Effective Python

蒐錄官方公開歷次完整觀念題與實作題，以C/C++語言詳細解析！ 學會建置考試模擬環境，提早熟悉檢測情況，考試更游刃有餘！ 【超值附贈：250分鐘實作題影音教學/程式檔/Python實作解題PDF】 鍛鍊運算思維，提升程式解題能力 突破關鍵APCS檢測級數！ APCS(Advanced Placement Computer Science，大學程式設計先修檢測)是希望能檢驗具備程式設計能力之高中職學

Makes Learning Chinese Verbs FUN and EASY!1. Easy to LearnExplains how verbs can be used in different tenses and sentences in a clear and effective way.2. It’s PracticalTeaches verbs for everyday use:

Make your life in Taiwan EASY! 1. Easy to learn This book guides you step by step from words to sentences to build up conversations, making learning effective. 2. Easy to use Scenarios

Color is a powerful tool. A new colorcan change the whole atmosphereof a room. Effective and creative use of color can take the place of remodeling and give any room a whole new life.This

"《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"

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。

☆★☆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。

「這本書正是我當年提出『資料科學家』這個職稱時，所希望能擁有的一本書。如果您希望投身資料科學╱工程、人工智慧，或機器學習領域，就該從這裡開始。」 ── DJ Patil 博士，美國首任首席資料科學家 身為一位有志成為資料科學家的讀者，能夠理解各類組織為何仰賴資料來做出關鍵決策──無論是公司在設計網站、還是市政府在改善公共服務，或者是科學家在致力於阻止疾病擴散。而您也希望具備將雜亂資料整理為可行洞見的能力。我們將這整個過程稱為「資料科學生命週期」：也就是從資料的收集、整理、分析，到導出結論的完整流程。 本書是第一本涵蓋程式設計與統計兩大基礎技能、並貫穿整個資料科學生命週期的書籍。本書的對象包括希望成為資料科學家的人、與資料科學家共事的專業人士，以及希望跨越「技術╱非技術」界線的資料分析師。只要具備基本的 Python 程式設計知識，便可學習如何透過業界標準工具（如 pandas）來處理資料： ．將感興趣的問題精煉為可透過資料探究的研究問題 ．執行資料蒐集，其中可能涉及文字處理、網頁爬蟲等技術 ．透過資料清理、探索與視覺化，萃取出有價值的洞見 ．學會使用建模來描述資料特性 ．推廣研究結果，進行超出資料本身的推論

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！

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。

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

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

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！

★★★「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

首本 MCP 多平台整合實戰書──OpenAI 只是起點！一次搞懂 AI Agent、Function Calling 與 MCP本書含最新 OpenAI GPT-5 範例《AI Agent 奇幻旅程》集結七大章、五位實戰講師，從宏觀願景到微觀程式碼完整展示 AI Agent 與 MCP 的威力。本書不僅描繪 AI 代理的未來藍圖，更以 OpenAI Agent SDK、Claude Desktop、Semantic Kernel、GitHub Copilot、Line 等熱門主角，逐章帶你實現「Agent × MCP」跨平台串接──讓桌面、雲端、聊天機器人一次打通。每章皆附範例專案程式碼，幫助讀者快速複製情境到自己專案。無論你想開發企業級智慧工作流，或打造個人化多代理應用，本書都是一把從概念到落地的「萬用鑰匙」。打開《AI Agent 奇幻旅程：MCP 通往異世界金鑰》這本書之前，讓我們先確認一件事：你是否已經接觸過大型語言模型（LLM），知道什麼是 prompt、token、embedding，也嘗試過呼叫像是 ChatGPT 的 API，做出一些能與人對話的範例程式？如果你的答案是「是的」，那麼，恭喜你——你已經準備好踏上下一階段的冒險，來探索 AI 模型不只是會說話，而是能夠行動，能夠呼叫工具、整合服務、進行決策，甚至協調多個代理角色，真正變成你的智慧夥伴。這本書的焦點不在於再教一次 LLM 的基礎，而是要帶你直奔最精華、也最刺激的主題：Model Context Protocol（MCP） 以及 AI Agent 架構。從願景出發，到實作落地，我們安排了七大章節，由五位具備實戰經驗的講師聯手執筆，深入淺出地展現如何打造多平台整合的 AI Agent。全書圍繞「Agent × MCP」這個核心，帶你逐步實現桌面端（Claude Desktop）、雲端平台（OpenAI Agent SDK）、本地框架（Semantic Kernel）、AI 輔助工具（GitHub Copilot），甚至社群應用（LINE 機器人）的跨平台連結。每一章都搭配完整範例專案，讓你不只學得會，還能直接套用到自己的實務場景中。▋ 建議搭配《Python 原力爆擊》如果你還沒實際寫過生成式 AI 程式碼，我們也誠摯推薦你搭配閱讀我們的姊妹作《Python 原力爆擊：OpenAI / Ge

