Effective Python

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

【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。

AI學Python-打造你的AI超級助教 書籍特色 ● 308次AI實戰提問練功：從需求出發、撰寫提示、測試程式、錯誤修正到模板建立。 ● 四步循環學法：明確化情境→提問與生成→驗證與修正→固化與遷移，讓學習變成可重複的流程。 ● 模板庫就能上手：建立自己的提示句模板、最小可測試案例範本、除錯檢核清單、作業規格樣板。 ● 友善初學路徑：適合自學、課堂學習與專題實作，讓您從「看得懂」進階為「改得動、做得出」。 ● 立即可用情境：課業報告、資料清理、簡易自動化、程式重構、撰寫測試與說明文件。 ● AI突破APCS：運用AI突破2025 APCS新版實戰準備。 適用對象 ● 初學者與自學者 ● 高中職與大專課程的學生 ● 需要把任務流程化的實作與專題團隊 您會學到 ● 如何把需求說清楚：情境、輸入、輸出、評分標準的提問能力。 ● 如何變成可驗證的程式：撰寫「最小且可執行、可測試」程式、除錯與修正。 ● 如何把答案變能力：把有效對話整理成自己的提示句模板與清單，累積可重複使用的工作流程。

本書通過案例講述有關的概念和方法，不僅介紹了ARMA 模型、狀態空間模型、Kalman 濾波、單位根檢驗和GARCH 模型等一元時間序列方法，還介紹了很多多元時間序列方法，如線性協整、門限協整、VAR 模型、Granger 因果檢驗、神經網絡模型、可加AR 模型和譜估計等，並且增加了全新的一章講述如何用深度學習進行時間序列分析. 書中強調對真實的時間序列數據進行分析，全程使用R 和Python軟件分析了各個科學領域的實際數據，還分析了金融和經濟數據的例子.本書通俗易懂，理論與應用並重，可作為高等院校統計學和經濟管理等專業“時間序列分析”相關課程的教材，對金融和互聯網等領域的相關從業者也極具參考價值.

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

本書是以實戰應用、邁向工程師為目標的 Python 入門書，帶領讀者快速入門學會關鍵語法，再透過實作讓讀者一方面可以學以致用，實際體驗程式語言的用處；一方面在實作範例時，補足快速入門階段還沒學到的進階語法以及各式延伸套件，只要一本書即可從入門學到應用，主題涵蓋網頁應用程式、爬蟲、影像處理與辨識、大型語言模型。為了達成上述目標，本書結構安排如下：》第 1～4 章：環境建置與基本語法》第 5 章：實作檔案備份小工具》第 6,7 章：實作 YouTube 影片下載工具與影音編碼合併處理》第 8～10 章：設計網路爬蟲與 Google 試算表操作》第 11～14 章：使用 Flask 建立與部署網頁應用程式》第 15 章：學習 OpenCV 影像處理與辨識》第 16,17 章：利用 YOLO 偵測物體、肢體動作與車牌辨識》第 18 章：學習最夯的 Ollama 本地端生成式大語言模型 LLM》第 19 章：使用 Streamlit 快速開發網頁應用程式》第 20 章：用 LangChain 框架開發 RAG 應用》第 21 章：結合 LLM 設計 LINE 客服 AI 機器人實務範例選擇以應用廣泛並能跟上 AI 時代潮流為主軸。除基本語法以外，進階語法及延伸套件也不馬虎，涵蓋：》自訂類別》規則表達式》格式化字串》參數的打包與解包》with 語法》閉包與裝飾器》match...case 語法》例外處理》多執行緒》命令行參數處理》subprocess 模組》SQLite 程式庫》JSON 與 CSV 檔處理本書在撰寫風格上除了第 2 章的 Python 程式開發與 AI 輔助工具說明外，每個章節都有實例與詳細圖解，協助讀者更容易理解。在開發工具的選擇上，入門章節以方便易用的 Colab 練習基本語法，接著就以業界工程師廣為採用的 Visual Studio Code 為開發環境，並帶入 Github Copilot 工具熟悉與 AI 助理協作的流程。在設計範例時也貫徹虛擬環境的觀念，輔以多版本 Python 環境建置，避免環境污染問題，讓學習與業界接軌，學完立刻派上用場。在許多實作應用的場合，光是瞭解程式語法是不夠的，像建構網路應用程式，還需要具備網路、防火牆、資料庫系統、租用並在雲端空間部署應用程式...等，還有 AI 影像偵測及大型語言模型應用背後的類神經網路 / 深度學習

