Fundamentals of Python programming

 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。

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

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)。

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

內容介紹: 別再傻傻只選一個模型訓練很多模型，卻不知道應該選哪一個？沒有一個模型達標？每個模型都有其優缺點，無法取捨？小朋友才做選擇，大人全都要！你該試試集成式學習！集成式學習是使用 2 種或更多的機器學習演算法，來組合出預測能力更好的模型。DeepMind 已經使用集成式學習來組合多個神經網路，控制 Google 資料中心的運作效能；集成式學習技術也在 Kaggle 平台上，席捲了各個競賽的第一名寶座。因此，集成式學習是建立出更具威力的模型，不可或缺的技術之一。本書會介紹實務上常見的集成式學習演算法，如硬投票、軟投票、堆疊法、自助聚合法、適應提升法、梯度提升法、隨機森林、極端隨機樹等，並且使用熱門的 scikit-learn、Keras、OpenEnsembles、XGBoost 等 Python 函式庫來實作各種不同的集成式學習技術，建構出一個強大的模型。熟稔本書的內容後，不但可以精通集成式學習，在實際情境中面對問題時，亦能具備充分的專業知識判斷適用的集成式學習方法，並成功實作它們。書中採用「做中學」的方式，讓你不僅可以快速掌握理論基礎，也能了解各種集成式學習技術的實作，再加上運用真實世界中的資料集，你將能夠建立出更佳的機器學習模型，以解決各種問題，包含迴歸、分類、分群。現在翻開本書，讓我們一起進入集成式學習的世界，整合你所會的全部技術，打造最強大的模型。 本書特色: ● 繁體中文第 1 本集成式學習專書，告訴你不要再傻傻地只選一個模型● 完整介紹集成式學習中常見的演算法，包含極端隨機樹、堆疊法、自助聚合法、提升法等● 一書掌握實作集成式學習的必備套件，如 Scikit-Learn、OpenEnsembles、XGBoost 等● 用 Python 刻演算法給你看，接著告訴你怎麼用套件。讓你不只會做，還懂為什麼這麼做● 以 5 個實務案例來展示集成式學習的威力● 本書由施威銘研究室監修，內容易讀易懂，並加入大量「小編補充」補充必要知識● 本書 Python 範例程式免費下載

AI影像深度學習啟蒙 : 用python進行人臉口罩識別 本書涵蓋的內容有 ★線上平台COLAB使用教學 ★本機電腦Jupyter使用教學 ★基本運算、變數與字串 ★串列、元組、集合與字典 ★流程控制if else ★流程控制for與while ★函數、類別與物件 ★資料夾與檔案處理 ★txt、csv、json文件的讀寫 ★基礎套件的使用 ★Numpy的使用 ★OpenCV的使用 ★完整Tensorflow安裝流程 ★Tensorflow的使用 ★類神經網路(ANN)原理與實作 ★卷積神經網路(CNN)原理與實作 ★模型可視化工具Netron的使用 ★口罩識別模型教學 ★影像串流與實時口罩識別 這是一本想給非資電領域或初學者的入門書籍，內容從基礎語法開始，使用日常所見的比喻協助理解，在AI類神經網路的基礎部分，使用大家都熟悉的二元一次方程式來切入，多以圖表來說明概念，避免艱澀的數學推導，一步一步講解建立深度學習模型的步驟，書本最後還帶入口罩識別模型的教學實例，協助讀者從頭到尾完成一個專題，讓AI更貼近你我的生活。

