Python

本書系"十四五"高等職業教育新形態一體化教材之一，依據高等職業院校計算機類專業對人工智能基礎能力培養方面的具體要求編寫，旨在培養高職院校學生對人工智能的認知能力、人工智能基礎框架應用能力、數據分析能力和創新能力。本書採用任務驅動的編寫方式，共8個單元，分別是人工智能概述、TensorFlow和PyTorch環境搭建、Python基礎、TensorFlow入門、NumPy科學計算庫、Pandas數據分析庫、Matplotlib基礎知識和高級應用、人工智能通用技術。本書提供了豐富的案例代碼和視頻講解資源，並配有教學PPT以及配套的MOOC資源。本書適合作為高等職業院校人工智能專業的教材，也可作為人工智能愛好者的入門參考書。

NoSQL數據庫以其獨特的數據模型和擴展方式，為大數據和人工智能等領域提供了強有力的支持。本書基於Windows 10及以上操作系統編寫，介紹NoSQL數據庫的基礎知識及其在開發中的應用。全書共14章，第1章介紹NoSQL數據庫的基礎知識；第2章介紹鍵值對存儲數據庫Redis；第3章介紹列式存儲數據庫HBase；第4章介紹圖形存儲數據庫Neo4j；第5章介紹文檔存儲數據庫MongoDB；第6章介紹MongoDB文檔的增刪改查；第7章～第10章分別介紹MongoDB數據庫中索引、排序與分頁、權限機制、MapReduce與GridFS的相關知識；第11章介紹MongoDB的客戶端軟件；第12章介紹Python與MongoDB的相關知識；第13章介紹Django與MongoDB的相關知識；第14章通過綜合案例介紹MongoDB在數據分析中的使用。

本書結合MySQL 8數據庫管理系統，基於"與企業應用、崗位技能相符”的原則，按照項目教學的基本規律編寫。全書以項目為導向、以工作任務為主線，以MySQL數據庫的管理與應用開發任務為載體，重點介紹以下知識與技能：MySQL數據庫環境的建立及其連接；數據庫及各種數據庫對象的創建與管理；數據的增刪改及查詢；索引與視圖；MySQL程序設計；數據的備份與恢復、導入與導出等操作；MySQL數據庫的安全管理；數據庫的設計方法；利用Python和PHP語言開發基於C/S和B/S結構的數據庫應用系統的方法。本書注重理實一體，語言淺顯易懂，具有較強的實用性和操作性。本書結構合理，便於教學取捨；選材實用，示例豐富，便於理解和操作。

本書系統介紹了機器學習領域中的各類經典算法，並結合Python編程語言進行詳細的算法實現與應用。通過理論與實踐相結合的方式，涵蓋從基礎算法概念到複雜算法優化技術的全部內容，包括回歸分析、分類算法、決策樹、支持向量機、神經網絡、強化學習、模糊計算、群體智能算法、人工智能的爭論與展望等核心知識點。通過大量案例展示了相關理論在實際問題中的應用。還特別深入講解機器學習算法設計思路與問題求解方法，涵蓋從模型構建、特徵選擇到算法優化的完整過程。本書可作為本科生、研究生系統學習機器學習與算法設計的教材，也可供學習數據科學與人工智能領域的人員參考。

本書為適應高職高專院校教育高質量發展的要求，培養專業素質高、應用能力強，具有職業素養，能夠服務區域經濟和具有創新精神的高素質技術技能人才而編寫，在編寫過程中編者遵循學生學情和升學考試大綱要求，將線性代數的理論與應用案例緊密結合在一起，指導學生利用計算機進行軟件實驗;除了課堂隨練的習題，部分章節還設有進階訓練，體現學以致用的特點，本書共7章內容，分別是行列式、矩陣、向量空間、線性方程組解的結構、特徵值和特徵向量、二次型和Python教學實驗。本書可以作為理工類、經管類、農醫類專業線性代數課程的教材，還可供自學者作為自學和升學考試的參考用書。

本書是根據教育部高等學校大學計算機課程教學指導委員會關於推進新時代高校計算機基礎教學改革的有關精神，同時根據多所普通高校的實際教學情況編寫的。全書共分9章，主要內容包括：計算機與計算思維、操作系統基礎、辦公軟件(Office 2016)、多媒體技術及應用、數據庫基礎、計算機網絡與信息安全、算法與數據結構、Python語言和計算機新技術簡介。本書結合“計算機基礎”課程的基本教學要求，兼顧計算機軟件和硬件的最新發展；結構嚴謹，層次分明，內容豐富。為提高讀者的實際應用能力，本書配套出版實踐教程，內容是對本書實踐內容的指導和強化，對提高讀者的計算機操作和應用能力有很大的幫助。