新增 40 道觀念題，讓你準備更加充分！ 搶進名校資訊類學系的最佳武器！ ◎以 Python 的運算思維與演算邏輯解析APCS公告試題 ◎針對各種程式追蹤、填空、除錯題型，模擬演算過程及變數值追蹤 ◎詳細說明【觀念題】的相關知識，並列出各選項對╱錯之理由 ◎完整架構解析【實作題】：解題重點分析、完整程式碼、執行結果及程式碼說明 多元邏輯思考訓練 手腦並用強化程式語言運用 APCS(Advanced Placement Computer Science)是指「大學程式設計先修檢測」，其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。APCS 考試類型包括：程式設計觀念題及程式設計實作題。 程式設計觀念題採單選題測驗，以運算思維、問題解決與程式設計概念為主。測驗題型包含：程式運行追蹤、填空、除錯、效能分析及基礎觀念理解等。觀念題如果需提供程式片段，會以C語言命題。重點包括：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、結構，及基礎資料結構，以撰寫完整程式或副程式為主。 由於 Python 語言具備簡潔、易懂易學的特性，應用範圍亦廣及網頁設計、App 設計、遊戲設計、自動控制、生物科技、人工智慧、大數據…等領域，著實擁有入門程式語言的多項優點，因此本書採用 Python 語言來進行實作問題分析及程式碼撰寫。 本書提供 APCS 歷年公告試題的完整解答與分析。觀念題不僅清楚說明題意，並詳解各選項的對錯理由。另外對於需要程式執行過程追蹤、填空、除錯等程式片段的觀念題，書中一併提供完整程式碼及執行結果。而實作題方面則以解題重點分析、完整程式碼、執行結果及程式碼說明等架構完整解析。深信本書能指引應考者具備檢測 APCS 的經驗與強化解讀程式的實戰力。 為了因應新制的「程式識讀」，本次改版新增了 40 題的「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。 新增 40 道觀念題，讓你準備更加充分！ 本書提供 APCS 歷年公告試題的完整解答與分析。觀念題不僅清楚說明題意，並詳解各選項的對錯理由。另外對於需要程式執行過程追蹤、填空、除錯等程式片段的觀念題，書中一

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。

從資料處理到圖論實踐─用Python及AI最強工具預測分析編寫特色‧數學 + 藝術——全圖解，極致視覺化，讓數學思想躍然紙上、生動有趣、一看就懂，同時提高大家的資料思維、幾何想像力、藝術感。‧零基礎——從零開始學習 Python 程式設計，從寫第一行程式到架設資料科學和機器學習應用，儘量將陡峭學習曲線拉平。‧知識網路——打破數學板塊之間的門檻，讓大家看到數學代數、幾何、線性代數、微積分、機率統計等板塊之間的聯繫，編織一張綿密的數學知識網路。‧動手——授人以魚不如授人以漁，和大家一起寫程式、創作數學動畫、互動 App。‧學習生態——構造自主探究式學習生態環境「紙質圖書 + 程式檔案 + 視覺化工具 + 思維導圖」，提供各種優質學習資源。‧理論 + 實踐——從加減乘除到機器學習，叢書內容安排由淺入深、螺旋上升，兼顧理論和實踐；在程式設計中學習數學，學習數學時解決實際問題。六大板塊資料處理、時間資料、圖論基礎、圖的分析、圖與矩陣、圖論實踐。這六大板塊都緊緊圍繞一個主題—資料！核心內容‧遺漏值視覺化與插補方法：提升金融與醫療資料的完整性與可用性 ‧離群值偵測與圖形分析技巧：應用直方圖與散布圖，提升資料的穩健性 ‧距離計算與相似度評估：聚類、分類與資料比對的核心運算 ‧從矩陣運算到特徵工程：建構資料分析的數學基礎與特徵空間 ‧時間序列資料建模與分解：提取趨勢與週期變化，進行銷售與市場預測 ‧高斯過程與回歸建模：以核函數掌握資料變化，實現時間與空間預測 ‧圖論與關聯性矩陣分析：掌握社群網路連接性與影響力的核心結構

本書是一本全面介紹Python大模型優化策略的專業書籍，旨在幫助讀者掌握如何高效訓練、優化、部署和調用大規模深度學習模型。掌握這些優化技巧將是推動大模型應用和提升AI行業競爭力的關鍵。本書以深度學習和大模型技術為引，系統講解了各種優化演算法，並深入探討了兩者的融合與應用。本書涵蓋了機器學習與深度學習概述、Transformer模型與大模型概述、模型訓練與優化技巧、模型調用與優化基礎、大模型優化概述、常用的優化演算法概述、遺傳演算法、多目標優化與遺傳演算法進階、蟻群演算法、鯨魚優化演算法、螢火蟲優化演算法、神經網路優化演算法、大模型與優化應用實踐、DeepSeek的介紹與使用等內容，每章通過實踐練習介紹了大模型優化的實際應用。本書面向具備機器學習和深度學習基礎的讀者，適合作為高等院校電腦相關專業的本科及專科教材。對於AI從業者、科研人員和工程師而言，本書能夠助力他們在大模型訓練與優化領域深入理解並積累實踐經驗。

