Python

本書以Python數據處理工具和深度學習的基本原理為切人點，由淺人深地介紹TensorFlow的使用方法。由原理著手到代碼實踐，內容從最基本的回歸問題開始，到近年來廣泛流行的卷積神經網絡和生成式模型。本書省去大量煩瑣的數學推導，以通俗易懂的語言和示例闡述深度學習的原理。本書共8章，第1和2章介紹TensorFlow的環境搭建與Python基本數據處理工具，為後面介紹TensorFlow做準備；第3

●本書適用對象1.內容針對學校市場所設計，中學生資訊課程參考用書。2.一般讀者也可以學習，概念是可類推的自學書。本書採用的Django框架，是使用Python語言編寫的一個廣受歡迎、免費、開放原始碼、且功能完整的網站後端框架，有助讀者用最快的速度掌握網站開發最基礎的知識。本書特色--1.使用最熱門的Python程式語言，搭配Django框架設計出由淺入深的網站範例專案，讓學習者逐步熟悉網站開發技術

本書是高等學校金融學專業系列教材之一。本書內容包括導論、機器學習基礎、Python編程基礎、基於Python的機器學習軟件包、國信iQuant量化交易平臺、交易策略學習模型的數據準備、線性回歸估值選股模型、邏輯回歸收益率預測選股模型、決策樹分類擇時模型、樸素貝葉斯分類擇時模型、支持向量機分類擇時模型、K均值聚類分析選股模型、Apriori股票關聯分析模型、BP神經網絡擇時模型、RNN循環神經網絡擇

本書通過通俗易懂的語言、豐富的圖示和生動的實例，撥開了籠罩在機器學習上方複雜的數學“烏雲”，讓讀者以較低的代價和門檻入門機器學習。本書共分為11章，介紹了在Python環境下學習scikit―learn機器學習框架的相關知識，涵蓋的主要內容有機器學習概述、Python機器學習套裝軟體、機器學習理論基礎、k―近鄰演算法、線性回歸演算法、邏輯回歸演算法、決策樹、支援向量機、樸素貝葉斯演算法、PCA演算

本書共分兩部分：第一部分是網絡數據採集與預處理的基礎理論實踐，包括任務1～任務6，主要講解如何使用Python編寫網絡數據採集和預處理程序，內容包括Python環境搭建，Python基礎語法、語句與函數，網絡基礎知識，常用網絡數據採集與預處理庫、解析庫，數據持久化保存，以及requests庫、numpy庫、pandas庫、Selenium技術、ChromeDriver技術和Scrapy技術的應用方式。第二部分是網絡數據採集與預處理的綜合案例，包括任務7～任務9，主要講解requests庫數據採集與ECharts可視化技術相結合以展示數據，並持久化保存數據、預處理數據的應用案例；Selenium和ChromeDriver技術相結合模擬登錄，採集動態和靜態數據，並持久化保存數據和預處理數據的應用案例；Hadoop平臺的Flume日誌數據採集應用案例，充分呈現了大數據採集與預處理主流技術、可視化技術的主要功能和特點。本書可作為高等職業院校、職業本科院校大數據技術及相關專業的教材，也可作為有一定Python編程經驗並且對數據採集與預處理技術感興趣的工程技術人員的參考用書。

《Qt 5/PyQt 5實戰指南――手把手教你掌握100個精彩案例》根據跨平臺軟件研發工作中對Qt技術的需求,按照循序漸進的原則逐步介紹Qt的各種實用技術。本書分為3部分: 第1部分(第1～14章)講述C+ + 版的Qt知識,著重介紹Qt的安裝配置以及開發環境搭建、Qt項目文件的配置與使用、Qt常用類與常用控件的應用、使用Qt Designer繪製窗體與控件、庫的開發與使用、插件開發技術、Qt的MVC機制及應用、SDI與MDI類應用開發技術、Qt多線程應用開發及併發框架、Qt網絡應用程序開發技術; 第2部分(第15～22章)講述PyQt版的開發知識,內容同第一部分大體一致,用Python語言實現並根據Python語言特點省去了部分內容; 第3部分(第23、24章)分別以C++ 語言、Python語言的實戰項目為例,講解Qt技術的綜合應用。全書提供了100個應用案例,除第1、23、24章外,每章後均附有配套練習。《Qt 5/PyQt 5實戰指南――手把手教你掌握100個精彩案例》適合作為C++/Python跨平臺軟件研發工作人員的參考資料,也可作為高等院校計算機、軟件工程等相關專業高年級本科生、研究生的參考教材。