Python網路爬蟲大數據擷取、清洗、儲存與分析王者歸來(第二版)★★★本書第一版是【博客來2020年】【電腦書年度暢銷榜第3名】★★★★★★★★【26個主題】+【400個實例】★★★★★★★★★★從【零】開始的【網路爬蟲入門書籍】★★★★★★★★★★大數據【擷取】、【清洗】、【儲存與分析】★★★★★★★★★★【網路趨勢】+【了解輿情】★★★★★第二版和第一版做比較，增加下列內容：★：全書增加約50個程式實例★：網路趨勢，了解輿情★：網路關鍵字查詢★：YouBike資訊★：國際金融資料查詢★：博客來圖書排行榜★：中央氣象局★：租屋網站★：生活應用下列是本書有關網路爬蟲知識的主要內容：★：認識搜尋引擎與網路爬蟲★：認識約定成俗的協議robots.txt★：從零開始解析HTML網頁★：認識與使用Chrome開發人員環境解析網頁★：認識Python內建urllib、urllib2模組，同時介紹好用的requests模組★：說明lxml模組★：Selenium模組★：XPath方法解說★：css定位網頁元素★：Cookie觀念★：自動填寫表單★：使用IP代理服務與實作★：偵測IP★：更進一步解說更新的模組Requests-HTML ★：認識適用大型爬蟲框架的Scrapy模組在書籍內容，筆者設計爬蟲程式探索下列相關網站：☆：國際與國內股市資訊☆：基金資訊☆：股市數據☆：人力銀行☆：維基網站☆：主流媒體網站☆：政府開放數據網站☆：YouBike服務網站☆：PTT網站☆：電影網站☆：星座網站☆：小說網站☆：博客來網站☆：中央氣象局☆：露天拍賣網站☆：httpbin網站☆：python.org網站☆：github.com網站☆：ipstack.com網站API實作☆：Google API實作☆：Facebook API實作探索網站成功後，筆者也說明下列如何下載或儲存不同資料格式的數據：★：CSV檔案格式★：JSON檔案格式★：XML、Pickle★：Excel★：SQLite在設計爬蟲階段我們可能會碰上一些技術問題，筆者也以實例解決下列相關問題：☆：URL編碼與中文網址觀念☆：將中文儲存在JSON格式檔案☆：亂碼處理☆：簡體中文在繁體中文Windows環境資料下載與儲存☆：解析Ajax動態加載網頁，獲得更多頁次資料☆：使用Chromium瀏覽器協助Ajax動態加載

Ⓞ 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

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

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

A comprehensive and current introduction to the fundamentals of regression analysisIntroduction to Linear Regression Analysis, 6th Edition is the most comprehensive, fulsome, and current examination of the foundations of linear regression analysis. Fully updated in this new sixth edition, the distinguished authors have included new material on generalized regression techniques and new examples to help the reader understand retain the concepts taught in the book.The new edition focuses on four key areas of improvement over the fifth edition: New exercises and data setsNew material on generalized regression techniquesThe inclusion of JMP software in key areasCarefully condensing the text where possibleIntroduction to Linear Regression Analysis skillfully blends theory and application in both the conventional and less common uses of regression analysis in today's cutting-edge scientific research. The text equips readers to understand the basic principles needed to apply regression model-b

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。

「大數據會消失，資料科學不會」「所有的科學都是資料科學」―――資訊科學時代最需要閱讀的一本書―――東京大學資料科學人氣講座全收錄────★傳說中的東大松尾研究室超熱門課程，第一手內容完整公開！★用Python學習基本的程式撰寫，邊做邊學，鍛鍊最強的資料科學技能！★收錄大量練習題和綜合題演練，打好理論基本功，具體應用於實務現場！★體驗資料科學的魅力，培養整合跨領域課題的創造力！所謂科學，是從世界上混

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《Deep Learning : 用Python進行深度學習的基礎理論實作》的續篇，將延續上一本書，繼續介紹與深度學習有關的技術。本書尤其偏重在自然語言處理及時間序列資料處理上，使用深度學習，挑戰各式各樣的問題。和上一本著作一樣，以「從零開始建構」為概念，詳盡介紹與深度學習有關的先進技術。 簡單來說，自然語言處理是指，讓電腦瞭解我們平常說話內容的技術。事實上，這種自然語言處理技術已經大大改變

本書內容共分為八大單元，依序為基本概論、Digital Logic數位邏輯、Operation System作業系統、System Program系統程式、Programming Language程式語言、Data Structure資料結構、網路、Datebase資料庫等重點觀念。 本書除了重點整理計算機概論的相關理論之外，更蒐集歷年高普特考試題，強化基本觀念，讓考生在短時間內以最