《Python網路爬蟲專案開發全程實錄》精選 11個熱門的網路爬蟲專案，突出了實用性。具體專案包含：智慧破解驗證碼、手機資料爬取精靈、汽車之家圖片抓取工具、高清壁紙快車(多執行緒版)、多進程影視獵手、分散式爬取動態新聞資料、世界 500 強資料爬取與分析、二手房資訊智慧抓取分析系統、圖書熱銷偵探、APP 資料獲取先鋒、微信智慧型機器人。本書從軟體工程的角度出發，按照專案開發的順序，系統、全面地講解每一個專案的開發實現過程。體例上，每章一個專案，統一採用“開發背景一系統設計一技術準備一各功能模組的設計與實現一專案運行一源碼下載”的形式完整呈現專案，讓讀者快速積累實際項目經驗與技巧，早日實現就業目標。

本書是程式設計教科書暢銷作家洪維恩老師最新著作，經課堂實戰教學淬練，學生試讀試做習題回饋，規劃出適當學習節奏、自學/課堂授課均適用的 Python 入門學習教材，涵蓋多項特色，包括：\\ Visual Studio Code×Jupyter 雙環境教學 //以 Visual Studio Code 搭配內建 Jupyter 環境教學，單行形式小範例講解語法、函式用法等細節，可在 Jupyter 快速輸入程式碼驗證。學習到一小段落後，再搭配大範例使用 Visual Studio Code 執行獨立 .py 程式檔綜合應用，既可反覆練習刻印學習內容，也能夠體悟實際用途。\\ 程式碼與解說對頁編排、易學易讀不卡頓 //全書編排考量易讀性，範例以不跨頁為原則，程式碼與解說盡量安排在左右對頁，避免前後來回翻閱查找，只要攤開書頁，即可左右對照閱讀。對於抽象或是較為複雜的觀念，也搭配精心設計圖解，協助快速理解。像是 NumPy 裡多維度的資料概念，就提供立體圖解，不用自己在腦中費力想像。\\ 從基本語法到應用主題通包 //除變數、流程控制、容器、函數、物件導向的類別與繼承、檔案、異常處理等必學的基本語法外，也涵蓋機器學習與資料科學的共同基礎套件--NumPy 矩陣科學運算、Matplotlib 資料繪圖視覺化與 Pandas 資料處理分析，以及用途最廣的 BeautifulSoup 網路爬蟲與 Skimage 影像處理。\\ 完整習題解答與教師專用題庫 //本書提供依照章、節編排近 300 題的自我練習題，題目本身含解題指引，可先複習相關內文再嘗試解題，並且附有完整習題解答，學到哪裡、練到哪裡，最適合自學或是課後自我驗證學習成果。另外也提供學校用書授課老師專屬題庫，同樣以章節編排，可適度輔助課後作業或是階段測驗，並搭配有經實際授課驗證的投影片，教學節奏最流暢。\\ 關鍵概念深度剖析 //對於初學者容易卡關的地方，像是可變與不可變的物件、可雜湊與不可雜湊的物件，淺層拷貝與深層拷貝、遞迴函式、參數的傳遞等，都有相當篇幅的解說，讓學習者能夠清楚來龍去脈，而不只是照著生硬的規則套用，即使遇到問題也能依循學到的觀念解學。本書特色:□ 每章末均有豐富習題與完整解答驗證學習成效□ 另有教師專用題庫搭配檢視教學成果□ 採用 VScode、Github Copilot 業界工具□ 從基本語法到 N

AI獨家解密－DALL•E、Midjourney、Stable Diffusion Python打開圖片生成原理潘朵拉盒子https://youtu.be/CnuH71v4qXc✴︎AIGC 核心概念：快速掌握 AI 生成內容的關鍵技術。✴︎影像生成技術：解密 GAN、擴散模型、VAE 的運作原理。✴︎Stable Diffusion：深入解析 VAE、CLIP、交叉注意力等技術。✴︎頂尖 AI 模型：比較 DALL•E 2、Imagen、DeepFloyd 的特色。✴︎熱門工具剖析：Midjourney、SDXL、DALL•E 3 詳細解讀。✴︎多模態 AI：探索 AI 如何融合文本、影像與聲音。✴︎影像變形技術：解讀 unCLIP、Stable Diffusion 的影像加工能力。✴︎完整實作指南：手把手帶你訓練 Stable Diffusion。✴︎低成本 AI 訓練：用 LoRA 技術輕鬆微調 AI 模型。✴︎開源生態與應用：進入 AI 創作與技術社群。✴︎產業應用解析：AIGC 在藝術、廣告、遊戲等領域的發展。✴︎適合所有讀者：AI 新手、創作者、技術專家都適用。