本書分為7章，主要包括計算機概述、計算機硬件基礎、計算機軟件基礎、計算機網絡基礎、Python程序設計、SQL數據庫技術、多媒體技術及應用等內容。

Python是當今使用最為廣泛的開發語言之一，被認為是開發深度學習程序的最佳語言。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》通過9個綜合實例，詳細講解了使用Python語言開發大型深度學習項目的過程，這些項目在現實應用中具有極強的代表性。第1章講解了AI智能問答系統的具體實現流程；第2章講解了AI智能推薦系統的具體實現流程；第3章講解了智能OCR文本檢測識別系統的具體實現流程；第4章講解了國際足球比賽結果預測系統的具體實現流程；第5章講解了智能繪圖系統的具體實現流程；第6章講解了利用ChatGPT開發微信客服機器人的具體實現流程；第7章講解了移動機器人智能物體識別系統的具體實現流程；第8章講解了AI考勤管理系統的具體實現流程；第9章講解了網絡輿情數據分析系統的具體實現流程。在具體講解每個實例時，都遵循項目的進度順序來講解，從接到項目到具體開發，直到最後的調試和發布，內容循序漸進，並穿插講解了這樣做的原因，深入講解了每個重點內容的具體細節，引領讀者全面掌握Python深度學習開發技術。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》不但適合Python深度學習開發的初學者學習，也適合有一定Python深度學習開發基礎的讀者學習，還可以作為有一定基礎的程序員的參考書。

本書設計了18個實驗, 包括計算機常用操作、Python編程、信息表示、數據壓縮、棧的應用、隊列的應用、二叉樹的遍歷、二分查找、快速排序、遞歸、分治法、數據庫操作、檢錯、加解密等。

本書詳細闡述了Python語言基礎知識、Abaqus內核二次開發、Abaqus 插件GUI二次開發和Abaqus 主窗口GUI二次開發的相關知識，通過大量實例和詳細說明，幫助讀者掌握Abaqus 二次開發基礎知識和應用方法。 本書共14章，前兩章為基礎篇，包括Abaqus二次開發概述和Python語言基礎；第3～6章為內核開發篇，包括Abaqus內核開發和它的三個應用實例；第7～14章為GUI開發篇，介紹了Abaqus RSG對話框生成器、Abaqus GUI二次開發和它們的五個實例，以及Abaqus主窗口GUI的二次開發。

《基於國產數據庫的項目實訓教程》以項目開發過程為主要框架，貫穿數據庫課程的主要知識點，完整地記錄了基於國產數據庫(HighGo Database)和Python語言平臺開發管理信息系統的全過程。本書以學生常見並易於理解的學生選課系統為例，以項目開發的主要階段(需求分析、數據庫設計、界面設計、功能實現)為組織提綱，以數據庫應用及Python開發為技術要點，引導讀者從無到有、循序漸進地完成一個完整項目的開發。

本書共11章，主要內容包括深度學習簡介、Python基礎、神經網絡基礎、卷積神經網絡、經典卷積網絡結構、遷移學習、循環神經網絡、強化學習、深度強化學習、基於策略的算法更新與趨勢等，通過具體案例，將Python語言、深度學習思想、強化學習思想和實際工程完美地結合起來。本書由淺入深，從易到難，各章節既相對獨立又前後關聯，其*大的特點就是打破了傳統書籍的講解方法，在介紹各部分理論基礎的同時，搭配具體實例

人工智能的普及將是未來的發展趨勢，《人工智能基礎》作為人工智能的科普讀物，用通俗易懂的語言全面介紹了人工智能的基礎知識。《人工智能基礎》共三大部分：理論基礎、編程語言基礎和應用實戰。第壹部分(基礎篇)分為5章，主要從人工智能的概念和主要應用場景等方面介紹人工智能的基礎現論知識。第二部分(語言篇)分為5章，主要介紹了Python語言的編譯環境以及Python語言的基礎知識。第三部分(實踐篇)分為4章

本書共分為十章，在對量化金融學的發展進行介紹，並對若干當下熱門的金融學概念的“前世今生”進行了梳理的基礎上，重點介紹了Python以及Matlab的編程的基本操作，並對衍生品的基礎知識、金融數據的的基本統計特性、投資組合的基本原理、金融風險管理的基本原理以及固定收益證券(主要針對債券)的基本原理進行了回顧，結合Python或Matalb計算編程語言對傳統計學知識進行了代碼建模。提出了一種“一體化”

