Introducing Python

本書採用案例式編寫模式，包括7個單元，其中，單元1介紹數據分析的基本概念、流程和常用工具包，單元2介紹數據標注的分類、基本流程及工具的使用，單元3介紹ndarray數組及Python科學計算庫NumPy，單元4介紹數據分析處理庫pandas，單元5介紹數據可視化工具包Matplotlib和seaborn，單元6介紹分類和回歸模型及評價指標，單元7通過兩個綜合案例講解數據分析的具體處理過程。 本書可作為各類職業院校人工智能技術應用及相關專業的教材，也可作為人工智能愛好者的自學參考用書。 本書配有電子課件，選用本書作為授課教材的教師可登錄機械工業出版社教育服務網(wwwcmpeducom)註冊後免費下載，或聯繫編輯(010-88379807)諮詢。

本書從應用工程師的角度出發，著重探討Ansys Mechanical隱式求解中可能碰到的各種技術問題，重點介紹Workbench Mechanical仿真工具。第1章對Workbench Mechanical(以下簡稱Mechanical)和Mechanical APDL(以下簡稱MAPDL)兩者的聯繫和區別進行了概括性討論。第2章～第5章對Mechanical在仿真流程從前處理到後處理的技術問題進行了梳理。第6章討論了Mechanical在不同求解類型下的技術問題。第7章主要講述Mechanical中的接觸技術中的常見問題。第8、第9章分別從APDL和Python兩方面對Mechanical的功能進行擴展。第10章對結構分析中常見的分析技術如緊固件分析，屈曲分析等進行了講解和演示。

本書主要以實現遙感影像的分類、目標檢測與目標識別為目的，系統地講述了遙感技術與深度學習的關係、深度學習的數學基礎、卷積神經網絡基礎、Python基本語法、深度學習框架PyTorch和TensorFlow搭建方法，最後通過LeNet實踐、Faster R-CNN實踐和U-Net實踐，帶讀者體驗深度學習應用於遙感數據處理的具體操作。本書可作為普通高校遙感科學與技術、攝影測量與遙感、GIS、模式識別與智能處理等專業的實習教材，也可作為AI開發愛好者的自學入門教程。

機器學習最強入門 基礎數學/機率/統計 邁向 AI真實數據 x 專題實作 ★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★ ★★★★★【最簡明的數學、機率、統計知識】★★★★★ ★★★★★【最完整的機器學習演算法】★★★★★ ★★★★★【最豐富的真實數據 x 專題實作】★★★★★ 本書特色如下： ★ 最白話解釋數學原理 ☆ 從簡單的數據開始理解機器學習的演算法 ★ 將理論知識轉化為實際的程式碼 ☆ 實際案例分析 全書有約416個Python程式實例，讀者可以由本書內容，了解下列與機器學習有關的基礎數學、機率、統計知識： ★ 方程式與函數 ☆ 完整Python語法 ★ 一元函數到多元函數 ☆ 最小平方法 ★ 基礎統計 ☆ 機率與單純貝式理論 ★ 指數與對數 ☆ logit函數與logistic函數 ★ 向量與矩陣 ☆ 二次函數、三次函數與多項式函數 當讀者有了上述知識後，筆者從簡單的實例開始介紹下列機器學習的演算法，每一種演算法皆是從基礎數據開始解說，然後跨入真實數據，解說應該如何將演算法應用到真實案例環境： ★ 線性迴歸 – 波士頓房價 ☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病 ★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail ☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析 ★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球 ☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料 ★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論 ☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價 ★ K-means分群 – 購物中心消費/葡萄酒評價 ☆ PCA主成分分析 – 手寫數字/人臉數據 ★ 階層式分群 – 小麥數據/老實泉 ☆ DBSCAN演算法 – 購物中心客戶分析 在講解上述演算法時，筆者同時介紹下列機器學習應該知道的知識： ★ 特徵選擇 ☆ 用直方圖了解特徵分佈 ★ 用箱型圖了解異常值 ☆ 數據預處理 ★ 殘差圖(Residual plot) ☆ 機器學習性能評估 ★ 過擬合(overfitting) ☆ 欠擬合(underfitting) ★ 數據洩漏(Data leak

本書以實用和可接受的方式詳細介紹了數據科學領域，強調動手實踐。獨立於技術介紹數據科學的基本思想和相關技術，允許學生在沒有強大的技術背景的情況下輕鬆地發展對該主題的堅定理解，並提供即使在工具和技術發生變化後仍然具有持續相關性的材料。使用流行的數據科學工具，如Python和R，這本書提供了許多實際應用的例子，實踐範圍從小數據到大數據。為教師和學生提供的一套在線材料，包括數據集、PPT、解決方案和課程建議等。

