Creative Coding in Python

這是一本全面介紹Python面向物件編程的圖書。本書共分為4部分。第1章至第6章深入講解了面向物件編程的核心原則和概念，以及它們在Python中的實現方式。第7章至第9章仔細探討了Python的數據結構、內置類和方法等，以及如何從面向物件編程的角度進行分析和應用。第10章至第12章探討了設計模式及其在Python中的實現。第13章和第14章涵蓋了測試和並發兩個重要主題。整本書以一個機器學習分類算法的實現案例貫穿始終，並不斷探討各種實現方式的優劣。 這是一本全面介紹Python面向物件編程的圖書。本書共分為4部分。第1章至第6章深入講解了面向物件編程的核心原則和概念，以及它們在Python中的實現方式。第7章至第9章仔細探討了Python的數據結構、內置類和方法等，以及如何從面向物件編程的角度進行分析和應用。第10章至第12章探討了設計模式及其在Python中的實現。第13章和第14章涵蓋了測試和並發兩個重要主題。整本書以一個機器學習分類算法的實現案例貫穿始終，並不斷探討各種實現方式的優劣。 本書針對的是Python面向物件編程的新手，假設讀者具備基本的Python技能。對於有其他面向物件編程語言背景的讀者，本書將展示Python的許多特性。

本書第1版於2020年11月出版發行後大獲成功，Python及NetDevOps技術在國內計算機網絡圈子裡迅速走紅，國內與NetDevOps相關的技術文章在網絡上如雨後春筍般大量涌現，行業裡也出現了很多要求掌握NetDevOps技術的網絡工程師職位，並且需求越來越多，NetDevOps是“下一代網絡工程師”必須掌握的技能已經成為既定且不可逆的事實。 以Python為主的NetDevOps技術知識更迭很快，第2版將在第1版的基礎上添加TextFSM詳解、Netmiko詳解、Nornir詳解、NETCONF詳解及RESTCONF詳解等5章內容，並去掉pyping、pyntc、netdev等一些不再流行或者作者已經公開宣布不再維護的模塊內容。 另外，第2版將在思科設備的基礎上添加華為設備的內容，由朱嘉盛老師執筆，相信能對主要使用國產設備的國內網絡工程師更加有益。

一部**、通俗、前沿的深度學習指南。從機器學習基礎知識到前沿模型，《理解深度學習》精選關鍵理論與尖端主題，以直觀形式呈現高密度的核心知識。涵蓋熱門主題：如Transformer模型與擴散模型(Diffusion Model)。化繁為簡：先以通俗語言闡釋複雜概念，再輔以數學公式與視覺圖解深入解析。實踐導向：引導讀者動手實現模型的初級版本。配套資源豐富：提供教師課件、習題及Python Notebook程式設計練習。?適用讀者：適合已掌握應用數學基礎知識的本科生、研究生及從業者。

● 依照自然界和社會生活中的事物分類，“近取諸身，遠取諸物”，共劃分為九個主題。● 解釋古文字形，追溯字本義和引申義，以幫助讀者更好地理解現代漢語中的字詞。● 收入常用漢字約2500個，依照共同形符、共同聲符或字形相近等原則組成字組，以簡馭繁，以類相從。● 收入常用詞約4000個， 按照其中體現的字義排布於對應的字下面，大多數詞配有精美插圖，生動活潑地詮釋詞義，妙趣橫生。● The dictionary features 9 thematic units categorized by what’s common in nature and daily life, progressing from what is near at hand to understand oneself, to more distant things to comprehend the world.● It explains ancient forms of characters to reveal their original meanings and extended meanings, facilitating a better understanding of modern Chinese.● About 2500 of the most frequently used characters are organized into groups based on the same radicals, phonetic components, or similar forms. Simplify the complex and follow the similar.● About 4000 of the most frequently used words are listed under the corresponding characters, with most of them illustrated, making the learning process enjoyable.

