Natural Language Processing with Python

本書以Python語言為基礎描述了網絡爬蟲的基礎知識，用大量實際案例及代碼，向讀者介紹了編寫網絡爬蟲所需要的相關知識要點及項目實踐的相關技巧。本書共5章，介紹了爬蟲的基本結構及工作流程、抓包工具、模擬網絡請求、網頁解析、去重策略、常見反爬措施，以及大型商業爬蟲框架Scrapy的應用，最後介紹了數據分析及可視化的相關基礎知識。

本書以數據處理為主線，介紹數據處理的基本原理、常見的算法思想、算法設計的可視化以及編程實現python語言。全書共13章，主要內容包括數據科學基礎實踐概論、數據表示、數據計算、數據分析、數據可視化、算法可視化工具、算法設計基礎、Excel中的算法、Python程序設計基礎、算法在Python中的實現、Word文檔處理、Flash動畫製作、Xmind思維導圖製作。本書可作為高等學校非計算機專業學習數據科學課程的實踐教材,也可以作為讀者快速理解數據處理和算法設計與實現的自學參考書。

本書主要講述軟件接口測試的技術和方法，共11章。本書結合大量示例代碼，介紹了Python編程環境，Python編程基礎知識，單元測試框架UnitTest，接口測試的基礎知識，接口測試環境的搭建，接口測試案例，接口 Mock 的應用，接口測試工具，基於接口的性能測試案例，Python項目持續集成的案例，接口自動化測試平臺的設計與實現。本書不僅適合測試人員、開發人員、運維人員、項目管理人員閱讀，還適合作為高等院校相關專業的教材。

本書以Python+Selenium+Unittest為基礎，結合PageObject設計模式，通過測試作者自研項目逐步搭建UI自動化測試框架。Python是測試在開發過程中使用最多的語言，Selenium是當前***的Web UI自動化測試工具，這套Python+Selenium+Unittest+PageObject結合的測試框架可以直接應用到實際工作當中。本書共14章，其中第1～6章講述了Python基礎、前端基礎和Selenium的基礎。第7～12章結合分層思想對Selenium Webdriver做了多達6次的封裝和優化，目的是讓框架結構更加清晰、使用起來更加方便，同時也能讓讀者對封裝有更深一層的理解。第13～14章筆者介紹了Gitee代碼管理和Jenkins持續集成，其中Gitee實現了代碼託管、Jenkins實現了代碼的自動構建。讀者可以根據實際工作情況在每天特定的時間自動運行UI自動化腳本，確保公司系統功能的穩定性。另外，本書重點內容配有視頻講解，可以讓讀者更加容易理解和實操。本書既適合UI自動化測試的初學者，也可以給具有多年測試開發經驗的人員提供參考，還可以作為高等院校、培訓機構相關專業的教學參考。

開發物聯網項目往往涉及傳感器、單片機、網關設備、通信模塊、網絡協議、後台程序、Web端等多個組件，同時需要運用多種編程語言和研發技能。在產品原型驗證的初期階段，特別是對小團隊而言，整合多方研發資源是一項不小的挑戰。本書通過介紹一個完整的實戰項目，全面展示了物聯網開發從設備到雲端的整體流程。該項目(智能種植系統)包含了遠程燈控、安防報警、環境監測、智能滴灌、設備管理等諸多功能模塊，並且僅採用Python一種編程語言，便實現了傳感器、STM32單片機、嵌入式ARM-Linux網關、雲端程序的開發工作。得益于Python豐富的第三方庫和模塊的支持，即使是對硬件和嵌入式知識瞭解不多的開發者，也能輕鬆駕馭物聯網開發。

本書主要包括三個模塊: 模型與軟件概述、軟件操作實驗和模型實驗。模型與軟件概述介紹了經濟模型的概念和意義, 以及MATLAB和Python兩種軟件的概述和比較。軟件操作實驗模塊詳細介紹了常見的矩陣、微積分、函數可視化、統計等基本運算和機器學習的基礎知識。模型實驗模塊提供了不同領域模型應用的案例研究。

