專屬開發環境，更完整揭示 GitHub Copilot 的秘密武器：自動補全、錯誤修正、重構優化、AI 對話寫程式，讓你像專業工程師一樣高效開發。◎為何要讀這本書？在這個 AI 與程式設計緊密結合的時代，單靠背誦語法已經不足以讓你成為一位優秀的工程師。《寫程式的AI戰友 - VS Code x GitHub Copilot》將帶給你三大核心價值：1. 掌握開發主流工具VS Code 是全球最受歡迎的開發環境，本書完整介紹其安裝、操作與進階應用，讓你在最短時間內熟悉業界標準工具。2. 學會駕馭 AI，而不是被 AI 取代GitHub Copilot 能幫你寫程式，但本書更強調「思維升級」——如何正確下指令、判斷 AI 建議的正確性，培養「指揮 AI」的能力，避免淪為被動依賴。3. 專案實戰，立即上手從 CLI 工具到資料分析，從 API 整合到自動化報表，本書以專案導向學習，讓你邊學邊做，學到的技能馬上能應用在實際工作與專案中。◎ 讀完這本書，你將：☆ 熟悉 VS Code 與 Python 的整合操作。☆ 能使用 GitHub Copilot 提升開發效率，寫程式就像與 AI 對話。☆ 具備判斷、比較與優化程式碼的能力。☆ 透過專案實戰累積經驗，快速從初學者邁向專業者。這不只是一本文教你「怎麼寫程式」的書，而是一本幫你建立 「AI 時代程式設計思維」 的手冊。◎本書特色：☆從零開始：安裝 VS Code、設定 Python 環境、快速上手介面操作。☆AI 實戰：完整示範 Copilot 的用法——寫程式、除錯、重構、生成測試與文件。☆專案導向：涵蓋 CLI 工具、資料處理、API 整合等專案，邊學邊做，馬上能用。☆資料科學應用：結合 Jupyter Notebook、NumPy、Pandas、Matplotlib，立即展現 AI + Python 的威力。☆思維升級：教你如何成為「指揮 AI 的人」，而不是被 AI 主導

★★★最淺顯易懂的機器學習專書★★★與其害怕被AI取代，不如學會機器學習，讓AI為你所用！★ 日本亞馬遜資訊相關類暢銷榜No. 1．針對各類機器學習全圖像化，深入淺出的機器學習入門書．詳解各種機器學習演算法的概念和用途，學會如何選對演算法．所有機器學習演算法皆提供Python範例程式碼，讓你現學現用【什麼是機器學習？】人工智慧（AI）、機器學習、深度學習⋯⋯與人類的生活密不可分，但多數人對這些專有

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

行銷企劃、市場分析、統計預測、財務金融、風險管理...都該學！養成大數據分析力的第一本書！資料分析、資料科學都是近來非常夯的關鍵字，與其相關的工作職務紛紛冒出，形成一股勢不可擋的大數據分析學習熱潮。只是聽說學資料分析都得具備一定的技術能力 (例如要會撰寫 Python、R...程式)，往往讓底子不夠、或非資訊背景的人止步...沒關係！不管您身處什麼領域、技術背景如何，本書就是為了想搭上這波學習熱潮