本書是一本立足本科生水平的電動力學教材，主要闡述電磁場理論，分析各個實 驗定律，從中總結出電磁場的普遍規律，建立麥克斯韋方程組和洛倫茲力公式，討論 恆定電磁場問題，說明一些恆定場的基本性質和求解電場、磁場問題的一些基本方法， 討論電磁波的傳播與輻射，介紹一般情況下勢的概念和輻射電磁場的計算方法，最後 將電動力學的參考系引入相對論時空觀，導出電磁場量在不同參考系間的變換，並且 說明相對論力學的基本概念。本書注重把現代物理前沿引入教學，把電動力學問題擴 展到多個前沿的研究領域，如固體物理、天體物理、核物理、計算物理等。 本書涵蓋我國高校物理學專業電動力學課程的基本內容，可作為高等學校物理學 相關專業低年級學生學習電動力學課程的教材或參考書，也可作為電子、材料、通信 等專業高年級學生的教學參考書。This is a Simplified Chinese Translation of the following title published by Cambridge University Press: Introduction to Electrodynamics, Fourth edition, 9781108420419 . Cambridge University Press 2017 This Simplified Chinese Translation for the People’s Republic of China (excluding Hong Kong, Macau and Taiwan) is published by arrangement with the Press Syndicate of the University of Cambridge, Cambridge, United Kingdom. . China Machine Press 2025 This Simplified Chinese Translation is authorized for sale in the People’s Republic of China (excl

本稿為學術輯刊《梵學》(Studia Indica)第一輯。《梵學》於2021年由北京大學梵文貝葉經與佛教文獻研究所籌備，以印度學、佛教學為主要領域，兼及絲綢之路沿線相關的古代與近現代研究。北京大學梵文貝葉經與佛教文獻研究所自2004年成立以來，在首任主任段晴教授的帶領下，致力於推動我國印度學、佛教學的研究發展，在國內外學界獲得廣泛讚譽。因在輯刊籌備的過程中，段晴老師不幸于2022年3月26日離世，《梵學》第一輯遂改為段晴紀念專刊，副標題為“段晴教授紀念專號”(Special Issue in Memory of Professor Duan Qing)。分上下卷，上卷450頁(中文)，下卷300頁(英文)。本稿最前列有范晶晶教授整理的《段晴教授著作目錄》，另外收入了《梵藏漢〈圓滿譬喻經〉——新發現鋼和泰任教北大時的梵語教材手稿》《勃延仰的行跡——以中國人民大學博物館藏于闐語文書為中心》《漢語文書中的于闐語人名——傑謝居民的新集合》《龍樹的生平與傳說——材料與研究匯評》等多篇學術論文。

《學習Python（第6版）》深入淺出地討論了大部分Python 編程主題。利用從本書中學到的Python 知識，讀者可以掌握高質量軟件研發背後的邏輯。書中採用一種易懂的、循序漸進的方法來介紹基本的編程概念，先從控制結構、函數和列表等概念開始，再深入討論類。這有助於確保讀者理解基本的編程概念，並知道如何解決現實中的問題。書中每一章都包括清晰美觀的代碼清單、真實世界的例子和大量練習。 《學習Python（第6版）》針對Python 3.11 進行了全面更新，新增或改進了大量主題，尤其適合想要高效掌握Python 新特性的讀者。

本書主要研究Python中的影像處理知識，結合多年從事數位影像處理和Python程式設計的基礎上講解。全書貫穿各種基於Python影像處理的案例和演算法，是一本典型的實踐專著和科研用書。本書共有17章，內容主要包括基礎知識、基於Python的影像處理和高階影像處理三部分。其中，基礎知識包括數字影像處理概述、Python基礎、OpenCV概述、數字影像處理等；基於Python的影像處理分別從幾何變換

本書從Python 語言的基礎語法講起，逐步深入地介紹了Python各種庫，並且介紹了這些庫的實戰案例，重點介紹了爬蟲開發， GUI應用程序開發，容器管理， Redis數據庫操作以及數據處理和神經網絡方面的內容。讓讀者不但可以系統地學習Python編程的相關知識，而且還能對Python在各個領域的應用有更為深入的理解。本書分為21章，涵蓋的主要內容有Python語言基礎和Python在多個領域的應