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

矩陣是重要的數學工具，也是當今人工智能、機器學習等領域重要的數據處理對象。本書作為矩陣理論的教材，將由淺入深地介紹矩陣的基本理論，包括矩陣的概念與運算、線性方程組、線性映射和線性變換、行列式、向量空間、特徵值和特徵向量、相似矩陣、二次型等，還有這些基本理論在機器學習上的簡單應用。此外在本書各章還附上了對應的Python與MATLAB編程實踐代碼，以供需要工程實踐的讀者參考應用。 本書可作為高等院校工科專業的本科生教材，也可作為研究生入學考試的參考書，還可供對矩陣理論有需求的工程技術人員閱讀參考。

AI時代Math元年 - 用Python全精通機器學習 ?? 迴歸分析：深度挖掘資料中變數間的關聯性與規律 ?? 線性迴歸：透過直線模型解讀簡單資料的趨勢與變化 ?? 多元線性迴歸：建構高維資料模型，分析多重影響因素 ?? 非線性迴歸：處理複雜資料模式，探索非線性關係的應用 ?? 正規化迴歸：透過嶺回歸與套索迴歸有效抑制模型過擬合 ?? 貝氏迴歸：結合先驗知識與數據，實現貝氏統計推斷 ?? 高斯過程：深入了解從理論到應用的高斯模型方法 ?? k最近鄰分類：運用鄰近資料進行分類與迴歸的經典算法 ?? 決策樹：以層次結構實現資料分類與回歸的靈活應用 ?? 支援向量機：應對高維資料，實現精確分類與回歸分析 ?? 主成分分析：透過降維技術提取資料中的核心特徵與模式 ?? K平均值聚類：快速分群分析，尋找資料內部結構與規律 ?? 高斯混合模型：運用軟聚類技術實現精細的資料分群 ?? 最大期望演算法：優化模型參數，提升聚類與估計效能

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。

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！☆

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。

Python是當今使用最為廣泛的開發語言之一，被認為是開發深度學習程序的最佳語言。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》通過9個綜合實例，詳細講解了使用Python語言開發大型深度學習項目的過程，這些項目在現實應用中具有極強的代表性。第1章講解了AI智能問答系統的具體實現流程；第2章講解了AI智能推薦系統的具體實現流程；第3章講解了智能OCR文本檢測識別系統的具體實現流程；第4章講解了國際足球比賽結果預測系統的具體實現流程；第5章講解了智能繪圖系統的具體實現流程；第6章講解了利用ChatGPT開發微信客服機器人的具體實現流程；第7章講解了移動機器人智能物體識別系統的具體實現流程；第8章講解了AI考勤管理系統的具體實現流程；第9章講解了網絡輿情數據分析系統的具體實現流程。在具體講解每個實例時，都遵循項目的進度順序來講解，從接到項目到具體開發，直到最後的調試和發布，內容循序漸進，並穿插講解了這樣做的原因，深入講解了每個重點內容的具體細節，引領讀者全面掌握Python深度學習開發技術。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》不但適合Python深度學習開發的初學者學習，也適合有一定Python深度學習開發基礎的讀者學習，還可以作為有一定基礎的程序員的參考書。

面對大數據和人工智能技術及應用的迅猛發展，傳統的數據結構與算法課程的教學內容和教學模式亟待改革，以適應大數據和人工智能專業人才培養的需要。本書就是為滿足這種需要而編寫的。本書共15章，主要內容包括大數據概念、Python語言基礎、線性表、棧與隊列、數組與字符串、樹、圖等經典數據結構，鍵值對、嵌套數據結構、列存儲結構等面向大數據計算的新型數據結構，排序算法、查找算法、基礎算法設計、機器學習算法基礎、大數據框架下的算法設計等經典基礎算法和大數據常用算法。本書兼顧每種數據結構的抽象邏輯結構及其物理存儲形式，使學生對數據結構的設計原理、實現方法、存儲機制有較深刻的認識。 本書可作為計算機科學與技術、軟件工程、大數據技術與應用、人工智能等專業數據結構與算法及相關課程的教材。