網路自動化領域的權威之作，帶你完整掌握核心技術，從手動操作邁向自動化管理，打造彈性高、易維護的現代網路架構！ 還在用手動設定網路設備、與CLI指令纏鬥傷神嗎？ 四位業界大師結合豐富實戰經驗，帶你從腳本到架構、從手動升級到自動流程，全面掌握現代化網路的關鍵技術！ 本書新版內容全面升級，整合Python、Go、Ansible、Terraform、Kubernetes等新一代主流工具與技術，從基礎入門到大型架構實戰，帶你逐步打造具備彈性、可維護、自動化的現代網路環境。適合想要從傳統網路工程轉型為具備程式設計與自動化能力的工程師！  涵蓋Python、Go語言網路自動化實務  深入講解Ansible、Nornir、Terraform等主流工具與應用  解析容器、Kubernetes與CI/CD整合實作  真實情境導向，從個人學習到企業級部署的多場景適用  網路工程師、系統管理員、軟體開發人員必備工具書 ------------------------------------------------------------- 「本書協助網路專業人員及開發者寫出清晰、易於擴充的網路自動化劇本。它幾乎涵蓋了掌控網路自動化須知的每一件事物。」 —Akhil Behl RedHat合作夥伴經理 隨著新的協定、新技術、交付模式推陳出新，企業的需求變得日益靈活與彈性，網路工程師想單靠手動作業完成工作已越來越難，因此網路自動化已成為不可或缺的技能。本實用指南的第二版全面更新內容，將帶領網路工程師學習如何運用各種技術與工具，內容涵蓋以下主題： ．以Linux為主的新穎網路功能技術及雲端原生環境，還有如何運用這些工具為網路專案布置開發環境。 ．使用Python與Go語言等程式設計技能。 ．藉由範本設計建構一致的網路裝置組態。 ．資料格式、編碼方式及模型。包括：JSON、XML、YAML、Protobuf與YANG。 ．應用程式設計介面(API)在網路自動化中扮演的角色，涵蓋HTTP API、NETCONF、RESTCONF與gNMI。 ．學會使用Git等版本控制系統，以及持續整合等開發實務，強化網路自動化專案的品質與流程。 ．如何透過Ansible、Nornir及Terraform來自動化網路裝置與服務。 ．架構網路自動化解決方案的整體性手法。

⛧⛦ 樹莓派 5 / 樹莓派 4 皆適用 ⛦⛧⛧⛦ 一本帶你玩翻人工智慧與物聯網 ⛦⛧『Raspberry Pi 樹莓派』是一款信用卡大小的單板迷你電腦，深受全球創客的喜愛。本書將引領你踏上創客之路，利用樹莓派建立 IoT 物聯網與 AIoT 智慧物聯網，以及親手打造遙控串流視訊車、自動避障車、物體追蹤車與 AI 自駕車。甚至讓你在樹莓派上運行 LLM 大型語言模型，並透過 Python 與 LLM 技術，以自然語言進行硬體控制。是不是已經迫不及待、躍躍欲試了呢？或許還有點擔心沒有基礎，會難以上手？請放心。本書將從樹莓派的購買、安裝與設定開始，逐步帶領你使用 Windows 電腦遠端操作樹莓派，並介紹 Linux 系統指令與伺服器架設，讓你不再畏懼終端機黑畫面的文字模式。接下來，我們將探索樹莓派的 GPIO 腳位，並透過 Python，甚至結合 ChatGPT API 和 LLM 等生成式 AI 來控制硬體。同時，本書也涵蓋如何在樹莓派上使用 Pico 開發板或 Arduino 開發板進行軟硬體整合，為你提供更多面向的選擇。更精彩的是，運用 Pi 相機模組或 Webcam 攝影機，並結合 OpenCV 電腦視覺套件與多種知名的深度學習模型，實作人臉偵測、手勢追蹤、人體姿態估計、即時物體偵測、文字偵測與車牌辨識等 AI 應用。至此，你便能輕鬆跟著我們的腳步，透過 Node-RED 物聯網開發工具和 Teachable Machine 來建立 AIoT。此外，也能透過整合超音波感測器、OpenCV 和 TensorFlow Lite，打造出自動避障車、物體追蹤車以及 AI 自駕車。無論你是創客新手或進階愛好者，本書將幫助你全面掌握樹莓派，發揮你的創意，輕鬆進行各種 AI 軟硬體整合專案！本書特色: ➢ 無需額外設備，從 Windows 電腦遠端操作樹莓派➢ 從零開始學習 Linux 系統與伺服器架設➢ 透過 Python 結合 GPIO 腳位與 ChatGPT API 或 LLM，以文字控制硬體➢ 同場加映樹莓派 Pico W 與 Arduino Uno 開發板的應用➢ 建立 Pi 相機模組或 Webcam 攝影機的網頁串流視訊➢ 搭配 OpenCV 電腦視覺套件，實作人臉、手勢、姿勢、物體、文字、車牌等偵測與辨識➢ 活用 YOLO、MediaPipe、CV