1. 認識 ChatGPT：介紹 ChatGPT 的基本原理與使用方法。幫助讀者快速理解與上手工具。2. 使用 ChatGPT 輔助編寫高質量代碼：系統講解如何利用 ChatGPT 描述需求、補全代碼、檢查語法、調試程序等。大量案例幫助讀者掌握技巧，提高編程效率與代碼質量。3. ChatGPT 與數據采集與清洗：詳細介紹 ChatGPT 如何輔助網頁爬取、解析數據、清洗數據等。案例覆蓋股票數據、人口數據等，有利於讀者的實踐應用。 4. 辦公自動化中的數據存儲與分析：介紹 MySQL 數據庫、JSON 格式等的數據存儲方法。使用 Pandas 展示數據分析與統計方法，互動案例展示 ChatGPT 的輔助作用。 5. 辦公自動化中的數據可視化：使用 Matplotlib 繪製折線圖、柱狀圖、餅圖、散點圖等。案例說明如何利用 ChatGPT 選擇合適的可視化方法與改進圖表。6. ChatGPT 輔助自動化辦公軟件：包括 Excel、Word、PPT、PDF 等。使用相應庫實現這些軟件的自動化操作與功能擴展。大量案例與代碼將 ChatGPT 的作用帶入實際應用，提高工作效率。 本書具有以下特色：1. 首本系統介紹 ChatGPT 與 Python 辦公自動化的實用教程。內容較為全面，覆蓋 ChatGPT 的學習與多個應用場景。2. 提供大量實踐案例與代碼示例，詳細演示 ChatGPT 的強大作用。便於讀者快速掌握知識並應用出成果。 3. 案例使用真實數據，貼近工作實際，有利於讀者理解與記憶。 4. 適合不同層次讀者，新手可以快速入門，專業人士可學習新的解決方案。本書適合以下讀者：1. 對 ChatGPT 與 Python 辦公自動化感興趣的人。可作為入門學習資源。2. 軟件工程師與數據分析師。可提高工作效率與解決方案。 3. 企業培訓師。可作為課程教材，提高職場人才的自動化能力。 4. Python 程序員。可學習新的工具與技能，拓展實現範圍。綜上，本書以實用為主，全面介紹 ChatGPT 的學習與應用。案例貼近實際工作，易於理解與應用。適合各類讀者，實用性強，具

本書介紹了常用的數據結構，全書分為10章，依次為緒論、線性表、棧和隊列、串、廣義表、樹和二叉樹、常用二叉樹、圖、排序及查找。本書採用Python語言來描述和實現各種數據結構，內容豐富，知識點完整，結構層次分明，通過大量插圖來講解算法實現過程，有利於讀者理解並鞏固數據結構的相關算法思想。本書可以作為高職高專院校計算機及相關專業的教材，也適合軟件開發人員參考使用。

本書在不涉及大量數學與編程知識的前提下，從零開始，逐步帶領讀者熟悉並掌握當下***的基於Python 3的人工智能編程工具，包括但不限於數據分析（Pandas），以及支持單機（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）機器學習的開源程序庫，等等。全書共分為4部分，分別如下。（1） 入門篇： 包括對全書核心概念的指南性介紹，以及如何在多種主流PC操作系統上（如Windows、macOS和Ubuntu）配置基本編程環境的詳細說明。（2） 基礎篇： 涵蓋了Python 3.11的編程基礎、基於Pandas 2.0的數據分析，以及使用Scikitlearn 1.3解決大量經典的單機（單核/多核）機器學習問題。（3） 進階篇： 介紹如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分別搭建多種深度學習神經網絡框架。嘗試基於PySpark 3.4的ML編程庫完成一些常見的分布式機器學習任務。（4） 實踐篇： 利用全書所講授的Python編程、數據分析，以及（單機、深度、分布式）機器學習知識，從事Kaggle多種類型的競賽實戰。同時，介紹如何使用Git工具，在Gitee與GitHub平臺上更新和維護自己的日常代碼與編程項目。綜上，本書面向所有對人工智能領域感興趣的讀者，特別適合從事數據挖掘、機器學習、計算機視覺、自然語言處理等相關技術研發和應用實踐的初學者。