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

Streamlit的優勢與安裝文字與資料展示元素資料視覺化與圖表元素多媒體展示元素使用者輸入類元件版面配置和容器元件狀態顯示與流程控制機器學習工作流程醫療費用預測Web應用銷售資料儀表板Web應用常常看到許多展示AI的網頁非常漂亮，心中都會想說，又要開發AI程式，又要寫網頁，一定是很大的工程吧！但這些漂亮的網頁，很可能也是AI工程師用非常簡單的方法開發出來的，靠的就是最新的Web框架Streamlit。隨著機器學習和資料科學的發展，將複雜的分析結果用簡單易懂的方式展示給非技術人員，變得非常重要。傳統的Web框架如Flask、FastAPI或Django雖然功能強大，但開發過程常常讓人抓狂，需要寫大量模板和視圖程式。這時，Streamlit這個神奇的Python函數庫出場了！它大大簡化了資料Web應用的開發過程，讓你只需使用熟悉的Python語言，就能快速建構出互動式的機器學習和資料科學Web應用。Streamlit的高效和強大功能，迅速吸引了無數資料科學家和機器學習工程師的目光。這本書會帶你從安裝、啟動一路學起，並詳細介紹各種展示元素，從文本展示到資料視覺化，從多媒體展示到使用者輸入元件，應有盡有。書中還會教你如何利用Streamlit進行標準的機器學習工作流程，並通過實戰範例，如基於隨機森林演算法的企鵝分類和醫療費用預測應用，讓你實際操作，學以致用。這些內容不僅讓你快速掌握Streamlit，還能大幅提升你在機器學習和資料科學Web應用開發上的效率與樂趣！

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。

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。

演算法圖解原理 x Python實作 x 創意應用王者歸來(全彩印刷)本書內容★★★★★【國內第1本演算法 + 創意實作】★★★★★★★★★★【彩色圖解演算法】【Python創意程式】★★★★★★★★★★【約700張彩色圖片+ 296個創意應用】★★★★★ 這是一本使用Python從零開始指導讀者的演算法入門書籍，閱讀本書內容，讀者可以學會下列知識的創意與潛在應用：◎演算法基本觀念　★ 主要內容：時間複雜度、空間複雜度　☆ 創意應用：一個要計算8411億年的程式◎陣列與鏈結串列　★主要內容：陣列、單向(雙向)鏈結串列、循環鏈結串列　☆創意應用：客戶資料管理、庫存管理系統、瀏覽器歷史記錄管理系統、音樂播放管理、醫療排隊系統◎佇列(Queue)　★主要內容：插入、讀取、串列模擬佇列　☆創意應用：模擬銀行排隊系統、生產者 - 消費者、網路封包處理、網站爬蟲的URL管理◎堆疊(Stack)　★主要內容：堆入push、取出pop、認識堆別在函數呼叫的角色　☆創意應用：模擬銀行排隊系統、生產者 - 消費者、網路封包處理、網站爬蟲的URL管理◎二元樹(Binary Tree)　★主要內容：建立、讀取、前序(中序與後序)遍歷二元樹　☆創意應用：表達式樹、家譜樹、網頁導航樹、遊戲AI決策樹◎堆積樹(Heap Tree)　★主要內容：建立、取出、刪除、最小(最大)堆積樹　☆創意應用：線上遊戲得分排行榜、物流中心的貨物調度、醫院緊急情況處理系統、電商平台推薦系統設計、多任務處理最短作業優先調度◎雜湊表(Hash Table)　★主要內容：雜湊表與陣列、效能分析、模組　☆創意應用：電影評分系統、電子郵件垃圾過濾器、社交媒體標籤系統、網頁瀏覽記錄、簡單的快取系統◎排序　★主要內容：泡沫、雞尾酒、選擇、插入、堆積樹、快速與合併排序　☆創意應用：社交媒體貼文按讚數排序、任務排序、KTV點播次數排序、影評排序、旅館價位排序◎數據搜尋　★主要內容：順序、二分搜尋、搜尋最大值　☆創意應用：順序搜尋商品庫存、二分搜尋法查詢書籍、順序搜尋電子郵件黑名單、書籍搜尋使用二分搜尋法◎回溯演算法　★主要內容：走迷宮、迷宮設計與堆疊　☆創意應用：排列組合、密碼生成、圖的著色、任務分配、走迷宮◎從遞迴看經典演算法　★主要內容：河內塔、八皇后、碎形、VLSI設計費波納契數列　☆創意應用：費波納契數列、排列組合、密碼

