Introducing Python

本書跟隨 Katie 度過充滿變動的新學年。她原以為自己與 Kacey 的友情堅固如同項鍊上的字樣，然而夏令營後的距離感讓她開始懷疑友情是否會改變。面對六年級即將到來的新生活，她對牙套、同儕以及是否能融入產生許多憂慮。她嘗試用反覆的動作讓自己冷靜下來，也悄悄思索：若別人知道她的擔心會不會覺得她很奇怪？本書以平實風格描繪成長過程中難以言說的情緒，展現尋找理解與支持的重要。New grade. New friends. New worries? Introducing an irresistibly relatable graphic novel about friendship, anxiety, and growing up―just right for fans of Real Friends and Guts!Katie knows there’s stuff that makes her different. She’s homeschooled, she has freckles, and her teeth are really crooked. But none of these things matter to Kacey. They’re best friends forever―just like their necklaces say. But when they go to summer camp, Kacey starts acting weird. What happened to the “forever”? And when Katie gets home, she can’t stop worrying. About getting braces. About 6th grade. About friends. She knows tapping three times or opening and closing a drawer won’t make everything better…but sometimes it helps stop the worrying. Is something wrong with her? And will anyone want to be friends with her if they f

本書系統地介紹了機器學習的相關知識。本書共12章,內容包括機器學習、機器學習的數學基礎、不同格式數據的讀取與寫入、數據預處理、回歸、決策樹分類、貝葉斯分類、支持向量機分類、聚類、人工神經網絡、OpenCV圖像識別、TensorFlow深度學習。 本書可作為高等院校計算機、人工智能、軟件工程、信息管理等相關專業的機器學習課程教材，也可作為相關技術人員的參考書。

本書從理解問題定義、了解數據內的高層信息、數據清理、視化數據，到基礎建模、模型優化，分享一個數據分析師的視角與思路。在預測分析的流程中，一步步用詳細的圖文代碼講解使用到的庫，如何正確使用各個庫中的方法和函數，以及在遇到類似的問題時如何套用學過的知識。 本書共8章。第1章對預測分析的流程進行一個高層次的概述。第2章介紹本書需要安裝使用的庫，並講解數據清理步驟的執行。第3章講解基礎建模需考慮的細節，結合第4章的模型選擇，可以搭建一個基礎的預測管道。第5章和第6章分別從模型和數據的角度講解如何優化預測表現。第7章講解時間序列這一特殊數據的預測方法。最後，第8章總結全書學習到的內容，解決一個實戰問題。 本書面向3類讀者。第1類，有編程基礎但毫無數據科學背景，有意入門的讀者；第2類，有數據科學理論基礎，有意進入實操的讀者，如剛畢業沒有業界經驗的學生；第3類，有數據科學理論基礎與實操經驗，但日常工作集中在數據分析管道中的數據分析師。

本書從零開始系統講解了使用Pandas導入Excel數據，然後使用Pandas技術對數據做整理和分析，後導出為不同形式的Excel文件。完整實現了數據的導入、處理、輸出的處理流程。 全書共10章。第1章為Pandas數據處理環境的搭建，第2章為使用Pandas對Excel數據讀取與保存，第3章介紹與Pandas底層數據相關的NumPy庫，第4章介紹了Pandas中DataFrame表格的增、刪、改、查等常用操作，第5章介紹了對Series與DataFrame兩種數據的運算、分支、遍歷等處理，第6章介紹了字符串的各種清洗技術，第7章介紹時間戳與時間差數據的處理，第8章介紹Pandas中分層索引及與索引相關的操作，第9章介紹了對數據的分組處理及做數據透視表處理，第10章介紹了表格的數據結構轉換，以及多表讀取與保存。書中包含相應示例，不僅可以學會理論知識還可以靈活應用。 本書可作為Excel愛好者和數據分析初學者的入門書籍，以及想提高數據分析效率，拓展數據分析手段相關人員的參考書籍。