本書的主旨是介紹如何結合Python3語言進行各類結構化和非結構化數據的採集、預處理和存儲，涉及統計概率、數據格式與編碼、網頁開發、自然語言處理、數據科學等不同領域的內容。全書共分為11章，包括數據科學概述、Python基礎、統計與概率基礎、文件讀寫與操作、數據可視化、網絡數據爬取等多個主題。內容覆蓋本地文件、網頁數據、大數據訪問等編程中的主要知識和技術，在重視理論基礎的前提下，從實用性和豐富度出發，結合實例演示了數據采集、處理與存儲的核心流程。本書適合高等院校計算機、數據科學與大數據技術、軟件工程、統計等相關專業的師生以及Python語言初學者、網絡爬蟲技術愛好者、數據分析從業人士閱讀。

《零基礎學Python數據分析》(升級版)以數據分析"三劍客”——Pandas、Matplotlib 和 NumPy 為主線，全面介紹了數據分析入門的必備知識，從學習與應用的角度出發，幫助讀者快速掌握數據統計分析技能，拓寬職場道路。本書通過大量的示意圖力求使讀者能夠更好地理解晦澀難懂的專業術語；通過快速示例將學習與應用相結合，打造輕鬆學習、零壓力學習的閱讀氛圍；通過案例對所學知識進行綜合應用；通過開發流行項目將數據統計分析與預測應用到實際工作中。

● 探索關系數據庫和SQL ● 安裝MySQL服務器 ● 處理SQL數據 ● 連接SQL數據庫 ● 通過Python、Java和其他語言與SQL交互 ● 常見和有用的SQL術語 ● 構建和規範化SQL示例數據庫

本書以數值分析原理為綱，以算法設計為本，基於Python語言，介紹了原理分析到“自編碼”算法設計與應用的過程和思想，旨在提升學生的數值計算和實踐編碼能力，其數值算法設計思想可遷移到機器學習和深度學習，為學術深造和應用研究奠定科學計算和自編碼基礎。

本書立足於最新的經濟學專業學習需求，採用 Python 編程語言為工具，“靶向聚焦”經濟學實證分析案例中所需要掌握的計量方法以及編程技巧。一方面以經濟學實際案例驅動編程技巧學習；另一方面以編程語言技巧學習，促進計量經濟學理論及方法的掌握。計量經濟學具有數學化程度高的特點，本科學生在初始學習階段往往感覺難度較大，本書旨在利用 Python 編程語言嚴謹化、可視化的特點，將抽象的計量知識轉化為具體運算代碼，更好地推進學生掌握計量經濟學方法，這也是當前國內外一流經濟學院系的主流教學趨勢。對經濟學專業學生來說，僅僅掌握一門編程語言對後續專業學習的幫助並不直接；單純學習編程與經濟學專業要求掌握的技能，如建模、算法、實證分析等仍有一定距離。本書從經濟學專業知識需求出發，結合實際經濟學數據，利用方法的編程實現，為學生從理論學習到實際運用轉化打下扎實基礎。本書最初依托課程為暨南大學經濟與社會研究院（Institute for Economic and Social Research, IESR）本科經濟學（創新班）大二階段的“計算機編程”課程，該課程全英文授課，內容編排與學生同步學習的計量經濟學課程有機結合，起到互補促進的作用。本書也同時適合高年級經濟學本科學生，以及已掌握本科程度計量經濟學的研究生。對經濟學數據建模感興趣的初級讀者也可將本書作為參考書目。 在寫作上，我們假設的閱讀物件未必需要日常從事大量計算機編程工作，或者較為熟悉計算機專業術語。我們以盡量通俗易懂的語言面向非計算機專業讀者詮釋Python 編程在計量經濟學當中的運用。本書以雙語編寫，英文為主，輔以中文講解。中文講解有兩種主要形式：首先，針對每一個編程知識點、難點，本書配以“Python 技巧小貼士”進行專項講解，提高讀者對編程技巧的理解深度。第二，我們採用中文旁注對編程和經濟學專 業術語進行詮釋, 使讀者能更好地熟悉專有名詞。 本書正文共九章，前三章集中介紹計量經濟學編程中需要掌握的關鍵技巧。由於 Python 語言本身含有海量編程公式，單純講解編程語言需占用大量篇幅且學習效果不佳，閱讀過程中也往往容易遺忘。