本書以數據分析為切入點，以數據可視化全流程為主線，從最基礎的表格工具Excel到專業的數據可視化工具PowerBI、Tableau及編程語言Python，講解了數據可視化的操作流程。

本書詳細介紹了Python3 編程從零基礎到實戰的相關知識，前面7 章為基礎部分，主要介紹Python3 編程的基本知識；後面8 章從實戰應用的角度分別介紹數據可視化、交互式可視化和數據處理、UI 界面設計與計算機桌面自動化、數據庫（主要是MySQL 數據庫的增刪改查）、機器學習、Git 使用等內容。本書以簡單、實用、易懂為原則，力求使讀者在學會Python基礎知識的同時，掌握實戰與應用技能。本書適合剛入門的Python 學習人員以及利用開源工具進行開發與應用的愛好者、研究人員參考閱讀。

本書深入淺出地介紹了深度學習的基本原理和實現過程，帶領讀者用Python的NumPy庫從底層而不是借助現有的深度學習庫，從0開始構建屬於自己的深度學習庫。本書在介紹基本的Python編程、微積分、概率、統計知識的基礎上，按照深度學習的發展脈絡介紹了回歸模型、神經網絡、卷積神經網絡、循環神經網絡、生成對抗網絡等深度學習的核心知識，在深入淺出地剖析原理的同時，給出了詳細的代碼實現過程。本書既適合沒有任

Do you already know Python and love using this programming language to create stunning projects? Are you looking to increase your programming skills and stay up to date with the latest languages and trends?Then you've probably been wanting to learn Raspberry Pi 4.Now you can!This comprehensive step-by-step guide will teach you everything you need to know about installing, programming, and learning Raspberry Pi 4.With detailed instructions, tips, tricks, and a full index for you to refer back to, every programmer who desires to learn Raspberry Pi 4 must have this book by their computers.With this book in your hands, you will: Learn step-by-step how to install Raspbian and set up Raspberry Pi 4 to create stunning programs and automationReplace your PC with Raspberry Pi 4 so your computer is completely customizable how you like itBecome a better programmer with Python and practice your coding skills with the steps contained in this bookCreate incredible projects and programs with Raspberr

本書在第1版的基礎上，介紹大數據的時代背景及應用方案、常用的離線大數據和流式大數據組件，以及基於雲平臺的容器級數據平臺搭建。書中以離線大數據和流式大數據兩個具體示例，貫穿本書的第二、三部分內容，對組件之間的協同工作關係進行剖析。書中的代碼部分基本上使用Python編寫，用戶可以下載參考。如果你是一位在校學生、Python編程愛好者或是想轉行從事大數據工作的在職IT人員，閱讀本書必有所收穫！

本書是一本利用Python技術，結合人工智能、神經網絡和機器學習、遺傳算法等互聯網技術進行相應行業模型開發的技術圖書。本書第1～4 章主要講解了利用Python軟件分析模型開發的入門知識，包括開發工具的使用、測試技術難點等內容；第5～7 章主要講解了利用人工智能中的神經網絡技術進行技術研發，利用數據挖掘技術完善行業技術模型的數據加載與分析等內容；第8～9 章主要講解了利用大數據進行技術配置和風險控

本書兼顧計算機科學基礎知識和計算思維，以計算思維能力培養為主線，串聯信息表示、計算機系統、操作系統、網絡、多媒體技術、科學計算及新方向等內容，選擇Python作為計算實踐的語言，內容偏重於如何將計算思維應用於計算機科學等領域以解決問題。實踐內容將在授課內容的基礎上進行拓展，並要求運用Python及相關的配套庫進行問題求解練習。希望通過應用問題求解的學習和實踐，培養讀者在理解計算機系統的基礎上，主動

本書兼顧計算機科學基礎知識和計算思維，以計算思維相關內容為主，將信息表示、計算機系統、操作系統、網絡、多媒體技術等知識穿插進來，選擇Python作為計算實踐的語言，內容更偏重于如何應用計算思維解決各領域問題，各領域包括計算機科學領域。實踐內容將在授課內容的基礎上進行拓展，并要求學生運用Python及相關的配套庫進行問題求解練習。最終，通過應用問題求解的講授和實踐，培養學生在理解計算機系統的基礎