《概率論與數理統計》分兩部分，概率論部分著重介紹概率論的基本概念、隨機事件與概率、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等內容；數理統計部分著重介紹數理統計基礎、參數估計、假設檢驗、回歸分析和方差分析的基本理論與方法。同時《概率論與數理統計》還加入了Python軟件的相關內容。《概率論與數理統計》在編寫過程中注重聯繫工科院校實際，選用了大量與工科、經濟管理等專業相關的例題、習題以及在線測試題，這些題目由淺入深、循序漸進，便於啟發和訓練學生的解題能力。《概率論與數理統計》還通過二維碼鏈接了豐富的拓展資源，掃碼可以深入學習，也可以進行章末測試，檢查學習效果。

本書是根據教育部高等學校大學計算機課程教學指導委員會關於推進新時代高校計算機基礎教學改革的有關精神，同時根據多所普通高校的實際教學情況編寫的。全書共分9章，主要內容包括：計算機與計算思維、操作系統基礎、辦公軟件(WPS Office)、多媒體技術及應用、數據庫基礎、計算機網絡與信息安全、算法與數據結構、Python語言和計算機新技術簡介。本書結合“計算機基礎”課程的基本教學要求，兼顧計算機軟件和硬件的最新發展；結構嚴謹，層次分明，內容豐富。為提高讀者的實際應用能力，本書配套出版實踐教程，內容是對本書實踐內容的指導和強化，對提高讀者的計算機操作和應用能力有很大的幫助。

本書以天津啟誠偉業科技有限公司提供的TQD-MicromouseOCv2.0虛擬仿真評測系統為教學載體，按照“項目—任務”教學法講述基於Python、Ubuntu、Gazebo、ROS2的編程基礎知識。具體內容包括：智能運動裝置虛擬仿真基礎、智能運動裝置虛擬仿真開發環境智能運動裝置虛擬仿真評測系統、智能運動裝置拓展學習資料。 本書配套豐富的數字化資源，加入3D虛擬仿真技術，通過學習虛擬仿真、智能算法等知識，可為學生進一步學習新一代信息技術知識奠定基礎。 本書面向新一代信息技術、自動化類等相關領域，適合作為高等職業院校開展職業啟蒙、科技活動和特色教育的教材，也可作為企業工程技術人員培訓用書及智能運動裝置愛好者的參考用書。

本書以培養學生的計算機核心素養為目的，以全新的視角來講解計算機相關基礎知識，以案例驅動的方式來鍛煉學生的計算機操作能力。全書共分為三大部分：第一部分為基礎理論，主要介紹計算機基礎知識及各部分的學習要點與難點；第二部分為常見軟件應用，主要介紹計算機常用軟件的使用方法；第三部分為編程語言(以Python為例)，主要用於提升學生的計算思維能力。每章均配有應用示例和習題，通過示例可引導學生快速掌握各章的要點和操作方法，通過習題可使學生自行檢驗學習效果。本書可作為各類院校不同專業的計算機基礎課程的教材，也可作為計算機初學者自學的參考書。

首本 MCP 多平台整合實戰書──OpenAI 只是起點！一次搞懂 AI Agent、Function Calling 與 MCP本書含最新 OpenAI GPT-5 範例《AI Agent 奇幻旅程》集結七大章、五位實戰講師，從宏觀願景到微觀程式碼完整展示 AI Agent 與 MCP 的威力。本書不僅描繪 AI 代理的未來藍圖，更以 OpenAI Agent SDK、Claude Desktop、Semantic Kernel、GitHub Copilot、Line 等熱門主角，逐章帶你實現「Agent × MCP」跨平台串接──讓桌面、雲端、聊天機器人一次打通。每章皆附範例專案程式碼，幫助讀者快速複製情境到自己專案。無論你想開發企業級智慧工作流，或打造個人化多代理應用，本書都是一把從概念到落地的「萬用鑰匙」。打開《AI Agent 奇幻旅程：MCP 通往異世界金鑰》這本書之前，讓我們先確認一件事：你是否已經接觸過大型語言模型（LLM），知道什麼是 prompt、token、embedding，也嘗試過呼叫像是 ChatGPT 的 API，做出一些能與人對話的範例程式？如果你的答案是「是的」，那麼，恭喜你——你已經準備好踏上下一階段的冒險，來探索 AI 模型不只是會說話，而是能夠行動，能夠呼叫工具、整合服務、進行決策，甚至協調多個代理角色，真正變成你的智慧夥伴。這本書的焦點不在於再教一次 LLM 的基礎，而是要帶你直奔最精華、也最刺激的主題：Model Context Protocol（MCP） 以及 AI Agent 架構。從願景出發，到實作落地，我們安排了七大章節，由五位具備實戰經驗的講師聯手執筆，深入淺出地展現如何打造多平台整合的 AI Agent。全書圍繞「Agent × MCP」這個核心，帶你逐步實現桌面端（Claude Desktop）、雲端平台（OpenAI Agent SDK）、本地框架（Semantic Kernel）、AI 輔助工具（GitHub Copilot），甚至社群應用（LINE 機器人）的跨平台連結。每一章都搭配完整範例專案，讓你不只學得會，還能直接套用到自己的實務場景中。▋ 建議搭配《Python 原力爆擊》如果你還沒實際寫過生成式 AI 程式碼，我們也誠摯推薦你搭配閱讀我們的姊妹作《Python 原力爆擊：OpenAI / Ge