《Python貝葉斯建模與計算》旨在幫助貝葉斯初學者成為中級從業者。本書使用了PyMC3、TensorFlow Probability和Arviz等多個軟件庫的實踐方法，重點是應用統計學的實踐方法，並參考了基礎數學理論。本書首先回顧了貝葉斯推斷的概念。第2章介紹了貝葉斯模型探索性分析的現代方法。基於這兩個基本原理,接下來的章節介紹了各種模型，包括線性回歸、樣條、時間序列和貝葉斯加性回歸樹。其後幾章討論的主題包括:逼近貝葉斯計算，通過端到端案例研究展示如何在不同環境中應用貝葉斯建模，以及概率編程語言內部構件。最後一章深入講述數學理論或擴展對某些主題的討論，作為本書其余部分的參考。《Python貝葉斯建模與計算》由PyMC3、ArviZ、Bambi和TensorFlowProbability等軟件庫的貢獻者撰寫。

時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律並預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。本書是基於Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列分析、多元時間序列分析。

從學生的認知能力、思維能力提升的剛性需求出發，融合中國傳統文化，結合有趣的漫畫故事，引入編程思想，特出版系列圖書：《編程初體驗：思維啟蒙》《編程輕鬆學：ScratchJr》《編程趣味學：Scratch3.0》和《編程創新應用：從創客到人工智能》。每本書內容自成體系，相對獨立，之間又有內在聯繫，層次分明，內容形式新穎，能夠激發學生的邏輯思維和創新思維，從而提升各學科的學習能力。《編程初體驗：思維啟蒙》分為上、下兩篇，分別是：認識計算機、Python初體驗。全書以漫畫人物美美、聰聰及寵物狗旺旺的對話展開，以淺顯易懂的文字描述計算機及編程相關知識。其中，上篇包含13個大型知識點和6個不同形式的遊戲；下篇則是以任務的形式向小讀者一步一步講解Python是什麼、Python如何用。學完本書，將會對計算機和Python有全新的認識和理解，邏輯思維也將有質的提升。本書適合啟蒙階段的孩子閱讀學習，可幫助孩子認識計算機、認識Python編程語言。

本書是一本關於在AI時代量化交易的實戰指南，以Python編程語言和ChatGPT技術為工具，幫助讀者掌握量化交易的核心概念和實際應用。通過深入的講解和實踐案例，本書將引領讀者從初學者逐步成長為具有實戰能力的量化交易專家。本書討論了機器學習在量化交易中的應用，包括基本的機器學習算法、特徵選擇和模型評估等，幫助讀者理解機器學習策略的基本原理和實踐方法。通過本書的學習，讀者將能夠全面瞭解量化交易的核心概念和方法，掌握Python編程語言和ChatGPT技術在量化交易中的應用，以及各種常見的量化交易策略的實現和優化。無論您是金融從業者、投資者，還是對量化交易和人工智能感興趣的一般讀者，本書都將為您提供豐富而實用的知識，幫助您在量化交易的世界中插上翅膀，實現投資策略的成功和財富的增長。