在本書中，你將會看到許多與樹莓派相關內容的示例，包括如何配置和使用樹莓派；如何使用Python程式設計語言；如何用樹莓派連接感測器、顯示器和電機等設備。本書還包括一章介紹如何讓樹莓派與Arduino開發板一起工作的內容。除了包含大量的介面板和軟體實例的介紹，本書還涵蓋了基礎理論的介紹，這樣可以使讀者更好地理解如何使用樹莓派微系統開發中出現的新技術。本書包含了大量的原始程式碼（大多數都是Python

https://youtu.be/_5uAYhBFtm4 【內容特點】 ✯快速上手：專為 Python 開發者打造，用熟悉思維無縫接軌 Rust ✩解鎖高效能：掌握所有權與生命週期，根除記憶體錯誤並突破 GIL ✯PyO3 實戰：從零開始教你撰寫 Rust 擴充套件，解決 Python 運算瓶頸 ✩AI 落地應用：駕馭 Candle 與 Burn 框架，實現輕量化推論與模型移植 ✯工程化思維：涵蓋模組化設計、自動化測試到效能分析的完整實踐 【本書獻給不願在效能與開發效率間妥協的你】 ✯資料科學家：受夠了 Pandas 在大數據下的龜速，想尋找更高效的運算替 代方案。 ✩資料工程師：需要建構高吞吐量、低延遲且穩健可靠的 ETL 管線，徹底告 別執行期錯誤，讓資料流動不再阻塞。 ✯ MLOps 工程師：致力於模型生產環境部署，追求在有限算力下達到極致的 推論速度。 ✩進階 Python 開發者：不滿足於語法糖，想深入理解底層運作與並行程式設 計，大幅擴張技術守備範圍。

本書主要介紹了Excel 2021與Python和Power Bi Desktop相結合進行數據的採集、運算、分析、大數據處理及可視化等方面的內容，主要包括數據輸入、圖表設計、函數、名稱、數據表結構變換、表格與結構化引用、數據模型、Python編程基礎、爬蟲程序、數據倉庫、M語言、DAX語言等基礎知識；數據排序、查找、透視、篩選、迷你圖、切片器、分類匯總、數據建模等數據管理功能；採集文本數據、數據庫數據和網頁數據的方法；使用Python批量操作數據的方法，Power Query數據清洗與整合、Power Pivot數據建模與分析、Power View數據可視化等大數據處理方面的內容。 本書通俗易懂，內容翔實，重視知識性和實用性的結合，每章配有相應的習題，可作為高等學校數據科學(大數據)、經濟管理、財政金融、統計、文秘等專業數據分析課程的教材，也可作為計算機應用和辦公自動化方面的培訓教材或參考用書。

新版《牛津給孩子的信息科技通識課》共 9 冊，旨在向 5 ～ 14 歲的學生傳授重要的計算思維技能，以應對當今的數字世界。本書是其中的第 7 冊。 本書共 6 單元，每單元包含循序漸進的 6 部分教學內容和一個自我測試。教學內容包括學習目標和學習內容、活動、 額外挑戰和更多探索等。自我測試包括一定數量的測試題和以活動方式提供的操作題，讀者可以自測本單元的學習成果。 第 1 單元介紹數據存儲及進制轉換；第 2 單元介紹如何安全、負責任地使用互聯網；第 3 單元介紹 Python 編程入門，並比 較 Scratch 和 Python 的差異；第 4 單元深入介紹 Python 編程；第 5 單元介紹如何設計並製作播客；第 6 單元介紹如何創建並高效使用數據表。 本書適合 11 ～ 12 歲的學生，可以作為培養學生 IT 技能和計算思維的培訓教材，也適合學生自學。

人工智能方興未艾，正在向人們生活的各個領域滲透。 本書緊扣業界前沿，主要介紹了一些當前流行、 具有廣闊應用前景的人工智能新技術。 此外，本書各個章節還就一些重點專題給出了Python語言的程序實現，使抽象的理論具體化，使生澀的算法容易理解。 本書共分12章，主要介紹人工智能的基本概念、知識表示方法、確定性推理、不確定性推理、搜索問題求解策略、智能計算、機器學習、 人工神經網絡與深度學習、多智能體技術、視覺感知與識別等人工智能最新理論與應用。 附錄中給出了本書用到的計算機程序語言――Python語言的相關基礎， 供沒有接觸過Python的讀者參考學習。 本書可以作為高等院校相關專業本科生與研究生的教材，也可作為人工智能技術領域研究人員與工程技術人員的參考書。