《自動駕駛核心技術 : 環境感知、路徑規劃和實時地圖導航》深入講解了自動駕駛核心開發技術(環境感知、路徑規劃和實時地圖導航)的核心知識。《自動駕駛核心技術 : 環境感知、路徑規劃和實時地圖導航》內容全面且通俗易懂，共分10章，主要包括自動駕駛概述、激光雷達傳感器感知、智能導航、路徑規劃與決策、車輛和行人行為預測、基於紅外傳感器的環境感知、基於超聲波傳感器的環境感知、基於SLAM的定位與地圖構建算法、構建實時地圖以及基於深度學習的實時地圖導航系統。本書適用於已經掌握了Python語言基礎語法知識並具有一定開發經驗，想進一步學習智能駕駛、智能製造、無人機、機器人開發的讀者，還可以作為高等院校相關專業的教學用書和培訓機構的專業教材。

《運動控制器使用教程及案例》以運動控制及機器視覺理論為基礎，帶領讀者深入瞭解運動控制技術在當今各行業的應用開發及開發環境的多樣性，瞭解正運動控制器的軟/硬件特點，掌握多種運動控制系統的應用開發。本書提供了不同類型的開發案例，以提高讀者的開發能力。本書主要介紹運動控制各功能在不同領域、不同開發環境下的綜合應用。內容包括運動控制基礎理論，RTSys 運動控制之 UVW 平臺應用，PC 上位機運動控制之 LabVIEW 綜合應用、MATLAB 數控加工應用、Python+Qt 綜合應用；此外還包含結合機器視覺、不同模型機械手的運動控制行業綜合系統，涵蓋了使用 C#開發的視覺點膠系統、視覺激光焊接系統、SCARA 機械手視覺定位貼合系統、Delta 機械手視覺分揀系統。

"本書以Python語言為基礎，深入淺出地講解了模式識別的基本概念、算法原理和實現方法，主要包括監督學習和非監督學習兩大類模式識別方法，並詳細介紹了多種經典算法，如K近鄰、邏輯回歸、支持向量機、決策樹、集成方法、多層感知器、K-means和Apriori算法等；涵蓋了數據處理、數據降維、時間序列模型、深度學習和AutoML等重要內容，並提供了豐富的案例和實踐代碼，每章配有習題，以指導讀者進行深入地學習。本書側重算法實踐，在內容設計上，簡化理論推導過程，用更直觀的實踐方法來加強算法的理解，立足於在實踐中讓讀者掌握模式識別相關算法的原理和意義。本書既可作為高等學校本科模式識別課程的教材,也可作為數據科學、機器學習等領域學習者的技術參考書。"

本書以“電影網站用戶影評分析”項目為導向，較為全面地介紹Hadoop大數據技術及其生態系統組件Hive、HBase的相關知識。本書共6個項目，具體內容包括分析電影網站用戶影評需求及環境搭建、存儲電影網站用戶影評分析數據、統計電影網站用戶影評數據、多維度分析電影網站用戶影評、基於Hive實現電影網站用戶影評分析和基於HBase實現存儲電影網站用戶影評分析結果。本書每個項目均包含實訓與習題，讀者可通過操作和練習，鞏固所學的內容。本書可以作為高校大數據技術相關專業的教材，也可以作為“1+X”證書制度試點工作中的大數據應用開發（Python）職業技能等級證書（中級）考試的培訓用書和大數據技術愛好者的自學用書。