本書採用通俗易懂的語言對數字圖像處理的相關概念進行闡述，同時穿插較為典型的Python小程序，使讀者能夠快速掌握數字圖像處理的相關概念和技術。全書共7章，大致可以分為四個版塊。第1、2章為第一版塊，介紹數字圖像處理的基礎知識及彩色圖像處理，使讀者瞭解數字圖像處理最基本的概念，並能夠掌握數字圖像處理的基本流程。第3、4章為第二版塊，介紹圖像空間濾波與圖像頻域濾波，使讀者瞭解數字圖像處理的一般原理。第5章為第三版塊，介紹圖像特徵提取，使讀者瞭解數字圖像處理的基礎應用。第6、7章為第四版塊，介紹圖像壓縮與圖像小波變換，使讀者瞭解數字圖像處理的深入應用。附錄部分展示了如何進行環境配置以及Python的一些基本語法。本書可作為高等院校計算機科學、人工智能、信號與信息處理、通信工程等專業的教材，也可供相關技術人員學習參考。

本書使用最新版本的 Python 3.x 和 TensorFlow 2 的人工智能暢銷指南的更新和擴展版本。不僅提供了人工智能的介紹，更進一步提供了讀者擁有探索智能應用程序的神奇世界和創建自己的應用程序所需的工具。包括七個新章節，介紹了更高級的人工智能概念，包括人工智能的基本用例、機器學習管道、特徵選擇和特徵工程、雲上人工智能、聊天機器人、循環神經網絡和其他深度學習模型，以及人工智能和大數據。本書主要介紹了人工智能的應用領域及主要算法，並基於Python 語言構建人工智能程序。內容全面、條理清晰、數據充分，值得同領域參考與借鑒。

本書是對樹莓派開發的內容進行全面升級之後的第 3 版，囊括豐富的實踐示例，詳細講解樹莓派的配置與管理、網絡連接、操作系統及軟件，以及使用Python進行樹莓派開發的各項技巧，包括有關Python編程的基礎知識、列表與字典、Python高級特性。同時，本書還涉及機器視覺、硬件基礎、控制硬件、電機、數字輸入、傳感器、顯示設備、音頻設備、物聯網、家庭自動化、Arduino等內容。本書適合程序員、計算機軟硬件愛好者，以及對樹莓派感興趣的讀者閱讀，也適合作為樹莓派相關實踐課程的指導書。

本書介紹了如何使用雲服務，以較低的成本和較快的速度來開發與部署人工智能產品或服務。通過理論和詳細的步驟講解，書中介紹了數據分區、建模、數據推斷和部署等主題，與此同時，還提供了豐富的Python範例代碼，旨在幫助讀者理解和掌握如何以更快的速度把想法變成上線的產品。從內容上看，書中首先介紹當前AI生態系統的社會背景，然後進一步探索高層級的業務需求和最佳實踐，最後還探討了如何與幹係人與敏捷團隊展開合作。透過本書，讀者可以探究數據管線的協同運作，探究機器學習和深度學習，同時掌握AutoML和AutoAI等人工神經網絡的使用。本書包含AI應用開發、工業案例研究以及實用指南，可以幫助讀者熟練應用NoLo UI。讀者對象： 具有 Python 編程技能並負責AI產品的數據科學家和 AI 顧問。

線性代數是代數學甚至整個數學中非常重要的一個學科,是大中專院校理工科相關專業的必修課,也是學習機器學習、計算機圖形學、遊戲編程等的基礎。但是由於線性代數太過抽象,會讓許多人學完整門課程也不知其所以然。本書通過Python編程的方式讓抽象的知識變得可視化,通過編程將線性代數應用於實踐，解決具體的問題,可以幫助讀者更好地理解線性代數。具體內容包括數學基礎和Python、線性空間和線性映射、基和維數、矩陣、矩陣的初等變換和不變量、範數和內積、特徵值和特徵向量、若爾當標準型和矩陣的譜集、動力學系統、線性代數的應用與發展。本書用編程的方式學習線性代數,特別適合大中專院校理工科專業學生、想學習機器學習、3D遊戲製作等但數學基礎薄弱的程序員參考學習。

本書主要面向中學生或具有一定數學知識基礎的讀者，內容通俗易懂，數學理論內容和編程實踐案例相結合，每個實例代碼均通過調試驗證，易於學習和掌握。本書可以作為中學數學課程的拓展教材，有助於激發學生的學習熱情，加深對數學知識的理解和應用能力，也可以作為Python 趣味編程教材，培養數學思維和計算思維。希望讀者能夠從本書中受益，學到需要的 知識，體會到數學之美和編程的力量。