《Python金融大數據分析 第2版》分為5部分，共21章。第1部分介紹了Python在金融學中的應用，其內容涵蓋了Python用於金融行業的原因、Python的基礎架構和工具，以及Python在計量金融學中的一些具體入門實例；第2部分介紹了Python的基礎知識以及Python中非常有名的庫NumPy和pandas工具集，還介紹了面向對象編程；第3部分介紹金融數據科學的相關基本技術和方法，包括數據可視化、輸入/輸出操作和數學中與金融相關的知識等；第4部分介紹Python在算法交易上的應用，重點介紹常見算法，包括機器學習、深度神經網絡等人工智能相關算法；第5部分講解基於蒙特卡洛模擬開發期權及衍生品定價的應用，其內容涵蓋了估值框架的介紹、金融模型的模擬、衍生品的估值、投資組合的估值等知識。《Python金融大數據分析 第2版》本書適合對使用Python進行大數據分析、處理感興趣的金融行業開發人員閱讀。

Python是一門開源的計算機編程語言，憑藉其易學、靈活等特點，得到了越來越多人的認可和青睞。金融科技日新月異，金融行業的數字化、科技化和智慧化快速推進，Python在金融領域有著很好的應用現狀和前景。本書在上一版的基礎上進行了內容升級，持續聚焦Python在金融分析與風險管理的應用，第2版從原先的12章擴充至15章，並依次劃分為基礎篇（共5章）、中階篇（共5章）以及高階篇（共5章），基礎篇結合金融場景演示了Python語言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融領域常用的第三方模塊的編程方法；中階篇通過Python編程結合金融實例，依次探討利率、匯率、債券、股票、互換合約、期貨合約等產品的定價、風險測度以及風險管控等內容；高階篇則融合Python與金融案例，探究了期權的定價、希臘字母、動態對沖、隱含波動率、交易策略及其他延伸知識點，此外，高階篇還涉及投資組合風險價值建模等具有較強技術性的內容。本書旨在通過更豐富的金融產品、更廣泛的量化模型、更完備的金融示例、更高的軟件版本，為讀者提供更加便捷的Python金融實戰體驗與解決方案。本書適合想要掌握Python應用的金融學習者、金融從業者閱讀，也適合想要轉行到金融領域的程序員以及對Python在金融領域的實踐應用感興趣的人士閱讀，並且不要求讀者具有Python編程基礎和金融基礎。

《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》是“鳶尾花數學大系：從加減乘除到機器學習”叢書中編程板塊的第二冊。編程板塊第一冊《編程不難》著重介紹如何零基礎入門Python編程，《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》則在《編程不難》基礎之上深入探討如何用Python完成數學任務及板塊數據可視化。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》是本系列中的一本真正意義上的“圖冊”。內容覆蓋科技製圖、計算機圖形學、創意編程、趣味數學實驗、數學科學、機器學習等。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》“毫無節制”地展示數學之美，而且提供特別實用且容易複製的創作思路、做圖技巧、編程代碼。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》包含8個板塊共36章內容。前5個板塊（共18章）專注於各種可視化手段，是可視化中的“術”；後3個板塊（共18章）選取了18個話題來展示數學之美，是可視化中的“藝”，閱讀這18章時，請關注每個可視化方案的創意思路、作圖技巧、數學工具。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》讀者群包括程序員、科技製圖開發者、高級數據分析師、機器學習開發者、創意編程開發者、計算機圖形學研究者。

《編程不難:全彩圖解+微課+Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第一冊，也是“編程”板塊的第一冊， 著重介紹如何零基礎入門學 Python 編程。雖然《編程不難:全彩圖解+微課+Python編程》主要講解 Python 編程，但是也離不開數學。《編程不難:全彩圖解+微課+Python編程》儘量 避免講解數學概念公式，而且用圖形和近乎口語化的語言描述程序設計、數據分析、機器學習背後常用的 數學思想。《編程不難:全彩圖解+微課+Python編程》分為預備、語法、繪圖、數組、數據、數學、機器學習、應用八大板塊， 共 36 章， 內容“跨度”極大！ 從 Python 基本編程語法，到基本可視化工具，再到各種數據操作工具，還介紹常用 Python 實現的各種複 雜數學運算，進入數據分析和機器學習之後，還講解如何搭建應用 App。我們可以把《編程不難:全彩圖解+微課+Python編程》看作從 Python 編 程角度對“鳶尾花書”全系內容的總覽。《編程不難:全彩圖解+微課+Python編程》提供代碼示例和講解，而且提供習題，每章還配套 Jupyter Notebook 代碼文件(Jupyter Notebook 不是可有可無的，而是學習生態的關鍵一環， “鳶尾花書”強調在 JupyterLab 自主探究學習才能提高大家 編程技能)。《編程不難:全彩圖解+微課+Python編程》配套微課也主要以配套 Jupyter Notebooks 為核心，希望讀者邊看視頻，邊動手練習。《編程不難:全彩圖解+微課+Python編程》讀者群包括所有試圖用編程解決問題的朋友，尤其適用于初級程序員進階、高級數據分析師、機器學習開發者。