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。

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。

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

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。

⛧⛦ 跟著「三大場景 × 23 個實驗」動手做 ⛦⛧⛧⛦ 新手也能輕鬆打造 LLM 智慧聯網便利生活！ ⛦⛧你是否曾對家中智慧家電的運作原理感到好奇？常聽到「物聯網」這個詞，卻不太清楚它的真正含義？AI 聊天機器人這麼厲害，又該如何整合進智慧家電中？本套件將帶你從零開始，使用 ESP32 家族的 S2 mini 開發板連接感測器與電子元件，再透過 Python 撰寫程式，實作出各種有趣的物聯網應用。除此之外，還會進一步帶你認識 Web 與 MQTT 等網路技術，動手設計網路資料抓取、網頁遙控器、遠端鬧鐘、遠端留言板等實用功能。更好玩的是，我們把當前最夯的 LLM 技術也整合進來了！只要讓 S2 mini 透過 API 呼叫 LLM，就能用自然語言調整燈光顏色、生成音樂和弦，甚至自動摘要股市新聞。讓 AIoT 裡的「AI」不再侷限於傳統機器學習或基礎人工智慧，而是升級成真正懂你的智慧好夥伴！本書特色: 從書桌、床頭到大門，打造 LLM 時代的智慧居家物聯網生活▸ 從電子電路 → 程式設計 → 物聯網技術 → 整合 LLM，一套搞定▸ 獨門傳授免費串接 LLM API 的密技，讓 GPT 幫你作曲、控燈、做新聞摘要▸ 與 LLM 合作編寫程式，無論網頁前端或後端程式開發，不會寫的就問 Grok▸ 獨家教學 OLED 螢幕的中文顯示、小喇叭響起音樂和弦，完美貼近你我生活讓 AI 成為你的得力助手，全力支援你將書中實驗延伸出無限可能！組裝產品料件：ESP-32 S2 mini 開發板 × 1 片Type-C 傳輸線 × 1 條麵包板 × 1 片RGB LED 模組 × 1 個光線感測模組 × 1 個紅外線人體移動偵測模組 × 1 個小喇叭 × 1 個0.96 吋 OLED 螢幕模組 × 1 個溫濕度感測模組 × 1 個RFID IC 卡感應模組 × 1 個按壓開關 × 2 個公-公杜邦線 × 1 排公-母杜邦線 × 1 排排針 × 1 排Windows / macOS 均適用

‧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。

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。

使用Raspberry Pi實作影像辨識的眾多智慧功能豐富完整的實作範例引領你成為Raspberry Pi專家✪快速上手Raspberry Pi 5：了解硬體特色、Bookworm作業系統，以Python探索GPIO應用✪多媒體與網路連接：輕鬆設定網路、整合Webcam與Pi相機模組，讓Pi成為多功能媒體平台✪學習電腦視覺技術：深入學習OpenCV與MediaPipe，實現臉部辨識、手勢追蹤等智慧功能✪打造現代應用開發：使用Streamlit建立互動網頁應用，整合OpenAI Chat API，打造AI助手【內容簡介】本書是專為創客、工程師、學生與技術愛好者量身打造的實用手冊，結合基礎知識與進階應用，讓你全面掌握Raspberry Pi的潛力，成為現代創新專案的主導者。不論你是想學習物聯網裝置開發、電腦視覺、AI技術，還是設計個人化的專案，本書提供的完整知識與實作範例，將引領你一步步成為Raspberry Pi的專家，請立即翻閱本書，探索無窮創意，成就你的技術夢想。【精采內容】✪從零開始學習Raspberry Pi 5，深入理解這款微型電腦的架構與操作，迅速上手並應用到日常專案中。✪透過GPIO的控制，掌握Python程式設計與硬體互動，實現各種自動化與物聯網裝置的創意開發。✪探索OpenCV與MediaPipe電腦視覺技術，實現臉部辨識、手勢追蹤與物件檢測，將影像處理能力帶入生活應用。✪使用Streamlit輕鬆建立互動式網頁應用，分享你的專案成果，快速轉化成實用的解決方案。✪整合OpenAI Chat API生成式AI技術，打造專屬的智慧助手與自然語言應用，走在人工智慧的最前端。【目標讀者】✪初次接觸Raspberry Pi的愛好者與學習者。✪想要學習AI及電腦視覺的創客。✪將Raspberry Pi作為實驗與教學工具的在校學生及教師。✪尋求嵌入式開發平台的工程師與專業人士。