本書涵蓋數據分析與數據挖掘的基礎知識、必備工具和有效實踐方法，能讓讀者充分掌握數據分析與數據挖掘的基本技能。 本書共分為15章，主要內容包括大數據獲取、數據預處理、探索性數據分析、用Sklearn估計器分類、主流數據分析庫、大數據的數據庫類型、數據倉庫/商業智能、數據聚合與分組運算、數據挖掘工具、挖掘建模、模型評估、社會媒體挖掘、圖挖掘分類、基於深度學習的驗證碼識別、基於深度學習的文本分類挖掘實現。 本書採用理論與實踐相結合的方式，利用Python語言的強大功能，以最小的編程代價進行數據的提取、處理、分析和挖掘，既適合Python數據分析與數據挖掘初學者、大數據從業人員閱讀，也適合高等院校和培訓機構大數據與人工智能相關專業的師生教學參考。

本書知識體系完整，按照認知遞進的順序進行了編排，主要包括編程環境、數據類型、變量與計算、流程控制、錯誤與錯誤處理、函數、面向對象的程序設計、模塊、文件操作、tkinter 圖形界面設計及數據庫與數據庫連接操作等內容。全書共12 章，每章都包含詳細的概念及原理闡述，同時配有大量精美的插圖、代碼範例和課後習題。有別於同類教材，本書將自身的角色設定為陪伴者和對話者，讓讀者在學習中獲得歸屬感，使學習變成一種快樂。同時，本書從始至終都非常重視思維模式的養成，力求使讀者獲得利用Python 語言描述問題、分析問題，最終設計並實現軟件解決方案的能力。

本套書是基於當前少兒編程市場上流行的Python編程語言進行課程設計的。第一個分冊(基礎篇)的定位是打好編程基礎，後面三個分冊的定位為基礎知識的三個應用方向(程序繪畫、遊戲設計、界面應用設計)。在知識點選取、案例選取、關注角度方法上下功夫，力求既教知識又教方法、既精簡又高效、既夯實基礎又發揮創造、既有趣又易學。

《利用FastAPI構建Python微服務》詳細闡述了與分布式機器學習相關的基本解決方案，主要包括設置 FastAPI，探索核心功能，依賴注入研究，構建微服務應用程序，連接到關系數據庫，使用非關系數據庫，保護REST API的安全，創建協程、事件和消息驅動的事務，利用其他高級功能，解決數值、符號和圖形問題，添加其他微服務功能等內容。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。

本書是結合華南理工大學的學科特色和人才培養目標進行打造的。全書共分為10章，主要內容包括：緒論、程序控制結構、函數、組合數據類型、面向對象程序設計、文件操作、GUI 編程、數據分析科學計算與可視化、多媒體編程、網絡爬蟲。本書注重基礎，脈絡清晰，邏輯性強；案例貫穿全書，可讀性強；模塊劃分合理，便於不同層次、不同專業的讀者閱讀。可作為高等學校非計算機專業本科生的Python語言程序設計課程教材，也可供其他讀者學習參考。

