Python

本書是順應數字經濟時代財務數智化轉型需求編寫的創新型教材，以“財會數智工匠”培養為核心目標，系統介紹了 Python 基礎語法、數據采集、數據清洗、數據可視化、財務模型創建等內容。為降低讀者學習 Python 編程的技術門檻，提升財務數據的處理效率，本書引入 DeepSeek、Kimi、豆包 AI編程助手、騰訊雲 AI 代碼助手等工具，創新“自然語言交互+代碼生成優化”的“AI+Python”人機協同模式，助力讀者掌握數據爬取、智能分析、風險預警等核心技能，培養兼具技術能力、數字素養與職業道德的複合型人才。本書以真實業務場景驅動學習，配套 AI 助教、智能體、知識圖譜等數智資源，可用作應用型本科院校和高等職業院校財會類專業的教材，亦可供財務從業人員學習參考。

《Streamlit大模型應用開發實踐：數據科學和AI Web應用開發超簡單》是一本系統講解使用 Streamlit 開發大模型應用的實踐指南。本書從 Streamlit 入門講起，涵蓋Streamlit 概述、Python 開發環境搭建，Streamlit 特性與功能介紹，幫助讀者快速掌握 Streamlit 的基礎操作，詳細闡述了使用 Streammlit 創建基礎 AI Web 應用的全過程，包括框架搭建、內容組織展示，還結合 NLP技術實現文本分析處理，並介紹了應用分享與部署的方法。

身處 LLM 時代的必備技能 AI 爬蟲與資料檢索的全本機工作流 你還在用傳統的方法爬取網路資料嗎？還在手動分析 HTML 網頁結構、逐一定位網頁元素、再手刻爬蟲程式嗎？身處 AI 世代，是時候該學習更聰明、更高效的資料收集方法，讓你坐在電腦前，喝著咖啡、悠閒地看著 AI 為你自動爬取網路資料。在 AI 飆速發展的今天，傳統網路爬蟲技術正迎來全新的變革。過去，Python 爬蟲程式的開發者必須自行剖析 HTML 網頁結構，撰寫繁瑣複雜的資料擷取規則與步驟；如今，隨著 LLM 的普及，AI 已能協助我們理解 HTML 網頁結構、定位網頁資料，甚至能夠自動化建立整個爬取流程，大幅提升開發效率。本書從 HTML 結構解析入門，循序講解 BeautifulSoup + CSS 選擇器、lxml + XPath 表達式、正規表達式等核心技術，再深入 Selenium 模擬瀏覽器互動及 Scrapy 爬蟲框架的專業應用，帶領讀者全面掌握靜態與動態網頁擷取技術。更進一步結合 Playwright 自動化瀏覽器、以及 AI 驅動的爬蟲框架 Crawl4AI 和 ScrapeGraphAI，讓 LLM 成為理解與提取網頁資料的主力。不只如此，本書採用 n8n × Ollama 全本機架構，無需 API Key、無需 Docker，即可整合 SearXNG 搜尋引擎、Crawl4AI API 資料爬取、Qdrant 向量資料庫與 RAG 知識檢索生成，最終打造出 MCP + AI Agent 自動化流程 ⸺ 從搜尋、爬取到資料處理與知識生成一手包辦！本書特色: 用 AI 分析 HTML 結構建立 Python 網路爬蟲▸全面掌握靜態與動態 HTML 網頁擷取技術，CSS Selector、XPath 一次上手▸實戰演練 BeautifulSoup、Selenium、Scrapy 經典 Python 爬蟲框架Python × LLM 建立 AI 網路爬蟲▸整合 OpenAI、Gemini、Groq、Ollama 等多種 LLM，打造智慧爬蟲系統▸運用 AI 驅動的爬蟲技術 Crawl4AI 與 ScrapeGraphAI，自動理解並提取網頁內容▸結合非同步程式設計，提升資料抓取效率與彈性整合 Python × AI 網路爬蟲的 AI 工作流程：n8n▸以視覺化介面建立自動化流程，輕鬆整合

本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的數學基礎，為人工智慧領域做好準備。AI時代來臨，你的數學準備好了嗎？打好基礎，推開智慧之門邁向未來，就從這本書開始！初學者友善的入門指南本書專為資料科學與人工智慧（AI）相關領域的學生與初學者量身打造，旨在幫助讀者建立學習AI所需的基礎數學概念。不同於傳統艱澀的數學教材，本書以通俗易懂、由淺入深的方式進行講解，讓即便是數學基礎薄弱的讀者，也能輕鬆理解並掌握內容。透過清晰的結構與大量實例說明，本書化繁為簡，降低學習門檻，是通往AI世界的重要敲門磚。理論與實踐兼備，學以致用本書的內容設計強調理論與實務並重，既有嚴謹的數學推導，也有豐富的應用實例。除了傳統的計算練習，還融合Python程式語言進行實作，讓讀者能夠同步訓練邏輯思維與程式技能。透過實際編程演練，不僅有助於加深對數學原理的理解，也提升將理論應用於資料分析與AI開發的實務能力。這樣的設計不僅符合現代科技教育的需求，也貼近業界實際工作情境。教材與自學兼用，應用範圍廣泛本書不僅可作為大專院校資料科學與人工智慧相關課程的教材，也非常適合自學者與職場從業人員作為參考書使用。內容涵蓋機率與統計、線性代數、微積分、最佳化等AI核心數學領域，系統性地建立完整知識架構。無論是準備進一步修習機器學習、深度學習等進階課程，或是需要在實務工作中應用資料分析與模型建構能力，本書都是不可或缺的重要資源。奠定未來AI學習的基礎人工智慧的發展日新月異，對數學的依賴與日俱增。唯有具備紮實的數學基礎，才能真正理解演算法的原理與模型背後的邏輯，進而靈活應用於各種情境中。本書不僅是一部數學入門書，更是一座銜接AI世界的橋樑。透過理論與實務交織的學習旅程，幫助讀者在AI領域立足，迎接更廣闊的未來發展機會。本書特色：本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的