內容介紹: Ⓞ釐清網路技術的來龍去脈, 用最有效率的方法考取 CCNA 證照！Ⓞ涵蓋最新版 CCNA 200-301 認證考試範圍目前 Cisco (思科) 定位 CCNA 不只包含路由器與交換器的技術，而是整合了 QoS、無線網路與網路安全相關知識，並加入最新的智慧型網路介紹 (Virtualization、Cloud、SDN、Cisco DNA Center) 及各種網路自動化概念 (Python、Rest API、Ansible...)，使得整個 CCNA 認證範圍變成更廣泛，考試更難以準備。本書並非 Cisco 官方教材，然而作者以多年教導 CCNA 的教學經驗來撰寫本書，設計一套由「網路運作理論」到「網路設備實作」的學習歷程，以循序漸進的方式來幫助初學者快速打好網路基礎。包括學習各種網路協定、無線網路、QoS、網路安全，從網路架設的層面，進步到管理整個網路的全貌。此外也會介紹未來網路管理的趨勢 - 自動化，用程式協助做網路自動化管理已是大勢所趨，書中會以 Python 與 Ansible 等工具帶讀者進行實戰，實際體驗網路自動化的做法。本書除了帶領讀者通透了解 Cisco 網路設備的操作、管理，迅速掌握 CCNA 認證考試的重點外，課程內容亦涵蓋考試範圍外的深入網路技術，因此更是培訓專業網管工程師的絕佳參考用書！最後，本書提供了 Facebook 社團教學討論區 (https://bit.ly/2ZWfVVN) 及 LINE 社群教學討論區 (https://bit.ly/3B3VczC)，讀者可以將本書內容的問題直接回饋給作者，書中也針對部分基礎課程提供影音教學 (詳內文)，希望透過彷彿參與真人教學般的學習模式，協助讀者達到最佳的學習成效！ 本書特色: ● 去蕪存菁！涵蓋最新版 CCNA 200-301 國際網管認證考試範圍，系統化整理最精華的網路概論知識！● 鉅細靡遺！使用 WireShark 捕捉、分析網路封包，詳細解說各種網路協定運作的細節● 實務演練！建構各種網路架構帶領您反覆演練，累積實作練習經驗，認證應答更有把握● 經驗養成！將故障排除的過程步驟化，快速抓出網路故障問題，厚實網管實務經驗與能力● Python 網管程式範例實戰● Ansible Playbook 腳本範例實戰● Kali Linux 網路攻防實戰&

Simon Monk對Raspberry Pi百科全書般的豐富知識讓本錦囊妙計第四版成為任何嘗試邁入數位製作世界者的完美指南。本書細節的廣度和深度同時適合初學者和經驗豐富的自造者！------Raspberry Pi的共同創造者Peter Lomas如果你已經開始玩Raspberry Pi，將會發現它的能力持續在擴充。這本膾炙人口的錦囊妙計第四版提供超過200個實作範例(皆附上程式碼)，示範如何於此迷你且低成本的電腦執行Linux，用Python為它寫程式，將它接上感測器和馬達來玩物聯網(IoT)。此新版包含關於Raspberry Pi Pico和以Raspberry Pi做機器學習的新章節。多產的駭客暨作者Simon Monk也會教導基本原則，引導你利用Raspberry Pi使用新技術。透過簡易的範例說明如何：．設定你的Raspberry Pi並連接網路．使用它的Linux作業系統．用Python為你的Raspberry Pi寫程式．使用電腦視覺賦予你的Pi一雙眼睛．使用機器學習從影像和聲音辨識物體．藉由GPIO連接器控制硬體．使用你的Raspberry Pi控制不同類型的馬達和顯示器．使用開關、數字鍵盤和其他數位輸入裝置．使用感測器測量溫度、光線和距離．以不同方法連接至Iot裝置來自動化你的家．使用Raspberry Pi Pico微控制器版