本書系統全面地介紹了MySQL資料庫應用開發所涉及的各類知識。全書共分為16章，內容包括資料庫設計概述、MySQL概述、MySQL資料類型與運算子、MySQL存儲引擎、MySQL資料庫管理、MySQL表結構管理、MySQL函數、表記錄的更新操作、表記錄的檢索、視圖、觸發器、存儲過程與存儲函數、備份與恢復、MySQL性能優化、事務與鎖機制、綜合開發案例——基於Python Flask的Go購甄選商城。本書最後還附有12個實驗。全書內容與實例緊密結合，有助於讀者理解知識、應用知識，學以致用。 近年來，AIGC技術高速發展，成為各行各業高品質發展和生產效率提升的重要推動力。本書將AIGC技術融入理論學習、實例編寫、複雜系統開發等環節，説明讀者提升程式設計效率。 本書既可以作為高等院校資料庫相關課程的教材，也可以供相關技術人員學習參考。

本書分基礎篇和進階篇。其中，基礎篇涵蓋了RobotStudio軟件仿真的基礎知識，主要包括塗膠路徑優化與動態顯示、碼垛仿真與通用框架程序構建、圖形化垛型生成軟件的製作、基於Smart組件的隨機位置物體抓取技術、視覺糾偏輸送鏈跟蹤仿真、各類外軸仿真與路徑優化、各類機器人TCP自動標定仿真、2D視覺標定與仿真技術、3D視覺仿真以及複合機器人（AGV）的仿真等。進階篇則深入探討了機器人讀取G代碼與自動路徑生成、人工路徑複現技術、圖片輪廓識別的自動繪圖仿真、EGM協議的深度解析與上位機位置及速度控制、Python結合EGM與手勢控制、ROS控制ABB機器人的實現方法、基於RobotStudio SDK的Smart組件開發與OpenCV的聯合仿真技術、RobotStudio 20XX版本的新功能及Omnicore示教器App的開發、RobotWare Add-Ins的開發等高級內容。

本書系統講解MCP的技術原理與應用實戰。首先從MCP的基礎知識入手，詳細講解MCP的起源與發展、架構、核心組件（資源、工具、提示模板）、支持的傳輸類型和安全機制等，並通過與API、Agent、Function Calling、A2A 協議l等的對比，體現其標準化優勢。然後講解如何安裝與搭建MCP服務器，並以Node.js和Python雙棧為例，手把手搭建MCP服務器與MCP客戶端，演示如何將MCP集成到Claude Desktop、Cursor IDE等主流AI平臺中。最後講解了多個實戰案例，涵蓋瀏覽器自動化、命令行與Shell、版本控制、數據庫交互、數據分析與可視化、雲平臺服務集成、通信與協作及娛樂休閒等多個應用場景。本書還同時深入探討了權限管理、沙箱隔離等安全機制，幫助讀者快速掌握MCP，實現大模型與業務系統的無縫對接，推動大模型從"知識庫”跨越式發展為"智能助手”。

本書通過豐富的插圖、表格和代碼示例，結合動手實驗及結果分析，通俗易懂地講解了Linux操作系統的基礎知識和運行原理，包括進程管理、進程調度、內存管理、設備訪問、文件系統、虛擬化和容器等機制，以及這些機制如何與硬件協同工作。本書在初版的基礎上新增了設備訪問、虛擬化、容器及cgroup等章節，並對原有章節內容也進行了大幅修訂，以滿足作者的閱讀需求；開闢了“技術專欄”，以幫助希望深入瞭解Linux的讀者拓寬知識面；源代碼也從C語言編寫更新為Go和Python實現，同時加入大量注釋，以方便讀者理解。此外，本書也全面升級為彩色印刷，讓穿插于字裡行間的豐富圖表更加清晰易懂。本書適合應用程序開發人員、系統設計師、運維管理人員和技術支持人員等人士閱讀。

本書以Oracle 11g(中文版)為平臺，介紹Oracle基礎和應用，共為3部分。實用教程部分比較系統地介紹了Oracle 11g的主要功能，包括數據庫基礎、Oracle 11g數據庫介紹、數據庫的創建和操作、數據庫的查詢和視圖、索引與數據完整性、PL/SQL、存儲過程和觸發器、系統安全管理，以及表空間、備份和恢復等概念。基礎實訓部分包含了7個實訓案例，配套對應章節實訓。數據庫應用實訓部分先創建應用數據庫，然後介紹PHP、JavaEE、Python 、Visual C#和ASP.NET等流行平臺開發數據庫應用系統，不同平臺操作同樣的數據庫，實現功能基本相同，讀者舉一反三，為學習數據庫及其應開發用帶來極大的方便。 本書提供PPT課件、教學微視頻、6種應用開發工程源文件及其配套數據庫，讀者可在華信教育資源網(www.hxedu.com.cn)上免費下載。