【新書簡介】本書分為四大部分。第1部分包括第1到13章，主要介紹Go標準函式庫的同步基本操作，包括互斥鎖Mutex、讀寫鎖RWMutex、WaitGroup、條件變數Cond、Once、Map、Pool、Context、 channel等，以及最新的原子操作知識，主要的重點在channel身上，最後還介紹了Go的記憶體模型。第2部分包括第14到18章，主要介紹Go官方的擴充函式庫和第三方的同步基本操作，包括訊號量、SingleFlight、CyclicBarrier、分組操作庫、限流庫等。第3部分包括第19章，主要介紹基於etcd的分散式同步（並發）基本操作。第4部分包括第20章和第21章，主要歸納總結Go的並發模式，並嘗試使用本書介紹的同步基本操作解決經典的併發問題。【本書看點】☆和C一樣快，和Python一樣好學的新一代程式語言★同步基本操作，互斥鎖Mutex、讀寫鎖RWMutex、WaitGroup☆條件變數Cond、Once、Map、Pool、Context、Channel★原子操作原理及實作☆Go的記憶體模式★Go官方及擴充函式、第三方同步基本操作☆訊號量、SingleFlight、CyclicBarrier、分組操作庫、限流庫★Etcd的分散式同步操作☆Go並發模式的實作★經典Go問題解決

AI助攻Python超級入門創意設計 x AI程式實作(全彩印刷)本書內容★★★★★【ChatGPT x Copilot x Gemini助攻】★★★★★★★★★★【創意設計】【潛在應用】★★★★★★★★★★【設計AI程式】★★★★★★★★★★【Python Shell】【Google Colab】★★★★★這是一本完全入門，充滿創意與描述Python未來潛在應用的書籍，閱讀本書內容，讀者可以學會下列知識的創意與潛在應用：◎程式設計基礎　☆創意設計：機器人、ASCII藝術作品、數學魔術、故宮到羅浮宮、地球到月球、Unicode藝術輸出、星空圖案、雞兔同籠、核廢水。　☆潛在應用：房貸。◎程式流程控制　★創意設計：情緒程式、火箭升空、推薦飲料。　☆潛在應用：使用者輸入驗證、遊戲開發中的決策制定、物聯網(IoT)中的條件響應、交通應用中的路線建議、社交應用中的隱私設置檢查、電子商務中的折扣促銷。◎串列(List)與元組(Tuple)　★創意設計：凱薩密碼、旅行包裝清單、生日禮物選擇器。　☆潛在應用：矩陣運算、遊戲棋盤、學生分數表、商品庫存清單、多國語言詞彙表、坐標系統、員工資料、時間序列數據、商品清單、學生成績表。◎迴圈控制　★創意設計：監控數據警報器、關鍵日誌、計時器、國王麥粒、購物車。　☆潛在應用：電影院劃位、簡易投票系統、簡易員工滿意度調查、訂單處理記錄、簡易客戶意見回饋收集、簡易聯絡人資料管理、監控系統。◎字典(Dict)　★創意設計：文章分析、星座字典、凱薩密碼。　☆ 潛在應用：圖書館、管理超市、員工管理系統、餐廳菜單系統、學生課程和成績表、食譜和食材清單、個人行程安排、遊戲角色和屬性。◎集合(Set)　★創意設計：雞尾酒。　☆潛在應用：統計獨特單字的數量、模擬抽獎系統、檢測兩個配置文件的差異。◎函數設計　★創意設計：時間旅行者、故事生成器、冰淇淋的配料、多語言字典。　☆潛在應用：字串雕塑家、數據偵探、圖片濾鏡應用、股票價格分析、語言字典、系統配置字典、城市氣象報告、書店庫存管理。◎類別(Class)　★創意設計：圖書館管理系統、餐廳點餐系統。　☆潛在應用：員工管理系統、產品庫存管理、會議室預訂系統。◎模組開發與應用　★創意設計：時鐘程式、圖書館管理系統模組。　☆潛在應用：提醒休息程式、效能測試工具、生日倒數計時器、年齡計算。◎檔案的讀取與寫入　★創意設計：詩歌

