Introducing Python

統計學習是機器學習的重要分支，本書兼顧了數學上的理解和代碼實踐，內容主要包括基礎知識和統計學習模型。第1章、第2章結合VC維介紹過擬合的本質，並介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發經過概率統計的解讀而得到分類和回歸算法；第5章討論了不依賴於假設分布的非參數模型；第6章將核方法作為一種非線性拓展的技巧介紹如何將該方法應用到很多算法中，並且引出了著名的高斯過程；第7章以混合高斯作為軟分配聚類的代表性方法，從而引出著名的EM算法；第8章討論了機器學習的集成算法；第9章介紹的線性和非線性降維方法將會解決維度災難問題，並且不同於單純的特征選擇；第10章討論了不依賴於獨立同分布假設的時間序列算法。本書適合對於統計學習感興趣的大學生、工程師閱讀參考。閱讀本書需要具備基礎的Python編程技術和基本的數學知識。

理解密碼學的使用場合、誤用方式和原因了解什麼是安全哈希，以及安全哈希的基本屬性了解塊密碼(如AES)的算法和模式,以及不當配置的密碼為什麼容易遭到破解使用消息完整性和/或數字簽名來保護消息使用現代對稱密碼，如AES-GCM和ChaCha了解公鑰加密的基礎知識,包括ECDSA簽名了解如何破解填充不當的RSA加密使用TLS連接進行安全通信了解證書的工作原理，熟悉證書鎖定和CT日志等新功能

本書緊貼計算機領域，從程序員的需求出發，精心挑選了程序員真正用得上的數學知識，通過生動的案例來解讀知識中的難點，使程序員更容易對實際問題進行數學建模，進而構建出更優化的算法和代碼。本書共分為三大模組：“基礎思想”篇梳理程序設計中常用的數學概念和思想，既由淺入深地精講資料結構與數學中基礎、核心的數學知識，又闡明數學對程序設計和算法的真正意義；“概率統計”篇以概率統計中核心的貝葉斯公式為基點，向上講解

無

本書以機器學習算法為主題，詳細介紹算法的理論細節與應用方法。全書共19章，分別介紹了邏輯回歸與z大熵模型、k-近鄰模型、決策樹模型、樸素貝葉斯模型、支持向量機模型、集成學習框架、EM算法、降維算法、聚類算法、神經網絡模型等基礎模型或算法，以及8個綜合項目實例：汽車運動學片段分類、垃圾信息識別、乳腺癌識別、波士頓房價預測、生成動漫人物、鳶尾花分類、人臉識別、保險行為數據用戶分類器。本書重視理論與實踐相結合，希望為讀者提供全面而細致的學習指導。 本書適合機器學習初學者、相關行業從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

Master the practical aspects of implementing deep learning solutions with PyTorch, using a hands-on approach to understanding both theory and practice. This updated edition will prepare you for applying deep learning to real world problems with a sound theoretical foundation and practical know-how with PyTorch, a platform developed by Facebook's Artificial Intelligence Research Group.You'll start with a perspective on how and why deep learning with PyTorch has emerged as an path-breaking framework with a set of tools and techniques to solve real-world problems. Next, the book will ground you with the mathematical fundamentals of linear algebra, vector calculus, probability and optimization. Having established this foundation, you'll move on to key components and functionality of PyTorch including layers, loss functions and optimization algorithms. You'll also gain an understanding of Graphical Processing Unit (GPU) based computation, which is essential for training deep learning models

從無到有的實作，在動手做的過程中強化對於深度學習的理解 或許您也曾經用過Tensorflow、PyTorch這類深度學習的框架（Framework），相信您也曾經對裡頭那些神奇的技術與有趣的結構嘆服不已。這本書就是為了解開這些疑問，正確瞭解這些技術而撰寫的。希望你可以從中體會這種技術性的「樂趣」。基於這個目的，本書將秉持著「從零開始製作」的方針，從無到有，一邊操作，一邊思考，透過實作加深理解，獲得

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數學知識，一步步帶領讀者進入機器學習的領域。本書共 22 章，主要講解了數據可視化、math 模塊、sympy 模塊、numpy 模塊、方程式、函數、*小平方法、集合、概率、貝葉斯定理、指數、對數、歐拉數、邏輯函數、三角函數、大型運算符、向量、矩陣與線性回歸等數學知識。

本書分為12章，涵蓋的主要內容有Scrapy框架簡介；Scrapy網絡爬蟲知識介紹；Scrapy開發環境的搭建；Scrapy架構及編程；Scrapy進階；實戰項目：Scrapy靜態網頁的爬取；實戰項目：Scrapy動態網頁的爬取；實戰項目：Scrapy爬取App應用數據；Scrapy的分布式部署與爬取；分布式的實戰項目；用Selenium框架測試網站；用Scrapy+Pandas進行數據分析。

（1）系统：全流程讲解Scrapy的原理和实战，依次击破编程难点。 （2）经典：凝聚笔者十多年的Scrapy使用经验，无私奉献设计秘籍。 （3）深入：浅入深出地介绍爬虫原理、数据爬取、数据保存、数据分析和测试等技术。并且，所有案例都配有对应的代码，拿来就用。