本書是作者多年在人工智能領域中運用機器學習實戰經驗的理解、歸納和總結,旨在將機器學習理論與商務決策實踐相結合,以較小的編程代價實現商務決策應用.本書共分7章,內容包括回歸模型、分類模型、集體學習、無監督學習、神經網絡等模型和算法的概念及原理.為了幫助讀者更好地運用機器學習解決商業決策中出現的問題,本書選擇Kaggle競賽經典商務案例,運用Python語言解決案例中的問題,使讀者既能理解處理問題背後的原理和思路,又能學習實際解決問題的方法和過程.本書可以作為高校大數據管理與應用、管理科學與工程、計算機科學及相關專業大學生或研究生的教材,也可以作為機器學習愛好者的參考用書.

本書中城市空間數據分析方法理論研究框架系統化的建立，正是試圖明確跨學科關聯知識廣度和深度上認知，促進分科知識融通發展為完整的知識體系，強化城市空間數據分析方法發展的深度，推動研究者從工具的使用者轉變為工具的創造者，擺脫傳統軟件工具的束縛，增加城市空間數據分析方法的創造性。本書內容共4章，包括：準備；理論工具；基礎試驗；附：Python基礎核心，為城市空間數據分析方法的基礎試驗部分。本書的讀者群體主要是風景園林、城鄉規劃、建築學專業，以數字化規劃設計、大數據、機器學習和深度學習、智能化規劃設計、城市空間數據分析處理為目的，相關的高等院校、規劃設計院等的技術人員、科研人員以及相關專業人士、學者和學生等。

人工智能是新一輪科技革命和產業變革的重要驅動力量，是研究利用計算機系統實現人類智能的理論、方法和技術的科學。本書系統介紹了人工智能的基本內容和實用技能，主要包括人工智能的發展歷程、人工智能首選開發語言Python、線性回歸方法、幾種主要的分類器、聚類分析算法、個性化推薦、語音識別技術和人臉識別應用等。本書以培養讀者的人工智能素養、人工智能思維和人工智能基礎應用能力為設計理念，以問題為導向、以項目為載體、以任務為目標來構建學習內容，突出人工智能的新內容、新技術和新應用。本書可作為高等院校電子信息、人工智能技術應用等專業相關課程的教材，也可作為人工智能學習與實踐的參考書供廣大讀者使用。

本書是依據高等學校線性代數課程教學基本要求，針對非數學類專業本科學生的專業學習與專業發展需要，結合教學實際在第二版的基礎上修訂而成。本書注重闡明線性代數的基本理論、基本概念和基本方法，理論聯繫實際，由淺入深，突出重點。全書共分7章，主要內容包括：行列式、矩陣、向量與線性方程組、矩陣的特徵值與特徵向量、二次型、線性空間與線性變換、線性代數在Python中的實現等，前六章每一章都有應用實例，並配有適量的習題，書末附有部分習題參考答案。本書還配有全書習題的解答電子版以及部分習題的視頻講解，可掃描相應二維碼獲取。本書可作為高等學校非數學專業線性代數課程教材使用，也可供科技人員學習參考。

本書通過8個項目，介紹了大數據常用技術。其中項目1主要介紹了大數據的理論框架。項目2、項目3分別介紹了虛擬化技術和Linux操作系統。項目4介紹了Hadoop分布式系統，包括搭建、運維、HDFS常用操作和MapReduce工作原理。項目5介紹了數據采集技術，包括網絡爬蟲、Flume數據采集和Kafka數據采集。項目6介紹了數據預處理技術，包括數據的清洗、轉換、集成和規約。項目7介紹了數據倉庫工具Hive，包括Hive部署、存儲和分析。項目8介紹了數據可視化技術，包括Python的Matplotlib、Seaborn和Pyecharts庫。本書通過具體的任務，引導讀者逐步深入，最終掌握大數據采集、處理、分析與可視化的一系列技能。本書可作為高校大數據相關課程的教材或教學參考書，也可以作為人工智能、大數據相關從業者的自學參考書。