本書是「BMduino系列程式設計」的第三本書，主要教導開發者與學校研習學生要開發完整之產品專案之讀者，在學習第一本書籍：BMduino程式設計（基礎篇）：BMduino Programming (Basic Concept & Tricks)與第二本書籍：BMduino進階程式開發（雲端連線篇）：BMduino Advanced Programming (Access Clouding Platform Technology)、BMduino進階程式開發（常用模組篇）：BMduino Advanced Programming (Popular Modules)後，希望可以針對校園之程式設計課程或畢業專題中，發想一個完整的系統專案、或是資電產業之物聯網工程師想開發完整的物聯網產品或系統。 本書搭配BMduino開發板與網路模組如何透過物聯網架構之網路通訊技術，以智慧門禁為開發目的之完整之門禁裝置端與雲端管理平台管理端之完整開發系統之整合範例，進行手把手一步一步教學範例。 接下來從所有硬體裝置之感測模組開始介紹，接下來產品設計概念、原理與相關技術介紹，最後整合雲端連線機制，可以將門禁進出資料傳輸到雲端管理平台，也可以透過平台門禁管理規格，透過雲端連線機制取得門禁管控規則進而透過硬體裝置控制電磁鎖開門或關門。 接下來進行雲端管理平台之建置、開發、與整合硬體與門禁系統設計概念、原理與相關技術需求，進行開發雲端管理平台之管理機制，並整合到雲端管理平台，上述所有的技術與所有感測模組，筆者會一步一步介紹使用這些模組與系統整合技術，逐步完整一個完整的物聯網產品與系統。 BMduino開發板最強大的不只是它的簡單易學的開發工具，最強大的是它網路功能與簡單易學的模組函式庫，幾乎Maker想到應用於物聯網開發的東西，只要透過眾多的周邊模組，都可以輕易的將想要完成的東西用堆積木的方式快速建立，而且BMduino開發板市售價格比原廠Arduino Yun或Arduino + Wifi Shield更具優勢，最強大的是BMduino開發板低廉的價格與Wifi與藍芽模組都可以透過外加方式擴充，更符合物聯網的基本需求，這是今年以來BMduino開發板為何這樣火熱的原因，希望透過這個系列書籍的分享，讓Maker不需要具有深厚的電子、電機與電路能力，就可以輕易駕御BMduin

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

"《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"

☆★☆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。

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。

「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

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。

用最簡單的方式，打造專屬於你的自動化神器，從此告別重複工作，把時間拿回來！★ 不會寫程式也沒關係，AI 幫你一行一行生出來★ Google Apps Script、Python、VBA 三大語言通通教，幫你選最適合的那一個★ 搭配大量實用案例，讓你馬上應用在日常工作★ 從自動寄信、整理報表，到跨平台整合，通通一書搞定★ 專為初學者設計，每段程式碼都有白話說明只要你曾經想過：「這工作可以不要一直重複做嗎？」這本書，就是你的解答！【簡易入門】讓你從 0 開始不怕程式．三大熱門自動化工具：Google Apps Script、Python、VBA，一次搞懂差異．完整入門流程：從介面操作、程式碼結構，到如何用 AI 協助寫程式．初學者必備觀念：function、debug、權限、API…通通白話解釋【動手實作】跟著做就會，自動化實戰案例滿載．自動寄送報表給主管、定時備份資料、表單送出即時通知．整合 Gmail、Google Sheets、Forms、Drive，打造你的工作助理．案例皆搭配 GenAI 助手操作範例，讓你不懂語法也能跑起來【自由創作】玩出自己的創意自動化．結合多個工具，打造跨平台的工作流程．學會部署前端小介面，讓你寫的程式更好用、更像一個小產品．把 AI 不只放在旁邊寫程式，而是真正「嵌入」到你的程式裡面！【本書適合】◎行政人員與助理：每天重複處理表單、報表、寄信、對帳◎中小企業老闆或主管：希望提升工作效率、又沒有程式背景◎會計、財務與人資人員：經常操作 Excel 或 Google Sheets◎業務與行銷人員：身兼多工、想把流程自動化◎自由工作者、創作者與接案者：想靠自己建立自動化工具◎學生與轉職者：想打好基礎、未來走向資料分析或工程領域