本書為英文完整版，內容全面實用。本書介紹了Python的設計模式，提供了經過驗證的、可視化的、示例驅動的模式，包括工廠方法模式、抽象工廠模式、單例模式、生成器模式、原型模式、適配器模式、橋接模式、組合模式、裝飾器模式、外觀模式、享元模式、代理模式、責任鏈模式、命令模式、解釋器模式、迭代器模式、中介者模式、備忘錄模式、觀察者模式、狀態模式、策略模式、模板方法模式、訪問者模式等，從而使讀者可以編寫更加健壯、高效、易於維護的Python代碼，生成功能強大且靈活的程序。本書還介紹了Python中的變量和語法、判定語句、開發環境、集合和文件、函數等基礎知識。

本書將從多個角度為您提供最佳的數據預處理技術。您將學習數據預處理的不同技術和分析方面――數據收集、數據清理、數據集成、數據縮減和數據轉換――並掌握使用開源Python編程環境實現它們。這本書將全面闡述數據預處理，它的原因和如何，並幫助您識別分析機會，數據分析可以導致更有效的決策。它還演示了數據管理系統和有效分析技術的作用，以及如何創建查詢從關系數據庫中提取數據。閱讀完Python數據預處理後，您將能夠使用Python讀取、操作和分析數據，執行數據清理、集成、還原技術，並處理異常值或缺失值，以實現適當的數據轉換方法。

《細說Python編程：從入門到科學計算》以Python 3.x為平臺，由兩位博士執筆，詳盡細緻地闡述Python編程的基礎知識和高級技巧，並以大量示例代碼進行實踐，同時還介紹人工智能領域廣泛使用的科學計算工具NumPy。《細說Python編程：從入門到科學計算》分為兩篇，共19章。第1篇(第1～11章)為基礎知識，主要講解Python的編譯環境、入門知識、字符串、容器、函數、循環、條件選擇、模塊、類、類的特殊成員、文件；第2篇(第12～19章)為高級應用，包括異常處理、日期和時間、測試代碼、程序打包、使用數據庫、網絡編程、圖形用戶界面、科學計算等內容。全書知識點豐富，輔之以示例演示，讀者可以邊學邊練，快速掌握。《細說Python編程：從入門到科學計算》還提供了16小時共151節微課教學視頻，讀者掃碼即可觀看學習，免費提供的示例源碼文件可直接調用，方便上機操練。《細說Python編程：從入門到科學計算》深入淺出，內容新穎，涉及面廣，適合想要學習Python編程的各層次讀者。

本書全面系統地介紹了Python語言在常見辦公場景中的自動化解決方案。全書分為5篇21章，內容包括Python語言基礎知識，Python讀寫數據常見方法，用Python自動操作Excel，用Python自動操作Word 與 PPT，用Python自動操作文件和文件夾、郵件、PDF 文件、圖片、視頻，用Python進行數據可視化分析及進行網頁交互，借助ChatGPT輕鬆進階Python辦公自動化。 本書適合各層次的信息工作者，既可作為初學Python的入門指南，又可作為中、高級自動化辦公用戶的參考手冊。書中大量的實例還適合讀者直接在工作中借鑒。