自然語言處理是人工智能的重要分支，本書是一本自然語言處理的入門教材，主要面向高年級本科生和低年級研究生。本著理論結合實踐的基本原則，本書共分為 11 章，其中第 1 章概述了自然語言處理的研究內容、發展歷程、技術特色和當前現狀，是概述性的一章。第 2 章是自然語言處理的編程基礎，對 Python 語言及其相關模塊進行了介紹。第 3 章是自然語言處理的算法基礎，主要對常見的機器學習算法(分類算法、聚類算法、模型評估方法、概率圖模型、集成學習、人工神經網絡等)進行了講解。 第 4 章和第 5 章從統計學方法入手講解了自然語言處理的兩個基礎任務：分詞和關鍵詞抽取。第 6 章則講解了當前流行的詞向量技術，尤其是 Word2vec 和大規模預訓練模型 BERT。從第 7 章至第 11 章分別對當前自然語言處理的熱門研究領域展開講解，包括文本分類、信息抽取、機器閱讀理解、文本生成和摘要抽取、對話和聊天系統等。 本書除了可以作為高等院校計算機、大數據和人工智能及其相關專業的本科生和研究生教材，也可供對自然語言處理技術感興趣的研究人員和工程技術人員閱讀參考。

👉👉👉超好評！首版上市累積銷售數千本～ ☝ 感謝讀者熱情支持，再版推出暢銷回饋嘉惠更多朋友 ☝ 好評再上市，回饋發行中！ 專業的投資理財，需要金融知識、資料分析與資訊技術等三者的結合。而具備資訊技術的工程師學習金融理財，只欠東風，藉由本書提供的金融專業與資料分析的方法，將幫助工程師善用程式工具，來學習投資理財。 Python及R語言簡單好用，函數工具與套件齊全，延伸應用廣泛，並且在統計、圖形繪製、網路資料擷取上都很方便。藉由本書118個技巧與案例的逐步演練及說明，再加上工程師本身的資訊技能，學習金融科技理財，如獲降龍十八掌。 在資訊技術逐漸滲入金融領域的同時，傳統的交易與理財工具也不斷的改變與進化。另外，隨著網路的普及，許多的資料與行為數據公開在網路上，可讓使用者分析與取用，形成金融科技應用的一個領域。 本書的第一章先介紹商品，使你對於市面的商品及其應用有初步的認知，接著第二、三章則介紹資料的取得方式，能將資料載入程式中使用。後續的章節內容繼續說明常見的投資商品與應用方式，並加上程式的輔佐應用介紹，最後介紹國內券商的即時報價與下單，可給你基礎的金融交易概念。 【工程師為何要學習理財？】 ◎工程師具備資訊技能，能掌握資訊工具進行數據分析，易於進入量化與自動化的理財領域。 ◎工程師喜歡探索問題，並找出解決方案，透過方法與工具的學習，可找出屬於自己的理財方式，並交由程式執行。 ◎工程師有自己的職能工作，無法像專業操盤手一樣，有很多時間盯盤，交給程式輔助判斷或是自動執行，是最合適的方式。

這是一本具有高中數學知識就能讀懂的機器學習圖書，書中通過大量程序實例，將複雜的公式重新拆解，詳細、清晰地解讀了機器學習中常用的微積分知識，一步步帶領讀者進入機器學習的領域。

本書參照教育部計算機基礎課程實驗教學的基本要求，主要介紹信息技術及其應用，從基礎原理出發、以具體應用為導向進行數據處理講解。 全書共三部分：第一部分（～4章）為數據處理基礎，介紹數據獲取以及基本的數據處理方法，包括使用軟件、瀏覽器插件等工具爬取數據，Excel電子表格數據處理和圖像數據處理；第二部分（第5～8章）為數據可視化展示，介紹數據可視化的不同形式，包括Word圖文報告設計、PPT演示文稿製作、Camtasia視頻製作和Animate動畫設計；第三部分（第9～12章）為編程式數據處理，介紹編程相關的數據處理，包括網頁設計與製作、微信小程序開發、Raptor算法工具介紹以及Python數據處理。全書提供了大量應用實例，例題大部分配備了視頻，用於展示數據處理過程。 本書適合作為高等院校本科生計算機通識教育課程的教材，也可供非計算機專業有志於學習數據處理的人員參考。

“數據結構”是計算機專業的一門專業基礎課，開設計算機專業的高校都要開設“數據結構”課程。本書語言通俗易懂，以精簡、突出重點的方式講解各種基本的數據結構和算法，如鏈表、二叉樹、排序，另外配有易於讀者理解的圖示講解，能夠 好地幫助讀者打好數據結構基礎。書中還介紹了各種算法的歷史淵源，引發讀者的學習興趣。本書後半部分有配套的實驗案例，供讀者參考學習，加強讀者對數據結構和算法的實際應用，加深算法熟練度。 本書適合高等院校計算機科學與技術及相關專業本科生、研究生使用，還可作為從事計算機工程與應用工作的科技人員的參考書。