《Java程序設計任務驅動式實訓教程》共20章，每章均由任務預覽、知識講解、小結、習題(附答案)以及實訓(有代碼框架)組成。讀者每學完一章，就可立即上機實操，以鞏固所學知識。無論是編程新手，還是具有C、C++、C# 或Python基礎的程序員，讀完本書都能有所收穫。在教學內容安排上，書中融入思政元素。本書特別適合本科、高職高專、參加Java認證考試的學生以及剛入職的ICT從業者使用。

公文种类繁多，本书选取工作报告作为样本研究，分为理论模型与实操方法。 理论模型部分，利用大数据技术，对国务院政府工作报告进行文本挖掘，建立总结与 部署、开头与结尾、感谢与问题、体会与要求四个模块八大要素写作模型，分类提取 高频词汇，总结提炼工作报告写作步骤及要点。实操方法部分，运用 Python、PHP、 Mysql、Sqlite 等技术，构建个人知识库、公文语料库网站，提供全部源码，实现相关 功能。

本書共分為 8 章，主要內容包括與人工智能相關的數學知識，Python 語言所特有的語法和技巧，如何實現 透明無縫的 Docker 模型發佈，業界優秀的 Git 代碼版本管理工具，模型開發環境的配置，高級人工智能開發工 程師常用的 IDE 開發工具，經典神經網絡模型的剖析和分解，如何實現 RPC 遠程調用，訓練樣本序化組織結 構 TFRecord，模型訓練、保存和封裝發佈，模型訓練的 GPU 配置和機制策略的部署，模型從訓練到發佈的完 整示例等。 本書適合有計算機專業和數學專業背景的初、中級開發者閱讀，以便快速掌握和駕馭人工智能全棧技術， 也適合作為在職人工智能模型開發人員查詢時使用的手冊級工具用書，還適合作為中職學校、高等院校及培訓 機構計算機人工智能和大數據等相關專業的教學用書。

本書從網絡爬蟲技術出發，結合一線教師的教學實際經驗與當前學生的實際情況編寫而成，側重於講述爬蟲技術知識，注重專業應用能力和計算思維能力的培養。本書深入淺出地講解了大數據爬蟲技術。全書共6 個項目，包括爬蟲基礎、Python 爬蟲、爬蟲與數據存儲、Scrapy 框架、爬取動態網頁以及爬蟲與數據分析。每節列出了學習目標，指明了教與學的知識、技能、素養培養方向，並附帶上機實訓項目與操作指導，理論與實踐相結合，實用性強，方便學生及時鞏固技能，提升操作能力。

本書是編者在多年概率論與數理統計教學實踐基礎上，根據高等學校工科各專業的“概率論與數理統計課程基本要求”編寫的，共十一章，包括隨機事件及其概率、一維隨機變量及其分佈、多維隨機變量及其分佈、隨機變量的數字特徵、大數定律與中心極限定理、數理統計的基本概念與抽樣分佈、參數估計、假設檢驗、方差分析、回歸分析、概率論與數理統計在Python中的實現.書中內容注重提高學生的學習興趣和應用能力.隨書通過二維碼配有數學家故事、本書的拓展內容等，同學們可課下掃碼閱讀.部分習題配有答案，同學們可在驗證時參考. 本書內容豐富，闡述簡明易懂，注重理論聯繫實際，可作為高等學校工科、經管類各專業概率論與數理統計課程的教材，也可作為教學參考書。

OpenCV作為一個應用廣泛的開源計算機視覺庫，正在受到越來越多的關注。目前OpenCV的各類教程基本上以Python和C++為主，基於Java的OpenCV書籍則少之又少，本書旨在彌補這一空白。 本書共13章，前4章是基礎部分，包括OpenCV概述和安裝配置、數字圖像基礎及圖像基礎操作等內容；第5到11章則包括了圖像的幾何變換、圖像平滑、形態學操作、直方圖、邊緣檢測與輪廓、霍夫變換、特徵點檢測和匹配等進階內容；第12～13章屬￿提高內容，主要介紹機器學習和視頻跟蹤技術。 本書以通俗易懂的語言，圖文並茂的講解力圖使初學者能夠快速高效入門。本書面向的讀者是包括高校學生在內的各類初學者、研究計算機視覺的業餘愛好者及需要快速上手的專業人員。

《Pandas數據分析》詳細闡述了與Pandas數據分析相關的基本解決方案，主要包括數據分析導論、使用Pandas DataFrame、使用Pandas進行數據整理、聚合Pandas DataFrame、使用Pandas和Matplotlib可視化數據、使用Seaborn和自定義技術繪圖、金融分析、基於規則的異常檢測、Python機器學習入門、做出更好的預測、機器學習異常檢測等內容。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。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。