NLTK是自然語言處理領域中非常受歡迎和廣泛使用的Python庫。NLTK的優點在於其簡單性，其中大多數複雜的自然語言處理任務使用幾行代碼即可完成。本書旨在講述如何用Python和NLTK解決各種自然語言處理任務並開發機器學習方面的應用。本書介紹了NLTK的基本模塊，講述了採用NLTK實現自然語言處理的大量技巧，討論了一些文本處理方法和語言處理技術，展示了使用Python實現NLP項目的大量實踐經驗。本書主要內容包括文本挖掘/NLP任務中所需的所有預處理步驟，如何使用Python 3的NLTK 3進行文本處理，如何通過Python開展NLP項目。本書適合NLP和機器學習領域的愛好者、Python程序員以及機器學習領域的研究人員閱讀。

數據可視化是將Python應用于大氣海洋科學中數據處理及分析過程的重要環節，它可以讓複雜晦澀的數據變得鮮活生動，從而更好地被理解。本書主要介紹幾個基於Python且各具特色的繪圖工具包，從安裝到使用，並列舉大量的代碼示例，為使用Python進行數據分析的用戶們提供詳細的參考。

Python是目前使用最多的編程語言之一，有眾多的擴展包用於不同領域的軟件開發，也是目前大數據分析、機器學習和人工智能的主要開發語言。ArcPy是美國ESRI公司推出的用於ArcGISDesktop產品二次開發的Python包，開發者可以通過ArcPy充分利用ArcGISDesktop強大的功能進行地理數據處理與分析的方法。本書介紹利用Python編程語言和ArcPy包進行地理數據處理與分析，由Python編程基礎、Python常用擴展包、ArcPy使用及綜合應用示例四個部分內容組成，涉及地理數據采集、處理、分析與製圖。

本書對Python的計算機編程進行了生動活潑、直觀易懂且引人入勝的入門介紹。這本書是專門為沒有或幾乎沒有編程經驗的生命科學家而寫的，其目的不僅是為他們提供Python編程的基礎，而且是讓他們有信心和能力開始在自己的研究中使用Python。本書的所有示例均來自廣泛的生命科學研究領域，包括生物信息學、結構生物學、發育生物學、進化生物學和生態學，從簡單的生化計算和序列分析到對細胞中基因和蛋白質的動態相互

《Python數學實驗與建模》以Python軟件為基礎,詳細介紹了數學建模的各種常用算法及其軟件實現,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.《Python數學實驗與建模》含有Pytho

在《Python基礎》的學習上，《Python常用統計算法》介紹了Python在大氣海洋科學研究中常用的各種統計分析方法。《Python常用統計算法》分為兩部分：第一部分介紹用Python做科學計算常用的軟件包，包含Numpy、Pandas、Scipy等內容；第二部分介紹大氣海洋數據常用的各種統計分析方法，包含平均分析、誤差分析、方差分析、相關分析、趨勢分析、突變檢測、周期分析、回歸分析、濾波分析、聚類分析、判別分析、插值、擬合與逼近、時空結構分離等方法，對每個方法的計算步驟進行詳細的介紹，給出對應的Python程序及應用案例。同時，還增加了閏年平年計算、地球球面多邊形面積、地球球面兩點距離等一些大氣海洋學科領域常用的算法。

本書詳盡而系統地介紹了Python語言程序設計的方方面面，通過大量的示例、偽代碼、流程圖和其他工具，使讀者更容易學習程序設計邏輯。本書清晰、簡明、友好的表述風格，可以讓讀者輕鬆掌握Python程序設計理論，快速投入實際開發中。

本書介紹了機器學習技術及Python實踐的基礎知識，涵蓋了Python的機器學習基礎、數據預處理、機器學習算法及其實踐、深度學習、模型評價、機器學習應用等內容。其中第一篇為基礎入門篇，介紹人工智能、機器學習、大數據等概念及相互關係，機器學習的步驟，Python的Anaconda版本的安裝與使用，NumPy、Matplotlib、Seaborn、Pandas等常用模塊，以及數據文件訪問、數據統計。第

本書主要是基於Python的Web大數據爬取實戰指南，選題內容包括基礎知識和通過Python爬取Web網頁數據兩大部分。下圖是PythonWeb數據采集的結構圖，主要包括三個部分：網絡傳播技術、信息提取技術和數據存儲技術。網絡傳播通常是使用HTTP進行，常用的傳播方式包括HTML、XML、Json、Ajax和純文本等；信息提取技術主要可以通過Python語言、R語言、Java語言等進行獲取，其中主