本書編寫的核心理念一是基於系統方設計法論，培養學生的頂層設計和全域規劃能力；二是培養學生數據規範的意識，提升學生數據素養，鍛煉計算思維。本書內容淡化軟件功能，打破以Access功能為主線的內容模式，劃分為理論、應用、新技術三大篇，共12章，從數據為新型生產要素角度出發，結合國家數據化轉型的戰略部署，強調培養學生的數據素養、數據規範意識和數據管理能力；結合現實數據應用場景，劃分為數據采集與存儲、數據價值挖掘、數據呈現應用三條主線，通過沉浸式的實踐培養學生數據思維和計算思維；最後講解了數據共享與安全、Python數據分析應用。 本書適合作為高等院校各專業“數據庫應用”基礎課的配套教材，也可作為數據庫愛好者的參考書。

本書以多年的"大學計算機基礎"課程教學實踐為基礎，充分吸納近年來國內外以培養計算思維為核心的計算機基礎教學改革實踐成果，為"大學計算機基礎"課程理論教學提供配套實踐訓練，以深入貫徹計算思維通識教育。本書內容以Python語言為工具，內容涵蓋信息表示與加解密、計算機系統、操作數據庫及其基本操作、數據庫訪問、網絡通信與郵件收發、網絡爬蟲應用等高等學校理工科各專業"大學計算機基礎"課程實驗教學的主體內容。 本書適合作為高等學校理工科專業計算機基礎課程實踐教材，也可作為計算機培訓、計算機等級考試和計算機愛好者的參考書。本書同步配套出版《大學計算機基礎——計算思維與信息素養》（第2版）理論教材，供讀者選用。

本書從人工智能系統平臺環境部署為主線講解了人工智能的概念以及人工智能平臺環境的部署，主要涉及Linux系統安裝、GPU環境配置、Python環境配置、人工智能基礎概念、Hadoop環境部署、數據庫部署、Docker部署、集群的部署和維護等知識。全書知識點的講解由淺入深，使每一位讀者都能有所收穫，也保持了整本書的知識深度。本書主要涉及八個項目，即基礎環境搭建、人工智能平臺知識基礎、分布式計算原理及Hadoop部署、數據庫基礎知識、容器知識基礎、容器管理工具及Kubernetes部署、人工智能平臺實施、人工智能平臺監控與維護，嚴格按照生產環境中的操作流程對知識體系進行編排。使用循序漸進的方式從Linux系統安裝、GPU配置一直到相關服務的部署等知識進行講解。

本書重點介紹了數據采集和數據預處理的相關理論與技術。全書共9章，主要包括數據采集與預處理概述，大數據開發環境的搭建，使用Flume採集系統日誌數據，使用Kafka採集系統日誌數據，其他常用的系統日誌數據采集工具，使用網絡爬蟲採集Web數據，Python數據預處理庫的使用，使用ETL工具Kettle進行數據預處理，以及其他常用的數據預處理工具。本書在第2章至第9章安排了豐富的實踐操作，實現了理論與實踐的有機結合，幫助讀者更好地學習和掌握數據采集與預處理的關鍵技術。本書可以作為高等院校大數據專業的大數據課程教材，也可以作為計算機相關專業的專業課或選修課教材，同時也可以作為從事大數據相關專業的工作人員的參考用書。

本書以詳實的內容及豐富的實例較全面地介紹了數字圖像處理的基礎理論、經典算法及典型應用。本書內容包括數字圖像處理基礎知識、圖像增強、圖像復原、圖像的幾何變換與幾何校正、形態學圖像處理、圖像分割、圖像描述與特徵提取等，並通過一個較完整的車牌識別系統向讀者詳細介紹了數字圖像處理系統的基本設計思想與設計方法。本書實踐部分，介紹了OpenCV、NumPy、Matplotlib、Scikit-learn等圖像處理相關工具包的一些常用使用方法，其中的代碼彙集生成了“基於Python的圖像處理算法演示系統v1.0”，以輔助讀者理解算法。為適應人工智能等新技術的發展，本書簡單介紹了卷積神經網絡的平移、旋轉、尺度、形變等不變性，讓讀者理解卷積神經網絡在圖像處理方面的優勢。