⊙理論與實作兼具，從基礎概念→分析步驟→報表解讀與製作，主題式手把手教學與說明。⊙應用雲端平台即時分析、評論與協作完成分析專案。⊙分析歷程透明化且支持重現分析與線上展示成果。⊙可整合大數據分析與次級資料應用。⊙內容包含效度與信度分析、描述統計、平均數差異與變異數分析、相關與迴歸、中介與調節效應、結構方程模式等，為研究者提供有力支持。⊙本書附範例資料檔，至五南官網https://www.wunan.com.tw/，搜尋書號1H3S即可找到下載處。本書旨在引導讀者從概念到實作，整合常用統計方法，分為「基礎概念、分析步驟、報表解讀與製作」三大部分說明，並附有練習題加強實務能力。書中範例也提供數據與程式碼下載，幫助讀者快速上手，提升學習效率。內容適用範圍廣泛，無論是學位論文、期刊論文，還是專題報告與數據分析，都能為研究者提供有力支持。對於初學者，書中簡要解釋專有名詞與統計分析策略，能幫助快速入門；對於進階使用者，Python的多元擴展性與視覺化圖示則為更深入的分析需求提供強大助力。※本書另有線上課程，可透過系統化地引導閱聽者從概念到實作，容易聚焦與跟著實作學習。（課程相關資訊，可至五南線上學院官網https://www.wunan.com.tw/tch_home查詢）

★國內金控現職量化交易研究人員傳授從量化分析到真實交易系統建置，一本書全學會 ☆量化統計專家 + 程式交易員共同帶你使用 Python 攻略台股量化分析及自動交易 ★問 ChatGPT 也無法得知的秘辛！量化交易研究人員帶你少走冤枉的量化交易研究之路投資是一門藝術，有時候做正確的事情不一定會賺錢，做錯誤的事情也未必會賠錢，只有長期投資績效才見的到真章，但如果等到長期交易最終賠錢才發現自己在做錯誤的事情，那就失去了時間又賠了金錢，得不償失。 剛入量化投資這一行的人，很容易被高績效迷惑了，而忽略了自己的交易策略是否合理。我們作為相對的未來人，使用歷史數據來建構策略，很容易有意無意窺探到了未來資料，或者是過度擬合數據以及未盡詳盡的統計分析，導致我們誤以為尋找到了長期穩定可以產生超額報酬的交易策略。綜合上面所述，本書在技術上說明如何做量化分析、建構策略、AI 訓練市場數據及將一個策略架設排程每天去真實自動交易，另一大重點是，我們會在統計分析及建構策略的過程中，不斷向讀者說明如何避開建構出回測一條龍，上線一條蟲的策略。結合我們多年的量化研究及真實交易的經驗，透過一些特徵，我們可以避開錯誤的方式去建構策略，期待讀者在研究交易的路可以少走一點彎路。 我們在學習量化分析及真實交易的過程中，很有可能在前面幾年處處碰壁，甚至難以贏過大盤，但是我們深信有金融知識以及數學量化的基礎支持，不斷的學習，小心控制風險，終究有一天會研究有成，在長期績效中贏過大盤，我們透過本書，期望可以與讀者共同成長，並且我們留下了可以供讀者發問的地方，隨時可以共同探討量化及投資相關的議題。