這是一本講解如何使用Python 進行系統化圖形引擎開發的圖書。本書基於作者長期從事圖形引擎開發工作的經驗，結合簡單易懂的Python 語言和PyOpenGL 模塊，通過對引擎開發知識由淺入深的編排和講解，讓廣大對圖形學感興趣的"小白”開發者一步步掌握圖形引擎的開發流程和實現原理，並在這個過程中熟練掌握OpenGL，進而有能力基於各種開發語言進行圖形引擎的開發工作。 本書結構緊湊、內容翔實、由淺入深，是學習、掌握圖形引擎開發入門知識的重要參考書。

《數據有道 : 數據分析 圖論與網絡 微課 Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第三板塊 ( 實踐板塊 ) 中的一本關于數據 科學的分冊。“實踐”這個板塊，我們將會把學到的編程、可視化， 特別是數學工具應用到具體的數據科學、 機器學習算法中，并在實踐中加深對這些工具的理解。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》可以歸納為 7 大板塊—數據說、數據處理、時間數據、圖論基礎、圖的分析、圖與矩陣、圖論實踐。 這 7 個板塊 ( 共 25 章內容 ) 都緊緊圍繞一個主題—數據！《數據有道 : 數據分析 圖論與網絡 微課 Python編程》以數據為名，以好奇心和疑問為驅動，主動使用“編程 可視化 數學”工具進行探索。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》將 會回顧鳶尾花書前五本主要的工具，讓大家對很多概念從似懂非懂變成如數家珍；同時，我們還會掌握更 多工具，用來擴展大家的知識網絡。依照慣例，《數據有道 : 數據分析 圖論與網絡 微課 Python編程》提供代碼和視頻教學。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》讀者群包括數據科學從業者、大數據從業者、高級數據分析師、機器學習開發者、計算機圖形學 研究者等。

《機器學習: 全彩圖解微課Python編程》是「鳶尾花數學大系：從加減乘除到機器學習」叢書的最後一冊，前六本解決了編程、視覺化、數學、 數據方面的諸多問題，而《機器學習: 全彩圖解微課程Python編程》將開啟機器學習經典演算法的學習旅程。《機器學習: 全彩圖解微課程Python編程》設定了24 個主題，對應四大類機器學習經典演算法（迴歸、分類、降維、聚類），涵蓋演算法包括： 迴歸分析、多元線性迴歸、非線性迴歸、正規化迴歸、貝葉斯迴歸、高斯過程、k 最近鄰分類、樸素貝葉斯分類、高斯判別分析、支援向量機、核子技巧、決策樹、主成分分析、截斷奇異值分解、主成分分析進階、 主成分分析與迴歸、核主成分分析、典型相關分析、 k 均值聚類、高斯混合模型、最大期望演算法、層次聚類、 密度聚類、譜聚類。《機器學習：全彩圖解微課程Python編程》選取演算法模型的目標是涵蓋Scikit-Learn 函式庫的常用機器學習演算法函數，讓讀者充分理解演算法理論， 又能連結實際應用。因此，在學習《機器學習: 全彩圖解微課程Python程式設計》時，特別希望呼叫Scikit-Learn 各種函數來解決問題之餘，更要理解演算法背後的數學工具。因此，《機器學習: 全彩圖解微課程Python編程》給出適度的數學推導以及擴展閱讀。《機器學習: 全彩圖解微課程Python編程》提供程式碼範例和影片講解，「鳶尾花書」強調在JupyterLab 自主探究學習才能提升程式設計技能。本書配套微課也主要以配套Jupyter Notebooks 為核心，希望讀者邊看視頻，邊動手練習。《機器學習: 全彩圖解微課程Python編程》讀者群包括所有試圖用機器學習解決問題的朋友，特別適用於機器學習入門、初級程式設計師轉型、 高級資料分析師、機器學習進階。