本教材特色是以Python大數據工具進行財務分析與決策。財會專業學生對Python編程課程內容學習、知識理解、實踐操作方面有一定的難度和專業限制，本教材充分考慮財會專業的特點和知識結構，對Python開發內容重新進行全方位設計，圍繞Python在財務中的應用場景，提供豐富翔實的實訓項目案例，將Python編程和財務分析、決策緊密結合，實現知行合一，提高學生會計學科和大數據學科知識整合能力。 本書共3篇，分別是基礎篇、財務大數據分析篇、財務大數據決策篇。分為9章，第1章“Python基礎”，包括內容是：Python開發環境搭建與編碼規範；數據類型、運算符、內置函數及財務應用；程序控制結構及財務應用；程序控制結構及財務應用；函數及財務應用；文件操作及財務應用。第2章“財務數據分析”，包括內容是：NumPy科學計算庫；認識pandas；財務數據清洗；財務數據篩選與查詢；財務數據特徵與統計信息、排序、連接；財務數據分析聚合與透視。第3章“財務數據可視化”，包括內容是：Matplotlib擴展庫與財務數據可視化；Pyecharts擴展庫與財務數據可視化。第4章“項目投資決策”。第5章“本量利分析決策”。第5章“股票投資決策”。第7章“融資決策”。第8章“財務風險預測”。第9章“財務舞弊預測”。 本書可作為高校會計學、財務管理、審計學、工商管理、大數據管理與應用、大數據+會計等專業本科生和與研究生財務大數據分析與決策、Python在財務中的應用、智能財務分析、智能財務分析與決策、大數據與財務決策等等課程的教材，也可以作為對財務數智化感興趣的其他讀者的參考書。

本書在教材體系、內容和思考題的選擇方面吸取了國內外優秀教材的優點，結合數值分析理論抽象性、邏輯嚴密性與應用廣泛性等特點，深入淺出地講述了數值分析相關的基本理論和思想方法。本書主要內容包括：數值分析基礎知識與Python軟件介紹、線性方程組的數值解法、函數的多項式插值法、數值積分與數值微分、常微分方程初值問題的數值解法、非線性方程的數值解法等，以及相應算法的Python程序代碼。本書適合作為信息與計算科學和數學與應用數學專業本科生數值分析課程的教材或自學參考書，也可以作為物理學、計算機科學與技術等理工類專業及相關領域學者的參考用書。

本書基於Python語言，由淺入深地講解自動化測試領域的相關技術，引領讀者編寫各類實際場景的測試代碼。本書涵蓋Selenium、Unittest、Requests和HTMLTestRunner等主流框架，重點剖析數據驅動測試、關鍵字驅動和POM頁面對象模型等核心技術，最終構建一套屬￿自己的測試框架原型，實現從測試“菜鳥”到高手的飛躍，從而邁向高級測試開發之路。

本書知識由淺入深、技能由易到難，精心設計了9章26個典型工作任務，包括：第1章認識Python程序，第2章數據類型與運算，第3章程序流程控制，第4章組合數據類型，第5章函數與模塊，第6章文件操作與管理，第7章面向對象編程，第8章異常處理，第9章數據解析和可視化。本書遵循“體現三教改革、開放共建共享、優質課程資源、課證聯繫紐帶”的指導思想。本書可以作為高等院校大數據、人工智能、計算機等相關專業的教材，也可以作為計算思維培養的入門教材。

《智慧醫學語言基礎實踐》共分6章，第1章介紹計算機基礎，主要包括Windows基本操作、Office辦公軟件操作和電子郵件操作；第2章介紹智慧醫學語言Python基礎，主要包括Python開發環境及庫的使用、Python語言基礎概述及數據類型、Python語言程序流程控制的醫學應用、Python語言自定義函數的醫學應用；第3章介紹醫學數據的獲取與分析，主要包括numpy庫與pandas庫的醫學應用、醫學數據文件的讀取與統計模塊、醫學數據的描述性分析、醫學數據的規範化轉換與常見預處理方法；第4章介紹醫學數據的可視化，主要包括matplotlib及醫學應用、seaborn及醫學應用、pyecharts及醫學應用；第5章介紹醫學圖像處理，主要包括醫學圖像的讀取與顯示，醫學圖像幾何操作、卷積、濾波，醫學圖像增強，醫學圖像分割與形態學處理；第6章介紹人工智能及醫學應用，主要包括線性回歸分析及醫學應用、邏輯回歸及醫學應用、樸素貝葉斯分類及醫學應用、支持向量機及醫學應用、聚類分析及醫學應用、深度學習及醫學應用。《智慧醫學語言基礎實踐》通過醫學案例由淺入深，注重入門運用與舉一反三，強化醫學案例驅動的自主學習與實踐，重視醫學及相關專業學生的學習能力培養，強調醫學實踐和計算機理論的醫工融合。