整合最熱門的 AI、物聯網與雲端運算 以 AWS 整合 ESP32-CAM 為例，進行車牌辨識實作！ 本書的內容主要結合了三大元素：人工智慧、物聯網設備與雲端運算。隨著人工智慧的爆發式成長，人工智慧的應用已經遍及影像、影片、聲音、對話、文章等領域，而公有雲已經將人工智慧的開發或是應用封裝成完善的服務，對於人工智慧的模型開發者或是應用開發者而言，只需要去熟悉、了解開發框架，就可以快速應用人工智慧的技術；不需要再花時間在購買GPU，安裝驅動、安裝開發框架等基礎環境搭建的無關事務上。 本書以 Python 為主要開發語言，ESP32-CAM 作為物聯網設備，接著介紹 AWS 雲端基礎建設與機器學習的相關服務，最後將 AWS 文字∕人臉辨識與 ESP32-CAM 進行整合，完成一個結合物聯網設備、雲端運算與人工智慧的應用系統。 本書可以學到哪些知識 。Python 基礎概念 。介紹單晶片 ESP32-CAM 。使用 MicroPython 開發 ESP32-CAM 。AWS 基礎設施服務 。Amazon API Gateway 。AWS Lambda 。Amazon DynamoDB 。Amazon S3 。Amazon Rekognition 。網際網路基礎 。HTTP Request/Response 本書適合的「讀者族群」 a.【自學者】適合用於自學 Python 程式語言。 b.【自學者】適合用於自學 AWS 雲端運算。 c.【自學者】適合用於自學 ESP32-CAM。 d.【自學者】適合用於在 AWS 雲端中探索職業生涯的人。 e.【自學者】適合用於在公司內部部署 IT 或雲端，但對 AWS 雲端不熟悉的人。 f.【自造者】適合想體驗自造精神或雲地與軟硬體結合。 g.【教育者】可以作為大專院校畢業專題的教學教材。 h.【教育者】可以作為大專院校雲端運算、物聯網與人工智慧實作的教學教材。 本書結合AI人工智慧、物聯網設備與雲端運算，以AWS整合ESP32-CAM為例，進行車牌辨識的應用實作。

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。

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

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。

⛧⛦ 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

本書特色1.以三大篇章，共41種冒險旅程，成為可以活用AI的深度學習達人。2.書中以各種有趣的範例，如：用電腦創作歌詞、使用DeepFace打造人臉辨識、情緒辨識等引發學習興趣。3.書末以「股票的自動交易系統」為專題，從資料整理與程式實作兩方面做整合性的應用。4.輕鬆活潑的筆調，搭配作者親手繪製的可愛插圖，以圖解化方式加深學習印象。5.整合式開發環境：Anaconda。內容簡介近年來人工智慧最主要的重心在深度學習，也是因深度學習有許多突破性的發展，而讓人工智慧有了許多以前意想不到的應用。本書承襲前作《少年 Py的大冒險：成為Python數據分析達人的第一門課》的風格，藉由輕鬆活潑的方式，從基本的原理開始，讀者可一步步跟著書中每個冒險，成為可以活用AI的深度學習達人！本書規劃三個篇章，共41種冒險。從AI的原理、怎麼思考所需的AI模型開始說明，接著介紹神經網路三大天王（DNN、CNN、RNN），並大量運用Gradio這個有趣的套件，把書中的AI模型做成網路應用程式。本書也介紹了如何用Hugging Face的transformers套件打造有趣的自然語言處理應用，以及使用DeepFace打造人臉辨識、情緒辨識等等。對於生成對抗網路（GAN）及強化學習也有相當詳細地說明。

想從 0 基礎開始學會程式設計？快來閱讀本書 想看 2 行程式解 APCS 的例子？快來閱讀本書 本書著重解題方法，使用大量實例與圖示，協助您快速學會程式設計！ 本書由資深教師編撰，針對初學程式設計的困難，提供以下秘笈： *從 0 開始，讓您按部就班學會程式設計。 *超過 100 個範例可供動手練習。 *著重解題方法設計，範例皆提供解題方法設計、程式碼、執行結果、程式解說等。 *使用大量圖形說明解題方法。 *搭配 APCS 基本實作題，協助跨過門檻。