從建構交易策略到使用Python的機器人投資顧問 機器學習和資料科學將在未來幾年顯著改變金融業。透過本實用指南，避險基金、投資和零售銀行以及金融科技公司的專業人士將學到如何建構對該行業極為關重要的ML演算法。您將研究ML概念和20多個案例研究，包括了監督式、非監督式和強化學習，以及自然語言處理(natural language processing, NLP)。 分析師、交易員、研究人員和開發人員還將深入研究投資組合管理、演算法交易、衍生性商品定價、詐欺偵測、資產價格預測、情緒分析和聊天機器人開發。您將探索現實生活中的問題，並學習以程式碼和範例作為後盾的科學上合理的解決方案。 本書包括： ‧基於迴歸的監督式學習交易策略和衍生性商品定價模型 ‧基於分類的監督式學習信用違約風險預測與詐欺偵測模型 ‧投資組合管理與收益率曲線建構中的降維技術及實例研究 ‧利用演算法和分群技術尋找交易策略和投資組合管理中相似物件的案例研究 ‧建立交易策略的強化學習模型和技巧，衍生性商品避險和投資組合管理 ‧使用Python函式庫(例如NLTK和Scikit-learn)的NLP技術

本書精選IOI、NOIP、USACO、CCC、CCO、ICPC、DWITE等競賽中28個富有趣味與挑戰性的算法競賽題，採用“問題描述 – 輸入 – 輸出 – 解決方案”的結構，引導讀者在實戰中培養算法思維，牢固掌握數據結構與算法的核心知識。全書共分10章，涵蓋哈希表、樹與遞歸、記憶化與動態規劃、圖與廣度優先搜索、加權圖中的最短路徑、二分搜索、堆與線段樹、並查集以及隨機化算法等主題。所有示例均用C語言實現，但無論你使用C++、Java還是Python，都能輕鬆理解並遷移所學思想與方法。

☆★☆好評熱銷再上市☆★☆★打不過AI就加入他！建立自己的GPT產品★手刻ChatGPT從NLP基礎開始★PyTorch親手打造RNN、LSTM、GRU、BERT、GPT★Attention、Transformer詳解★用GPT做出自動詩詞創作平台全書分為4篇：「自然語言處理基礎篇」、「PyTorch入門篇」、「用PyTorch完成自然語言處理任務篇」和「實戰篇」。第1篇包含自然語言處理的背景知識、常用的開放資源、架設Python環境以及使用Python完成自然語言處理的基礎任務。第2篇包含PyTorch環境設定和PyTorch的基本使用，以及機器學習的一些基本原理和工作方法。第3篇介紹如何使用PyTorch完成自然語言處理任務，各介紹一種模型，包括分詞(又稱斷詞)、RNN、詞嵌入、Seq2seq、注意力機制、Transformer、預訓練語言模型。第4篇是實戰篇，第分別講解自然語言理解的任務和自然語言生成的任務，即「中文地址解析」和「詩句補充」。這兩個任務綜合了前面各章的知識，並展示了從資料下載、處理、模型到使用者互動介面開發的全部流程。從入門到專案實戰，打下你在NLP這一門最紅技術上的紮實基礎。? 目標讀者■有一定程式設計基礎的電腦同好。■希望學習機器學習和自然語言處理的人。■電腦及其相關專業的學生。■對自然語言處理領域感興趣的研究者。■對自然語言處理感興趣並樂於實踐的人。

在數位化時代，審計從業人員必須掌握前沿的AI智能稽核技術，以提升自動化效能並降低偵查風險。國際審計準則（ISA）提高了會計師的責任，要求更高的審計品質，智能資料分析技術已成為不可或缺的工具。JCAATs 為Python-Based AI新世代的通用稽核軟體，以AICPA美國會計師公會推薦之Python 軟體開發，遵循 ISA 530: Audit sampling (統計抽樣)規範提供多種數位審計抽樣方法，增強全面當代數位審計抽樣的作業流程，除了隨機抽樣、分層抽樣外，並提供控制測試常用之屬性抽樣與評估及證實測試常用之元單位抽樣與評估等功能，讓審計抽樣更完整。 本講義以「數位審計抽樣與評估」為主題，提供完整實例上機演練資料，由國際專業稽核實務顧問群精心編寫，經國際電腦稽核教育協會（ICAEA）認證，透過實務案例上機演練方式，帶領學員有效學習符合審計準則的數位化技術與方法，熟悉各種抽樣技術進行樣本抽選、結果查驗並進行查核結果評估，以簡易且友善使用介面，讓會計師與審計人員快速進入智能數位審計時代，學員可透過申請獲得JCAATs AI審計軟體試用教育版90天使用權，無論是會計師、審計人員、內部稽核還是大專院校的師生，本書皆是提升審計品質的必備工具，期待您的參與與交流。◎代理經銷 白象文化