《機器學習理論與實踐》用通俗易懂的語言介紹了淺層機器學習、深度學習的主要模型原理及實現程序，以及編寫機器學習程序所需要的編程語言背景與數據處理方法等。主要內容包括淺層監督學習模型，如線性模型、決策樹模型、貝葉斯模型、支持向量機模型、k-近鄰模型、人工神經網絡模型、集成學習模型；淺層無監督學習模型，如k均值聚類方法、DBSCAN聚類方法；深度學習模型，如自動編碼器、卷積神經網絡；編程語言基礎，包括Python基本語法，numpy庫、pandas庫、matplotlib庫、os模塊等；數據預處理方法，如圖像處理方法（線性增強、空間域濾波、頻率域濾波）、數據規範化方法（min-max數據規範化方法、z-score數據規範化方法）、類別編碼方法（one-hot編碼）、數據降維方法（主成分分析）；機器視覺領域常見的特徵提取方法等。 《機器學習理論與實踐》可作為高等院校相關專業學生的教材，還可作為對機器學習感興趣讀者的參考書。

主要內容 ●探索深度學習的 MLE (maximum likelihood estimation)原理和統計學基礎 ●發現能輸出各種可能結果的概率模型 ●學習使用標準化流來建模和生成複雜分布 ●使用貝葉斯神經網絡獲取模型中的不確定性

全書圍繞Alink(阿裡在Flink基礎上做的開源版本)的展開，以實例為主闡述Alink的使用。以機器學習的知識架構將各個章節串聯起來，每個章節配合實例，用戶更容易理解和入手嘗試。數據會採用讀者能免費下載的數據集，在加上Alink本身是開源的、免費的。用戶試用起來沒有成本。實例實現的源代碼，準備放在Alink開源git上，大家容易看到，可以直接下載，代碼旁邊會有實體書的介紹?以機器學習的知識架構將各個章節串聯起來，每個章節配合實例，用戶更容易理解和入手嘗試。數據會採用讀者能免費下載的數據集，在加上Alink本身是開源的、免費的。用戶試用起來沒有成本。實例實現的源代碼，準備放在Alink開源git上，大家容易看到，可以直接下載，代碼旁邊會有實體書的介紹。

本書將基礎理論和案例實戰相結合，循序漸進地介紹了關於機器學習領域中的經典和流行算法，全面、系統地介紹了使用Python實現機器學習算法，並通過PyTorch框架實現機器學習算法中的深度學習內容。第一部分為基礎篇，包括第1～8章，系統地介紹了機器學習基礎、數據預處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、神經網絡與多層感知機； 第二部分為綜合篇，包括第9～12章，介紹了CNN、RNN、GNN及GAN等經典深度學習方法及其在計算機視覺與自然語言處理領域中的應用實踐； 第三部分為拓展篇，包括第13～15章，以百度飛槳和曠視天元為例介紹了具有代表性的國產開源框架及其應用案例，最後簡要介紹了國內外兩個主流機器學習競賽平臺。本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，從事高等教育的專任教師，高等學校的在讀學生及相關領域的科研人員。

本書主要介紹了Django編程開發與運維過程中涉及的方法、技巧和實戰經驗，共分5篇。“第1篇 基礎”介紹用Django開發Web應用的基礎知識；“第2篇 後臺項目實戰”通過開發一個商城系統的後臺來融合前面章的知識點；“第3篇 進階”通過Django Rest Framework框架來設計和實現RESTful風格的接口，以及分層的自動化測試和基於Redis的緩存技術；“第4篇 前臺項目實戰”使用前後端分離的方式開發商城系統前臺，涉及Vue.js、Axios、Vue Router、Vuex、RESTful接口等技術。“第5篇 部署運維”涉及Django的傳統部署，Django的Docker部署，持續集成，持續交付和持續部署，運維監控。本書通過完整的商城系統實例，融合了Django開發中涉及的知識點；通過大量實例手把手帶領讀者從需求、開發、集成、代碼安全檢測、測試、部署上線等環節踐行“軟件開發運維一體化”的理念。