matplotlib 2D到3D資料視覺化 王者歸來 | 全彩印刷 | ★★★★★ 【國內作者第１本】【全彩印刷】【資料視覺化】 ★★★★★ ☆☆☆☆☆ 【國內作者第１本】【matplotlib書籍】 ☆☆☆☆☆ 本書包含【32個主題】、【509個程式實例】，整本書內容如下： ★ 完整解說操作matplotlib需要的Numpy知識 ☆ 認識座標軸與圖表內容設計 ★ 繪製多個圖表 ☆ 圖表的註解 ★ 建立與徹底認識圖表數學符號 ☆ 折線圖與堆疊折線圖 ★ 散點圖 ☆ 色彩映射Color mapping ★ 色彩條Colorbars ☆ 建立數據圖表 ★ 長條圖與橫條圖 ☆ 直方圖 ★ 圓餅圖 ☆ 箱線圖 ★ 極座標繪圖 ☆ 階梯圖 ★ 棉棒圖 ☆ 影像金字塔 ★ 間斷長條圖 ☆ 小提琴圖 ★ 誤差條 ☆ 輪廓圖 ★ 箭袋圖 ☆ 幾何圖形 ★ 表格製作 ☆ 基礎3D繪圖 ★ 3D曲面設計 ☆ 3D長條圖 ★ 設計動畫 本書程式實例豐富，相信讀者只要遵循本書內容必定可以在最短時間精通使用Python + matplotlib完成資料視覺化。

掌握Linux命令行操作，不僅是輕鬆駕馭Linux系統的基礎，還是開展Python數據分析、數據庫管理、後端開發等工作的基本功。 本書是專門為命令行初學者打造的學習手冊，注重趣味性、實用性，邏輯清晰、圖文並茂。書中總結了大量命令行表格與核心知識點，以方便大家快速掌握Linux命令行的使用方法。本書結合豐富的代碼示例，詳細地講解了如何通過簡單、方便的命令行操作解決實際問題，提升工作效率。書中內容主要分為兩部分，共8章，包括命令行環境搭建、文件系統及其管理、應用和包管理、命令行及shell強化、文本處理、數據分析、Vim文本編輯、進程管理和工作空間組織。 本書面向從其他平臺過渡到Linux的新用戶、初級Linux系統管理員、Linux系統愛好者，以及對數據分析和開源技術感興趣的讀者。

本教材讀者主要面向高等院校財經類專業學生及財務從業人員，從內容選取到表現形式更貼近學生、貼近會計實務，力求更好地為專業人才培養服務。教材的基本特色如下： 1.以綜合職業能力培養為目標，體現教學內容的職業性。教材以財務分析崗位的職業能力為本位，選擇其典型工作任務，設計理實一體化的學習任務。在發展學生專業能力的同時，促進學生探究學習、分析問題和解決問題、語言和文字表達能力、數據處理與分析能力等通用能力的提升。2.行動導向的教學組織，體現以學生為中心的教學理念。每一個學習任務都以“明確任務、獲取信息、制定計劃和做出決策、實施計劃、評價反饋”完整的行動方式來組織教學。在行動過程中，學生參與行動的每一個環節，是學習活動中的主人，體現以學生為中心的教學理念。行動過程中，解決問題的方法也不是唯一的，而是多樣化的，提升教學內容的挑戰度，對學生的評價也是對其綜合能力的評價，不是單純的對與錯。3.融入大數據分析思維和能力，體現教學內容的高階性和創新性。大數據、人工智能技術的發展，推動了財務工作向智能化過渡，財務人員需要向管理型複合型人才轉型，需要具備大數據收集、處理、分析能力，綜合運用Python等大數據分析工具做出財務分析、預測和決策。本教材在學習任務中，融入“業財一體”財務分析的理念、大數據分析思維的鍛煉、數據統計和分析能力的培養、大數據分析工具應用的實戰場景，體現教學內容高階性和創新性。教材根據大數據財務分析的崗位能力和財務分析的應用場景，將教材內容分為五大學習領域：財務報表初步分析、財務報表項目分析、財務比率分析與綜合分析、投資分析與決策、Python項目上實戰。每個學習領域按照崗位工作流程劃分學習任務。

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 leakage) ☆ 繪製決策樹圖(Decision tree map) ★ 可視化熱力圖(Heat map) ☆ 決策邊界(Decis

本書整體架構嚴謹清晰，編排時遵循概率論與數理統計的理論邏輯和認知規律，共8章內容。書中從概率論基礎理論出發，逐步講授隨機變量及其分佈、多維隨機變量及其分佈、數字特徵與極限定理等核心知識；隨後過渡到數理統計領域，系統闡述抽樣分佈、參數估計、假設檢驗等關鍵內容；最終以基於Python的概率論與數理統計實驗收尾，實現從理論知識與實際應用的銜接，構建起“理論鋪墊—方法講解—實踐操作”這一層層遞進的知識體系。 本書的數字資源為各章部分習題參考答案、常用概率統計表、各章思維導圖、部分重點概念演示視頻等，均以二維碼的形式呈現。 本書可作為高等學校非數學類專業本科生的概率論與數理統計教材，也可作為相關專業研究生、教師及科研人員的參考書。