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

本書結合了多年的教學經驗和學生就業實習反饋情況，設置了Linux操作系統、Python程序設計和數據庫三個知識模塊，Linux操作系統部分介紹了開源社區廣泛使用的Linux操作系統的基礎知識、基本使用方法和基於Linux平臺的文件管理及應用管理技術； Python程序設計基礎部分介紹了基本編程技能和面向數據分析處理的實踐應用案例，使用學生掌握使用Python語言進行數據分析處理的能力；數據庫技術部分重點介紹了與數據分析處理相關的數據庫基本理論、SQL分析處理技術及數據庫實踐應用案例。本書通過案例化教學設計培養學生面向未來大數據分析崗位在系統平臺、程序設計和數據管理方面的實用技能，為學習大數據分析的相關課程打下良好的計算機基礎。

《智慧醫學語言基礎》共分6章，第1章介紹智慧醫學概述，主要包括計算機基礎、醫學大數據及其應用、人工智能及智慧醫學應用；第2章介紹智慧醫學語言Python基礎，主要包括Python語言及開發環境搭建、Python語言基礎概述及數據類型、Python語言程序控制結構、函數；第3章介紹醫學數據的獲取與分析，主要包括醫學數據的獲取與存儲、醫學數據的常用計算模塊、醫學數據的描述性分析、醫學數據文件的讀取與寫入、醫學數據的歸一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包、seaborn包、pyecharts包可視化醫學數據；第5章介紹醫學圖像處理，主要包括醫學影像相關技術、醫學圖像處理基礎、醫學圖像增強、醫學圖像分割與形態學處理等；第6章介紹機器學習及醫學應用，主要包括機器學習介紹、線性回歸分析、邏輯回歸、樸素貝葉斯分類、支持向量機、k均值(k-means)聚類、深度學習算法。圍繞醫學案例由淺入深進行論述，特點是醫工融合，注重入門運用與舉一反三，強化醫學案例驅動的自主學習，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。

本書介紹了數字圖像處理技術和深度學習技術，以及這些技術的應用，全書由12章組成。前九章主要介紹數字圖像處理技術，內容包括：Python 環境搭建、位圖基礎、圖像的顯示、圖像的幾何變換、圖像灰度變換、圖像的平滑處理、圖像銳化處理、圖像分割及測量、圖像的形態學處理，後三章主要介紹深度學習技術，將數字圖像處理技術和深度學習技術相結合應用于項目開發，內容包括基於卷積神經網絡CNN 模型的漢字識別、基於Faster RCNN 模型的手勢識別、基於卷積神經網絡CNN 模型的語音識別共三個項目的開發技術。本書僅僅介紹基本的理論知識，同時介紹將理論轉化為代碼的實現步驟和基於Python 開發工具的編程代碼，並且可以將處理前與處理後的圖像進行對照比較。實例程序的框架結構簡單，代碼簡潔，使初學Python 者很快就掌握圖像處理與圖像識別技術。

TensorFlow是由Google團隊開發的一套基於資料流程的深度學習框架，廣泛應用於計算機視覺中各類算法模型的代碼實現。《TensorFlow應用案例教程》用4章的內容，結合深度學習中的基本概念，深入淺出地介紹了TensorFlow的基本概念、安裝以及使用方法。為了使讀者瞭解新的科研成果，《TensorFlow應用案例教程》介紹了當前計算機視覺中圖像分類、目標檢測、目標分割以及生成對抗網絡等方向的新算法，從算法的提出背景、算法設計思想以及代碼實踐三個方面對算法進行剖析，便於讀者快速上手和深入學習。 《TensorFlow應用案例教程》要求讀者具有使用Python進行程序設計的基礎。《TensorFlow應用案例教程》所有的代碼都採用Python語言編寫，適合研究計算機視覺以及相關領域的學生和老師、初次接觸計算機視覺但具有Python基礎並想進行深入研究的人員學習參考。

全書共9章，主要是以作者的項目實踐為基礎，以CentOS 7.5 x86_64為主操作系統、AWS雲為平臺，介紹Linux傳統集群技術、雲原生下的負載均衡技術、MySQL的高可用方案及Python自動化運維工具的使用。