本書基於PyTorch框架介紹深度學習的有關理論和應用,以Python為實現語言。全書共分10章，內容包括深度學習的概念和發展過程、感知器、全連接神經網絡、卷積神經網絡、若干經典CNN預訓練模型及其遷移方法、深度卷積神經網絡應用案例、循環神經網絡、基於預訓練模型的自然語言處理、面向模型解釋的深度神經網絡可視化方法、多模態學習與多模態數據分類等。 本書兼顧理論與應用、原理與方法，集系統性、實用性、便捷性於一體，易於入門，實例豐富，所有代碼全部經過調試和運行。此外，每一章後面都配有適量的習題，供教學和學習參考使用。 本書可作為各類高等學校人工智能和計算機相關專業的“人工智能”或“機器學習”課程的教材，也可作為人工智能、深度學習愛好者和初學者的自學教材，以及從事人工智能課題研究和應用開發人員的參考用書。

本書從爬蟲項目開發環境搭建開始，詳細講解從數據采集到內容可視化的全過程。本書從7個網站爬蟲項目出發，根據項目需求選取不同的數據采集和處理技術，並有針對性地講解幾種Python網絡爬蟲。本書共8章，前3章是入門篇，第4、5、6章是進階篇，第7、8章是高級篇。涵蓋的內容有Scrapy爬蟲、Requests爬蟲、Selenium模擬瀏覽器、XPath語言、CSS選擇器、CSV存儲、MySQL存儲、JSON讀取、Parsel解析、Flask框架、ECharts可視化等。本書參考企業項目開發的工作流程，圖文並茂地講解每個操作步驟，並提供運行結果讓讀者檢驗自己的代碼，中間也穿插介紹相關知識點和疑難問題。本書適用于高職高專院校大數據技術專業開展項目化教學和畢業設計指導，也可作為網絡爬蟲愛好者的啟蒙資料。

本書是學習ROS的實用化書籍。從對機器人的介紹開始，由淺入深依次講解ROS依賴的Linux系統、常用的高級編程語言Python、ROS環境和機器人編程開發實訓等內容。在學習ROS開發過程中，本書在實戰篇加入了SLAM建圖、視覺跟隨和物聯網控制等前沿知識的介紹，使讀者在學習編程技能的同時，能夠更加深入地理解最新的機器人控制理論。為了發揮ROS與ROS2各自的優勢，本書提出了ROS與ROS2混合編程方法，並給出了翔實的實踐案例。 本書可供從事無人駕駛和移動機器人研究的科研工作者、高校教師及相關專業學生使用。

本書首先從Python 基本語法開始討論，逐步介紹必備的數學知識與神經網絡的基本知識，並利用討論的內容編寫一個深度學習框架TensorPy，有了這些知識作為鋪墊後，就開始討論生成對抗網絡（GAN）相關的內容。然後，本書使用比較簡單的語言來描述GAN 涉及的思想、模型與數學原理，接著便通過TensorFlow實現傳統的GAN，並討論為何一定需要生成器或判別器。接下來，重點介紹GAN 各種常見的變體，包括卷積生成對抗網絡、條件對抗生成網絡、循環一致性、改進生成對抗網絡、漸近增強式生成對抗網絡等內容。本書從模型與數學的角度來理解GAN 變體，希望通過數學符號表達出不同GAN 變體的核心思想，適合人工智能、機器學習、計算機視覺相關專業的人員學習使用。

Join Pancakes and Cha-Cha as they fall into a brilliant world of magic, mischief and a whole lot of pizza!Discover the brand new story from Stuart Heritage!Introducing brothers, Pancakes and Cha-Cha.Pancakes and Cha-Cha are set for a perfect day of pizza and playing in the park... when they are surprised by a genie granting wishes!What in the whole wide world will they wish for? Treasure or magical powers? Or a pizza the size of a paddling pool? Or maybe - just maybe - they'll be surprised by something unexpected.Stuart Heritage and Nicola Slater, creators of the laugh-out-loud Jonathan the Magic Pony, are back with a warm-hearted, bedtime story about brotherly love, the art of compromise and an elephant covered in cheese.

《精通嵌入式Linux編程》詳細闡述了與嵌入式Linux開發相關的基本解決方案，主要包括初識嵌入式Linux開發、關於工具鏈、引導加載程序詳解、配置和構建內核、構建根文件系統、選擇構建系統、使用Yocto進行開發、Yocto技術內幕、創建存儲策略、現場更新軟件、連接設備驅動程序、使用分線板進行原型設計、init程序、使用BusyBox runit啟動、管理電源、打包Python程序、瞭解進程和線程、管理內存、使用GDB進行調試、性能分析和跟蹤、實時編程等內容。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。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。