《時間序列分析》是遼寧省一流本科課程配套教材，在借鑒國內外相關教材優點的基礎上，總結作者多年從事時間序列分析課程的教學經驗和體會，本著“教師好用、學生好讀”的指導思想，系統地介紹了一元時間序列分析的基本思想、基本原理和基本方法，內容包括時間序列的基本概念、時間序列數據的預處理方式、分解和平滑、單位根檢驗和協整、平穩時間序列模型、差分平穩時間序列模型、異方差時間序列模型、非線性時間序列模型、譜分析、基於深度學習的時間序列預測以及上述模型的性質、建模、預測，此外還包含了大量的實例，《時間序列分析》全程使用Python語言分析了來自不同學科的真實數據，《時間序列分析》還通過二維碼鏈接了數據、程序代碼、彩圖以及期中、期末測試，供讀者學習使用。

本書由10個單元組成，包括讀取和寫入圖像、認識數字圖像、繪製圖形、變換圖像、平滑圖像、檢測物體的邊緣、對圖像做形態學處理、從圖像中提取前景物體、進一步認識數字圖像，以及檢測和識別文字。本書內容通俗易懂，只需要讀者掌握基本的Python編程知識。本書注重實踐操作和實訓技能的培養，每個單元都從一個引導項目開始，由項目設置的學習情境引領讀者學習掌握主要知識點和技能點。通過項目的實現過程，潛移默化地幫助讀者實現學習目標。本書緊跟圖像處理和人工智能技術發展的前沿動態，是學習計算機視覺、深度學習以及人工智能應用和開發課程的基礎和先導課程。本書可作為職業本科、高職高專院校，以及中等職業學校的OpenCV圖像處理教材，也可以作為電子信息、計算機相關專業圖像處理教材。

《化學工程的基本原理和計算方法》是由David M. Himmelblau與James B. Riggs所著的國際經典教材。本書第九版涵蓋了化學工程、生物工程、石油工程和環境工程領域應用的基本原理和計算方法，系統闡述了物料與能量衡算、氣體與多相平衡、非穩態系統及流程模擬應用，創新融合MATLAB與Python編程實踐，將複雜概念轉化為可執行代碼，極大地提升了複雜計算的可操作性。本書超越傳統教材的“知識灌輸”模式，融入大量自測題與工業案例，輔以附錄數據，內容編排強調工程化思維與系統化分析範式，實現理論推導與工程實踐的高效銜接。本書可作為化學工程、石油工程、環境工程及相關專業的本科生與研究生教材，也可為相關專業的工程師及科研人員提供方法論支持，是貫通基礎理論與工業應用的權威指南。

本書以TensorFlow 2深度學習的常用技術講解與真實案例實戰相結合的方式，深入淺出地介紹使用TensorFlow 2實現深度學習的知識內容。全書共有8個項目，分為基礎部分和實戰部分。基礎部分包括深度學習概述、TensorFlow 2快速入門、深度神經網絡原理及實現。實戰部分包括5個真實案例，分別為基於CNN的彩色圖像分類、基於CNN的門牌號識別、基於LSTM網絡的語音識別、基於CycleGAN的圖像風格轉換和基於TipDM大數據挖掘建模平臺的彩色圖像分類。本書多個項目包含項目實訓和課後習題，可以幫助讀者鞏固所學的知識。本書可用作1+X證書制度試點工作中的大數據應用開發（Python）職業技能等級（高級）證書的教學和培訓教材，也可以作為高校數據科學或人工智能相關專業的教材，還可供深度學習愛好者自學使用。

本書依據《高等學校人工智慧創新行動計畫》（2018），遵循教育部"打造體系化人工智慧通識課程體系（2024）”要求，從人工智慧導論、人工智慧程式設計基礎、人工智慧計算平臺、人工智慧網路環境、人工智慧基本技術、大模型及其應用技術、機器學習及其應用等七個維度佈局內容。本書的主要特色有：一是與時俱進，從人工智慧原理和應用視角，構建教材內容；二是守正創新，在強化學生計算思維能力培養的同時，提高學生利用人工智慧技術解決實際問題的能力；三是強化實踐，將 Python 相關知識貫穿教材始終，通過大量程式設計實例增強學生對人工智慧的理解能力；四是加強價值引領，聚焦創新素養、工匠精神與家國情懷的養成。 本書可作為高等院校、高職高專大學電腦基礎系列課程和人工智慧通識教育的教材。