本書旨在成為讀者進入數據科學領域的指南。全書共20章，涵蓋了數據科學及其應用的各個方面，引入經典數據集將理論與實踐相結合，採用Jupyter等工具，以Python語言由淺入深地介紹了數據科學及相關學科的基本概念、數據預處理、機器學習及時間序列等內容，並提供了不同的案例研究，以達到學以致用的效果。通過閱讀本書，讀者將獲得成為一名數據科學家所需的基本知識和技能。本書適合有Python或其他編程語言基礎，並對數據科學感興趣的人員閱讀。

Implement real-time data processing applications on the Raspberry Pi. This book uniquely helps you work with data science concepts as part of real-time applications using the Raspberry Pi as a localized cloud. You'll start with a brief introduction to data science followed by a dedicated look at the fundamental concepts of Python programming. Here you'll install the software needed for Python programming on the Pi, and then review the various data types and modules available. The next steps are to set up your Pis for gathering real-time data and incorporate the basic operations of data science related to real-time applications. You'll then combine all these new skills to work with machine learning concepts that will enable your Raspberry Pi to learn from the data it gathers. Case studies round out the book to give you an idea of the range of domains where these concepts can be applied. By the end of Data Science with the Raspberry Pi, you'll understand that many applications are now de

本書以Python語言作為編程語言，基於工作過程系統化的體例設計，介紹了一些經典而常用的機器學習方法及其編程技術，包括樸素貝葉斯、決策樹、k-NN、聚類、線性回歸、支持向量機(SVM)、神經網絡等。

全書共分為12章, 主要內容包括緒論、知識與知識表示、自動推理與專家系統、搜索算法與智能計算、機器學習、深度學習、計算機視覺、自然語言與語音處理、智能機器人以及大數據與區塊鏈、Python編程基礎等。

本書從實用的角度，對機器學習、深度學習的基本理論和基本方法進行了詳細的介紹，對廣泛應用的經典方法給出了Python語言實現，並提供了典型應用示例。本書主要內容包括：機器學習概述、機器學習的統計學基礎、機器學習的常用Python庫、機器學習的基本流程、回歸、分類（Logistic回歸和最大熵模型、決策樹、貝葉斯分類器、支持向量機、集成學習）、聚類分析、降維、神經網絡、深度學習。本書的形式特點是兼顧了機器學習的理論基礎、模型算法、開發工具及應用，兼顧了既想瞭解機器學習理論又想通過Python編程實現機器學習算法的讀者。讀者通過本書的學習，能夠真正地掌握機器學習理論和技術的精髓並能用其解決實際問題。部分章節配有習題，以指導讀者深入地進行學習。本書是一本面向高等院校理工科各專業的寬口徑、綜合性的機器學習與應用的教材，既可作為高校高年級本科生和研究生的教材，也可作為相關方向科技人員、工程師的技術參考書。

本書以基金與編程基礎為出發點，面向零基礎或基礎知識較少的讀者，由淺入深地介紹了從零編寫基金分析與交易的量化系統的方法與實踐。本書內容由Python的基礎知識與編程和投研常用的Python工具開始，逐步介紹常用的交易指標與投資組合管理，最終介紹系統的優化與管理。本書共分為七章，第1～3章分別介紹基金的基礎知識、Python環境的搭建與常用的編程與分析工具，為後幾章代碼編寫鋪墊；第4章著重介紹了如何從零開始搭建量化分析系統，其中包含不同模塊的設計；第5章與第6章介紹了在量化系統中實現不同的交易框架和策略；第7章介紹將量化系統上線，並配置監控進行運營管理的方法。本書以通俗易懂的語言和實例闡述量化在基金產品上的分析與應用，適於對基金交易與量化分析有興趣的讀者。書中附有詳細注釋的代碼會幫助讀者加深量化系統的構建過程與交易策略的思想。

本書著重在新工科背景下為所有工科計算機及非計算機專業的本科新生提供完整的計算機科學思維框架，以Python高級程序設計語言作為線索，簡化計算機領域中的各個分支為模型，使用Python語言進行簡易實現。全書共8章，第1章從計算思維的角度概述計算機學科的整體脈絡；第2章著重介紹計算機中對於數據和信息的編碼原理；第3章對基礎的Python語法做出介紹；第4章主要描述使用計算機解決問題的各類經典算法思想；第5章從底層出發介紹計算機的硬件系統和軟件系統；第6章介紹計算機網絡及網絡安全；第7章介紹數據庫系統；第8章對新時代下的計算機新技術——人工智能進行發散式介紹。本書還提供了大量應用實例，每章後均附有習題。本書適用於高等院校工科專業本科一年級的相關課程，也可供教學工作人員設計本科實踐課程時參考。