張教授為國立聯合大學客家研究學院文化創意與數位行銷學系的教授，長期投身於AI與數位工具的教學與研究，參與了教育部人工智慧技術及應用領域課程計畫，以及教育部數位人文創新人才培育計畫，致力於推動人文社會學生程式設計、數位工具應用與人工智慧。近年來更關注人工智慧在客家領域的創新應用，尤其在自然語言生成、語音辨識、語音合成領域。為了引導人文學生能夠認識AI、親近AI、應用AI，本書分為第一部：從「零階：no coding 學AI」認識AI 基本概念，透過AI遊戲的圖像、語言、圖像的體驗，了解大數據、機器學習、深度學習等概念，開啟對AI 應用的想像力；第二部分：認識Python 的基本概念、歷史與應用；第三部分：聊天機器人，聚焦自然語言，帶領人文學科的學生能夠走入自然語言模型開發，從自然語言概念，到大數據爬蟲、翻譯系統、語音合成和辨識技術專案實作，最後進入「高階：自然語言模型訓練」，整合剖析本人利用深度學習技術開發臺灣客語翻譯系統和設計客語聊天機器人「阿知牯」的經驗。本書適合來自人文社會科學背景、對人工智慧感興趣的讀者，也適合資訊科技專業的學生和專家。本人身為客家人，也在聯大客家學院服務，特別關注AI 在客家族群和少數語言上的應用，在利用AI 於客家語音合成研發的突破外，在研發過程中，也發現AI 資料偏差問題（Data Bias），尤其是對於像客家這樣的少數族群，因此除了找回資料外，也需不斷的調整與校正，達到AI 生成、語音辨識的正確性。

．利用熱門的Python語言，深入解析APCS公告試題。．由基礎知識到解題技巧，以清晰易懂的方式闡釋程式設計核心觀念。．詳細探討觀念題的知識要點，徹底分析實作題的關鍵內容。．不再為APCS考試感到困惑，成功提升在APCS檢測中的表現，贏得競爭的優勢！使用「MOSME 行動學習一點通」，登入會員與書籍序號後，可自我練習，即學即測即評。評量：可在線上反覆練習書內題目。詳解：在線上即時練習書內題目後，可立即核對答案，查閱詳細解析。加值：提供本書的範例檔案、素材給讀者下載使用。

 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。

Help kindergarten students develop reading skills with fun and effective daily practice activities. The daily reading practice in this workbook covers fiction, nonfiction, and nontraditional texts, organized by engaging thematic units.Now fully in color! Develop foundational reading skills with fun and effective daily practice activities designed for kindergarten students.180 Days™: Reading for Kindergarten, 2nd Edition:*Provides learning activities that build confidence with reading and writing*Incorporates thematic units and a combination of fiction, nonfiction, and nontraditional texts*Full-color pages provide visual interest and easily distinguish exercises from others on the page*Makes at-home learning, whole class instruction, or small group support quick and easy*Includes a complete answer key to assess and diagnose student understandingParents appreciate the grade-appropriate reading passages and engaging topics that children will enjoy. The daily reading practice in this activ

風險建模演算法 「Abdullah Karasan成功展現了在金融風險管理領域中使用機器學習的能力，這是對任何金融機構都攸關重要的功能。」 ―Yves J. Hilpisch博士 The Python Quants與The AI Machine創辦人及總裁 「如果您需要將統計和機器學習方法應用在金融風險分析的入門指南，那麼這是一個很好的起點。」 ―Graham L. Giller 《Adventures in Financial Data Science》作者 金融風險管理在人工智慧的幫助下發展迅速。透過這本實用指南，開發人員、程式設計師、工程師、金融分析師、風險分析師及定量和演算法分析師，將可以機器學習和深度學習模型進行金融風險評估。建立基於人工智慧的財務建模實務技能後，您將學習要如何運用機器學習模型來取代傳統的金融風險模型。 作者Abdullah Karasan幫助您探索金融風險建模背後的理論，再深入研究使用Python運用機器學習模型以對金融風險進行建模的實際方法。 有了這本書，您將可以： ‧回顧經典的時間序列應用並將其與深度學習模型進行比較 ‧使用支撐向量迴歸、神經網路和深度學習來探索波動率模型以衡量風險程度 ‧使用機器學習技術來改善市場風險模型(VaR和ES)，並包括了流動性維度 ‧使用分群和貝氏方法來進行信用風險分析 ‧使用高斯混合模型和關聯結構模型來捕捉流動性風險的不同面向 ‧使用機器學習模型來進行詐欺偵測 ‧使用機器學習模型來預測股價崩盤並識別其決定因素

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

本書首先引領你開啟樹莓派的大門，進入充滿神奇、瑰麗、希望的多彩世界。同時，也敞開探索Arduino資源的視窗，指引你善用俯拾皆是的各式珍貴資源。你將一步一步從基本程式設計、簡單電路組裝到測試的紮實演練，最後建立一個實用的物聯網。 本書分成三大部分 ➤ 樹莓派：從開箱設定到GPIO應用 ➤ Arduino：從LED閃爍的控制到Wi-Fi模組的開發 ➤ 樹莓派與Arduino：運用Node-RED融合兩者，輕易開發物聯網 閱讀本書後，你將學到 ✔ 樹莓派GPIO應用 ✔ Python程式設計 ✔ Arduino程式設計 ✔ 樹莓派與Arduino整合應用 ✔ ESP8266 NodeMCU應用 ✔ Node-RED程式設計 本書適用於 ☛ 大專院校「機電整合」、「專題製作」、「網際網路程式設計」等課程 ☛ 高中、高職「微電腦應用實習」相關課程 ☛ 各級學校開辦的正規或短期「物聯網」探索課程 ☛ 創客玩家DIY物聯網