建立智慧型系統的概念、工具與技術「這是一本出色的機器學習資源，包含淺顯易懂的解說，以及豐富的實用技巧。」—François CholletKeras作者，《Deep Learning with Python》作者「本書是運用神經網路來解決問題的絕佳入門資源，涵蓋理論及實踐。推薦給想學習實用機器學習技術的人。」—Pete WardenTensorFlow行動主管深度學習在經歷了一系列的突破之後，已經推動了整個機器學習領域的發展。如今，即使是對於這項技術非常陌生的程式設計師，也能夠使用簡單、高效率的工具，寫出能從資料中學習的程式。這本暢銷書使用具體的例子、最少的理論，以及具備生產水準的Python框架(Scikit-Learn、Keras和TensorFlow)來協助你直接瞭解智慧系統的建構概念與工具。在這本第三版中，作者Aurélien Géron將探索一系列的技術，從簡單的線性回歸開始，逐步發展到深度神經網路。本書包含許多範例程式和習題來幫助活用所學，只要具備一些程式設計經驗即可入門。‧使用Scikit-Learn自始至終完成機器學習專案‧探索多種模型，包括支援向量機、決策樹、隨機森林，和集成方法‧運用無監督學習技術，例如降維、聚類法和異常檢測‧深入探討神經網路架構，包括摺積神經網路、遞迴網路、生成對抗網路、自動編碼器、擴散模型、轉換器‧使用TensorFlow和Keras建構和訓練神經網路，以進行計算機視覺、自然語言處理、生成模型和深度強化學習

★☆★ AI 影像辨識一本精通！ ★☆★ ★☆★ 超過 200 個完整範例程式碼 ★☆★ AI 影像辨識是近年來非常夯的議題，隨著資訊科技的蓬勃發展，越來越多好用的工具推陳出新，也越來越容易跨入 AI 影像辨識領域，不論是電子、資訊領域、醫療、百貨，各行各業中陸續都能看到 AI 影像辨識的應用。 Python 是目前入門 AI 影像辨識最快速的程式語言，透過 Python 的 OpenCV 函式庫，並搭配其他方便的函式庫，就能輕鬆入門 AI 影像辨識，OpenCV 除了能針對影像進行全面的處理，也是大多數 AI 影像辨識的敲門磚，常應用於擴增實境、臉部辨識、手勢辨識、動作辨識、運動跟蹤、物體辨識或圖像分割...等領域。 本書會從 OpenCV 出發，從 OpenCV 最基本的存取圖片影片，影像色彩、影像剪裁、影像變形、加入文字、繪圖、影像效果進階處理都有完整介紹，並會介紹 OpenCV 內建的影像辨識方法、Google MediaPipe 的影像辨識方法和 Teachable Machine 影像辨識方法進行 AI 影像辨識，作出許多有趣又實用的影像辨識相關應用。 【精彩收錄】 ▶ OpenCV 深入介紹 ▶ OpenCV 影像色彩調整和轉換 ▶ OpenCV 影像剪裁、變形、加入文字和繪圖 ▶ OpenCV 影像效果進階處理 ▶ OpenCV 偵測滑鼠和鍵盤 ▶ OpenCV 人臉、物件、顏色等影像辨識 ▶ MediaPipe 人臉、姿勢、手勢等影像辨識 ▶ Teachable Machine 人臉、戴口罩等影像辨識 ▶ 辨識手寫數字、年齡、情緒