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

「無論你想在程式設計面試中獲得優勢，想創造美麗的數學藝術，還是頑固地非得理解這個概念的有趣特性，這本書都將成為你深入遞迴這個兔子洞的指南（兔子洞裡還有兔子洞）。」遞迴程式設計技術可以產生優雅的程式解決方案，然而更常見的是，它讓程式設計師感到困惑。這並不代表程式設計師可以（或應該）忽略遞迴；儘管遞迴以具有挑戰性而聞名，但它是一個重要的電腦科學主題，並且可以對程式設計本身產生敏銳的洞察力。至少，了解遞迴可以幫助你順利通過程式設計工作面試。如果你是對電腦科學感興趣的學生，遞迴是你要理解許多流行演算法所必須克服的必要障礙。如果你是程式設計訓練營的畢業生或自學而成的程式設計師，並且順利跳過了更具理論性的電腦科學主題，但在「白板程式設計面試」中肯定還是會遇到遞迴問題。如果你是一位經驗豐富的軟體工程師，以前從未接觸過遞迴演算法，你可能會發現遞迴是你知識中一塊尷尬的缺口。❑ 本書目標讀者本書適合那些對遞迴演算法感到恐懼或感興趣的人。對於新手程式設計師或電腦科學系的大一新生來說，遞迴主題就像難以理解的黑魔法一樣。大多數遞迴課程都很難理解，使得這個主題不但讓人覺得挫敗，甚至令人心生恐懼。對於這些讀者來說，這本書的直接解釋和充足的例子應該能幫助他們最終理解這個主題。閱讀本書的唯一先決條件是具備 Python 或 JavaScript 程式語言的基本程式設計經驗，因為各章的程式碼範例使用了這兩種語言。本書的程式已被精簡到核心的基本結構； 如果你知道如何呼叫和建立函數，以及理解全域變數和局部變數之間的區別，那麼你就足以應付這些程式設計範例了。本書使用 Python 和 JavaScript 範例來教授遞迴的基礎知識，揭示了遞迴的教學方法，並闡明了所有遞迴演算法的基本原理。你將學習何時使用遞迴函數（最重要的是，何時不使用它們），如何實現工作面試中經常提到的經典遞迴演算法，以及遞迴技術如何幫助解決有關樹走訪、組合學等等許許多多的問題，以及其他棘手的話題。這個以專案為主的指南包含了完整的、可運行的程式，將能幫助你學習：☑︎ 遞迴函數如何使用呼叫堆疊，這是一種在遞迴課程中幾乎從未討論過的關鍵資料結構☑︎ 「頭尾」與「信仰飛躍」技巧如何簡化遞迴函數的編寫☑︎ 如何使用遞迴為你的檔案系統編寫自訂搜尋腳本、繪製碎形藝術、生成迷宮等☑︎ 優化和記憶如何使遞迴演算法更有效率

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

【程式設計新浪潮 . 開發生態大革命】你還在研讀程式語法手冊？還在網路上找程式碼來修修改改？還要繼續埋首在手刻程式碼的低效循環中掙扎嗎？就是現在，程式設計生態發生了史無前例的變革！GitHub Copilot 是由 GitHub 與 OpenAI 大型語言模型（LLMs）合作開發的 AI 程式設計助手，它從巨量程式碼庫中學會所有的程式設計技巧，將人類過往的程式精華融為一體。只要你學會用正確的方法、下達明確的提示詞、妥善地用自然語言與其溝通，就能發揮它的無窮力量，大幅幫助你提高開發軟體的成效。本書作者：兩位資訊教育學家 Leo Porter 博士與 Daniel Zingaro 博士為了 AI 程式設計時代的到來，在本書規劃出「函式設計循環」流程，整本書的編排圍繞著這個設計循環所需的技能，一遍遍演練、一步步學會進入 AI 程式設計必備的新技能。幫助你以正確的方式掌握 Python 程式設計（當然，其它程式語言也適用），高效快速解決實務上的任務。【開發程式的重點：從寫程式轉換為寫提示詞】與傳統的入門程式設計課程相比，使用 GitHub Copilot 協助寫程式需要學習新的技能，特別是問題分解、提示工程、測試與除錯技巧（如果您對這些技能還不太熟悉也無需擔心，本書都會詳細介紹），這些新技能對於現職的程式設計師來說同樣重要。在以往傳統的程式設計課程中，學生往往需要將精力灌注在語法的細節上，然而在 AI 時代，程式語法已經有 GitHub Copilot 這位大神在身邊，完全不用你操心，你該學的是如何用自然語言，寫出有意義且 AI 工具能正確理解的提示詞，讓它為你寫出符合預期的程式碼。如果你真的很不會寫提示詞，Copilot 除了能夠反向幫助程式產生提示詞，甚至還可以利用提示模式（prompt patterns）翻轉問答對象，讓 Copilot 主動提問以達成你的目標。● 精心設計為 AI 工具而生的函式設計循環。● 使用與業界接軌的 Visual Studio Code 開發工具。● 善用 Copilot Chat、inline Chat 提高生產力好助手。● 撰寫提示詞：學會用 AI 看得懂的自然語言溝通。● 看懂程式碼：程式由 AI 寫, 但你需要看得懂。● 問題分解：用 Top-Down 設計將大問題分解成小任務。● 測試案例：設計常見案例與邊界案例確認函式正確。●

📌 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

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

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

★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