《Python金融數據分析》詳細闡述了與Python金融數據分析相關的基本解決方案，主要包括獲取金融數據、數據預處理、可視化金融時間序列、探索金融時間序列數據、技術分析和構建交互式儀錶板、時間序列分析與預測、基於機器學習的時間序列預測、多因素模型、使用GARCH類模型對波動率進行建模、金融領域中的蒙特卡羅模擬、資產配置、回測交易策略、識別信用違約、機器學習項目的高級概念、金融領域的深度學習等內容。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。

《Python應用數值方法——解決工程和科學問題》是為想要學習和應用數值方法來解決工程和科學問題的學生撰寫的。書中提供了足夠豐富的理論知識。如果讀過本書的姊妹篇《工程與科學數值方法的MATLAB實現(第4版)》，就會發現過渡到Python程序是無縫的！不需要事先具有Python編程經驗。 本書以解決問題為導向，強調理論聯繫實際。各章均引入實際的工程和科學問題，提供從相關概念定義、理論分析到算法實現的全套解決方案。每章末尾安排有課後習題，方便讀者在鞏固所學知識的同時，進一步提升自己編寫代碼和解決問題的水平。

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”的知識絕對是王牌。這一次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學，在創作時，作者盡量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《統計至簡：概率統計全彩圖解 微課 Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書中數學版塊—“數學三劍客”的第三冊，也是最後一本。“數學”板塊的第一本《數學要素》是各種數學工具的“大雜燴”，可謂數學基礎；《矩陣力量》專門講解機器學習中常用的線性代數工具；本冊《統計至簡》則介紹機器學習和數據分析中常用的概率統計工具。《統計至簡：概率統計全彩圖解 微課 Python編程》的核心是“多元統計”，離不開第二冊《矩陣力量》中介紹的線性代數工具。《統計至簡：概率統計全彩圖解 微課 Python編程》內容又可以歸納為 7 大板塊——統計、概率、高斯、隨機、頻率派、貝葉斯派、橢圓。《統計至簡：概率統計全彩圖解 微課 Python編程》在講解概率統計工具時，會穿插介紹其在數據科學和機器學習領域的應用場景，讓大家學以致用。《統計至簡：概率統計全彩圖解 微課 Python編程》讀者群包括所有在工作中應用概率統計的朋友，尤其適用於初級程序員進階、大學本科數學開竅、高級數據分析師、機器學習開發者。

本書通過500個實例,為讀者提供較為詳細的練習題目,以便讀者舉一反三,深度學習。本書實例涉 及的算法包括搜索、回溯、遞歸、排序、迭代、貪心、分治和動態規劃等;涉及的數據結構包括字符串、數組、 指針、區間、隊列、矩陣、堆棧、鏈表、哈希表、線段樹、二叉樹、二叉搜索樹和圖結構等。書中所有實例均以 問題描述、問題示例、代碼實現及運行結果的形式來編排。 本書語言簡潔,通俗易懂,適合作為Python編程人員的入門參考書,也適合作為高等院校相關專業 “Python算法實現”課程的參考教材。

本書基於面向 Python 的 OpenCV(OpenCV for Python)，介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡為主線，並對細節進行補充和說明。 書中不僅介紹了 OpenCV 函數的使用方法，還介紹了函數實現的算法原理。在介紹 OpenCV 函數的 使用方法時，提供了大量的程序示例。而且在介紹函數對圖像的處理前，往往先展示函數對數值、數組 的處理，方便讀者從數值的角度觀察和理解函數的處理過程和結果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多複雜抽象的公式。

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所 有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”絕對是王牌。這次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學， 在創作這套書時，作者儘量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《數學要素：全彩圖解 微課 Python編程》打破數學板塊的藩籬，將算數、代數、線性代數、幾何、解析幾何、概率統計、微積分、優化方法等板塊有機結合在一起。從加、減、乘、除四則運算講起，主要內容包括：第 1、2 章講解向量和矩陣的基本運算；第 3 章講解常用幾何知識；第 4 章講解代數知識；第 5、6 兩章介紹坐標系；第 7、8、9 三章介紹解析幾何；第 10 章到第 14 章都是圍繞函數展開；第 15 章到第 19 章講解微積分以及優化問題內容；第20、21 兩章是概率統計入門；《數學要素：全彩圖解 微課 Python編程》最後四章以線性代數收尾。《數學要素：全彩圖解 微課 Python編程》內容編排上突出“圖解 編程 機器學習應用”。講解一些特定數學工具時，《數學要素：全彩圖解 微課 Python編程》會穿插介紹其在數據科學和機器學習領域應用場景，讓大家學以致用。《數學要素：全彩圖解 微課 Python編程》雖標榜“從加減乘除到機器學習”，但是建議讀者至少具備高中數學知識。如果讀者正在學習或曾經學過大學數學 ( 微積分、線性代數、概率統計 )，就更容易讀了。