內容簡介:*作者以超過30年的豐富教學經驗，以及深知初學Python程式語言的盲點與障礙，精心規劃本書，讓你不論是教學或自修都可以得心應手。*內容涵蓋：輸入輸出、運算子、迴圈、函式、串列、類別、繼承、檔案與例外處理...等基礎且重要的主題，不僅可以增強你的邏輯思維能力，更穩固你的程式設計基本功。*範例貼近生活，如：猜猜你的生日、猜猜1～100的數字、大樂透電腦選號...等，並搭配程式重點解說。*提供練習題與習題測試，讓你做中學，並測試了解程度。附有參考解答，讓你學習沒有盲點，同時驗證你的答案。

現在學機器學習，正是最好的年代！在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是學機器學習最好的時候，你等於是站在巨人的肩膀上學習。本書沒有複雜的數學，沒有複雜的程式碼，以有系統的編排，引領你進入機器學習的世界。我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。最後教大家如何將深度學習的模組也包裝到sklearn。現在就讓我們一起學習Python，用機器學習掌握人工智慧。

【新書簡介】★☆★ 全面掌握機器學習的影像處理，豐富實例等你來挖掘！ ★☆★機器學習的影像處理，是當前最熱門的研究領域之一，而這其中OpenCV-Python整合了OpenCV C++API和Python的最佳特性，使其成為電腦視覺領域內極具影響力和實用性的工具。本書透過案例來介紹所有影像相關的技術，包含了基礎演算法、機器學習、深度學習。在基礎部分，有影像安全（影像加密、影像關鍵部位打碼、隱身術）、影像辨識（答題卡辨識、手勢辨識、車牌辨識、指紋辨識、手寫數字辨識）、物體計數、影像檢索、缺陷檢測等。在機器學習部分，則實作了KNN實現字元（手寫數字、英文字母）辨識、數獨影像求解（KNN）、SVM手寫數字辨識、行人檢測、藝術畫（K平均值聚類）等。在深度學習方面，包括了影像分類、物件辨識（YOLO演算法、SSD演算法）、語義分割、實例分割、風格遷移、姿勢辨識等。另外在最流行的人臉辨識相關方面，則提供了人臉檢測、人臉辨識、勾勒五官輪廓、人臉對齊、表情辨識、駕駛員疲勞檢測、易容術、性別和年齡辨識等。本書對電腦視覺涉及的基礎知識進行了全面且系統性的深入梳理，能夠幫助讀者快速掌握該領域的核心基礎知識，此外，透過豐富的實例介紹，也能避免將案例作為單一問題看待的窘境，並且可以從不同的角度理解及分析問題，讓讀者能夠加以組合運用，創建屬於自己獨特的影像處理法寶！※ 本書附程式碼，可至深智官網下載：https://deepmind.com.tw/

☆★☆★【完整說明Qt 6的主要功能！最詳盡的Qt開發全書！】★☆★☆本書分為六大部分：第1部分為Qt 6基礎。以Qt 6.0的全新類別模組和介面，重新實現了各種基礎實例的功能。第2部分為Qt 6綜合實例。以新的Qt 6.0實現了電子商城系統、簡單文字處理軟體和微信使用者端程式。第3部分為Qt擴充應用。介紹了Qt設定OpenCV和OpenCV處理圖片，在綜合實例方面，展示了醫院遠端診斷系統，運用MySQL建置資料庫，進而有效管理患者資訊。第4部分為QML和Qt Quick及其應用。內容包含了QML及Qt Quick的相關內容。第5部分為Qt Quick 3D開發基礎。這是Qt 6.0新推出的功能模組，它大幅提昇了Qt在3D圖形影像領域的地位。第6部分是關於Qt 6的跨平台開發技術。跨平台是Qt 6.0的優勢特性，本書將Qt在Visual Studio、Android、Python及Linux（Ubuntu）等多種主流平台上的設定和開發方法進行了詳盡的介紹。透過本書循序漸進的教學，讀者不僅可以了解到Qt6的各種功能，也能對於圖形使用者介面的掌握更加熟悉。本書看點✪Qt概述：範本庫、工具類別及控制項。✪QML程式設計基礎、QML動畫特效。✪Qt Quick 3D開發基礎、Qt Quick Controls開發基礎。✪Qt跨平台開發：Visual Studio、Android、Python及Linux(Ubuntu)。