本書共14章，分五部分：基礎篇、入門篇、進階篇、高階篇和拓展篇。基礎篇介紹了數據挖掘的基本原理，以及使用Python進行數據挖掘所需的編程基礎。入門篇、進階篇、高階篇介紹了幾個真實案例，通過對案例深入淺出的剖析，使讀者在不知不覺中獲得數據挖掘項目經驗，同時快速領悟看似難懂的數據挖掘理論。拓展篇介紹了一個開源數據挖掘建模平臺，通過平臺去編程、拖曳式的操作，向讀者展示平臺流程化的思維，使讀者加深對數據挖掘流程的理解。

本書介紹強化學習理論及其Python實現。第1章：從零開始介紹強化學習的背景知識，介紹環境庫Gym的使用。第2～15章：基於折扣獎勵離散時間Markov決策過程模型，介紹強化學習的主幹理論和常見算法。採用數學語言推導強化學習的基礎理論，進而在理論的基礎上講解算法，並為算法提供配套代碼實現。基礎理論的講解突出主幹部分，算法講解全面覆蓋主流的強化學習算法，包括經典的非深度強化學習算法和近年流行的強化學習算法。Python實現和算法講解一一對應，針對深度強化學習算法還給出了基於TensorFlow 2和PyTorch 1的對照實現。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續時間模型、非齊次模型，半Markov模型、部分可觀測模型等，以便更好瞭解強化學習研究的全貌。

機器學習是人工智能的重要分支。本書立足實用且易於上手實踐的原則，系統地介紹機器學習領域的經典算法，以及這些算法的Python實現和典型應用。本書分4部分: 第1部分介紹監督學習，包括線性模型、決策樹分類、貝葉斯分類器、集成學習和支持向量機；第2部分介紹無監督學習，包括關聯規則、聚類分析和數據降維；第3部分介紹深度學習，包括神經網絡、深度學習和生成對抗網絡；第4部分介紹強化學習。本書所介紹的經典機器學習算法及其應用案例均給出了相關實驗數據和Python代碼實現，每章末尾還給出了習題和實驗題，便於讀者鞏固知識和開展課內實驗。 本書可作為高等學校信息類以及相關專業高年級本科生和研究生的教材，也可供對機器學習感興趣的工程技術人員閱讀參考。

1.Python零基礎，輕鬆學會數據分析與挖掘2.編碼、分析、挖掘，數據分析全流程一次搞定3.微課視頻，掃碼即可觀看，重點難點逐個擊破本書適於統計學、數學、經濟學、金融學、管理學以及相關理工科專業的本科生、研究生使用，也能夠提高從事數據諮詢、研究或分析等人士的專業水平和技能。

本書以能夠搭建自定義神經網絡為直接目的，以Python為軟件平臺，全面介紹了大眾化的深度學習框架――TensorFlow的主要功能、使用方法及其在神經網絡搭建中的具體應用。全書內容簡潔、通俗易懂、緊密聯繫工程實際，具有良好的可操作性。本書既可作為職業技術學校人工智能相關專業的教材，也可供其他學習Python的初學者使用。

本書重點介紹Python語言在數據處理與數據挖掘方面的應用技巧，主要包括數據分析基礎知識(數據收集與分析軟件、數據挖掘的分析基礎、簡單數據的統計分析)，數據分析高級方法(多元數據的綜合分析、時序數據的模型分析)，大數據基本處理方法(大數據分析基礎應用、文獻計量與科研評價、社會網絡分析方法、數據分析編程平臺)等內容。附錄中還提供了Python數據分析相關方法和函數等，方便讀者隨時查看。本書內容豐富，圖文並茂，可操作性強且便於查閱，主要面向數據分析的讀者，能有效幫助讀者提高數據處理與分析的水平，提升工作效率。書中的例子數據、習題數據及相關代碼都可在作者的學習博客http://blog.leanote.com/DaPy下載使用，也可登錄華信教育資源網http://www.hxedu.com.cn免費下載。