本書分為基礎篇和高級篇兩部分。基礎篇通過Q＆A的方式介紹MATLAB和Python的主要功能、基本命令、數據處理等內容，使讀者對MATLAB和Python有一個基本的了解。高級篇分為24章，介紹MATLAB和Python結合具體量化投資的相關案例，包括MATLAB處理優化問題和數據交互、繪製交易圖形、構建行情軟件和交易模型、基於MATLAB的BP神經網絡和廣義極值分布、基於MATLAB的正則表達式基礎教程、FQuantToolBox 股票期貨數據獲取＆量化回測工具箱的介紹與使用等內容，通過豐富的實例和圖形幫助讀者理解和運用MATLAB和Python作為量化投資的工具。本書的特色在於不僅能滿足理論學習的需要，還可以幫助讀者邊學邊練，做到理論與實踐相結合。 本書適合經濟金融機構的研究人員和從業人員、進行量化投資的交易員、具有統計背景的科研工作者、高等院校相關專業的教師和學生及對量化投資和MATLAB感興趣的人士閱讀。

這是一本為編程初學者編寫的可視化教程，能讓每個對編程感興趣的人輕鬆學會編寫代碼。 本書分為編程概述、可視化編程語言Scratch、Python語言與Web技術四部分，圖文並茂地講解了Scratch、Python、HTML、CSS、JavaScript等常用編程語言。書中包含若干個操作項目，旨在一步步教會初學者掌握和運用好每種語言，學會設計應用程序、製作遊戲、建設網站等編程技能。 本書的編寫人員既有資深的程序員，又有專業的編程教育人員。他們共同設計了分步驟講解的操作教程，希望能為初學者鋪就一條輕鬆有趣的“編程學習之路”。

本書詳細地介紹了Python語言的一些高級功能以及常見數據類型的高級用法，非常適合有一定基礎的讀者深入學習Python編程。本書的主要內容包括常見內置類型(數值、字符串和集合等)的高級用法和潛在的陷阱，用於文本處理的格式化方法和正則表達式，用於數值計算和大規模數據處理的math包和numpy包等。此外，文件存儲、隨機數生成和圖表繪製也是本書的重要內容。本書還開發了一個“RPN腳本解釋器”項目，該項目貫穿本書的各個章節，通過對該項目的學習，你也可以開發出自己的“語言”。

面對日漸複雜的大數據，科技工作者很難用單一的統計軟件高效、完美地完成從數據挖掘、數據清洗、統計分析到結果呈現的全部工作，因此需要熟悉和掌握多種統計工具，各取所長、整合使用。本書立足於大數據研究的現狀，基於實際醫療案例，介紹數學基礎知識和統計學基礎知識,SAS、R語言、Stata和Python這4款大數據常用分析工具的基礎編程知識及實踐操作。 本書主要面向在校本科生、研究生，以及要掌握SAS、R語言、Stata和Python的數據工作者，熟悉四個軟件的任意一個且想要在短時間內掌握其他軟件的讀者，也適合醫科學生、臨床醫生或藥企人員等醫療相關人員學習使用。

通過學習本書提供的500多個實際示例，讀者將學會使用交互式IPython解釋器和Jupyter Notebook並快速掌握Python編碼方法。在學習完第1~5章的Python基礎知識以及第6和7章的一些關鍵內容之後，讀者將能夠處理第11~16章中有關人工智能案例的重要實操內容，包括自然語言處理，用於情感分析的Twitter數據挖掘，使用IBM Watson 的認知計算，利用分類和回歸進行的有監督