若要打造可推理及提取外部資料、理解前後脈絡、可投入正式環境的 AI 應用程式，你就必須熟悉熱門的開發框架與平台 LangChain。它可以用來建立、執行與管理有自主行動能力的 app。目前已有許多頂尖公司採用 LangChain，包括 Zapier、Replit、Databricks 等。對於已經學會 Python 或 JavaScript，且想要掌握 AI 能力的新手開發者而言，本書是必備的學習資源。 作者 Mayo Oshin 與 Nuno Campos 透過實用的見解與深入的教學，帶領你逐步掌握 LangChain 的運用。從基礎概念開始，一步步帶你建立一個可正式上線，並且能夠使用個人資料的 AI agent。 • 運用 retrieval-augmented generation（RAG）技術，結合外部的即時資料來提升 LLM 的準確性。 • 開發並部署能夠與使用者聰明地互動，並且記得前後脈絡的 AI 應用程式。 • 透過 LangGraph 來使用強大的 agent 架構。 • 整合並管理第三方 API 與工具，以擴充 AI 應用程式的功能。 • 監控、測試與評估 AI 應用程式，以提升效能。 • 瞭解 LLM app 開發的基礎知識，並學習如何在 LangChain 上加以活用。 ------------------------------------------------------------- 「本書包含條理分明的講解和可落實的技巧，是掌握 LangChain 的強大功能，並用它來製作可上線的生成式 AI 與 agent 的首選資源。對於想充分利用此平台之潛力的開發者來說，是必讀之作。」 ── Tom Taulli，IT 顧問暨《AI輔助程式開發》作者 「這本完整的指南涵蓋文件提取與檢索，以及在正式環境中部署與監控 AI agent 的完整知識。透過引人入勝的範例、直覺的圖解與實際的程式碼，讓 LangChain 變得既有趣又好玩！」 ── Rajat K. Goel，IBM 資深軟體工程師 「這是一本完整的 LLM 指南，不只介紹基礎知識，也探討生產階段，充滿技術見解、實用策略，以及強大的 AI 模式。」 ── Gourav Singh Bais，Allianz Services 資深資料科學家暨技術內容撰寫人

GitHub Copilot學習手冊｜效率倍增的AI程式設計力 「《GitHub Copilot學習手冊》是實用、有深度、貼近日常開發方法的一本書。」 ――Andrew Stellman，開發者、團隊主管、講師與作者 「每一位程式設計師都要瞭解AI輔助程式設計，GitHub Copilot顯然是這個領域的龍頭，而Brent的這一本書是帶你精通這款強大工具的終極指南。」 ――Tom Taulli，《AI輔助程式開發》 作者 使用GitHub Copilot的生成式AI 來大幅提升程式設計效率！在這本實用指南中，作者Brent Laster將教你如何使用生成式AI來迅速寫出更好的程式、輕鬆生成測試程式、在任何開發階段寫出完善的文件…等。本書也會探討進階用法――例如利用Copilot的Agent功能來自動新增功能，以及自動審查pull requests。 《GitHub Copilot學習手冊》適合任何程度的開發者、測試人員、DevOps工程師，以及軟體專業人士。本書除了介紹基本知識外，還會深入討論Copilot Edits、Agent模式與Copilot Vision。你也將學習建立自己的Copilot擴充套件以擴展功能。不論你使用的是Python、JavaScript還是其他語言，本書都能幫你充滿信心地將AI整合到開發流程中。 - 利用即時的AI建議來探索與瞭解陌生的程式與演算法 - 精通行內補全與聊天介面，將常見任務自動化 - 快速、輕鬆地將自然語言提示詞轉換為完整的函式、測試與文件 - 利用背景資訊與提示詞來優化AI生成的結果，以獲得量身打造的解決方案 - 在IDE中透過AI的協助來簡化功能開發與重構

用數學與實作打通最佳化 從理論、工具到應用，學會打造更強的 AI 模型 本書內容改編自第 16 屆 iThome 鐵人賽 AI/ ML & Data 組冠軍系列文章《調整 AI 超參數好煩躁？來試試看最佳化演算法吧！》這是一本以「結合 AI 工具實作搭配少量理論」為核心的最佳化入門到進階指南。全書以直觀圖解與儘可能少的必要數學，帶你理解五花八門的演算法、目標函數與測試函數的本質，並以可直接執行的程式碼範例來串接起常見方法。例如，傳統啟發式演算法、粒子群算法（PSO），與比較近期的灰狼演算法（GWO），以及機器學習跟深度學習中的超參數最佳化（例如 TPE 等）。 書中不只介紹理論與實作，也新增「AI 協作」章節，示範如何下 Prompt，讓你與 AI 分工寫最佳化程式、請 AI 教學演算法與驗證結果。無論你來自影像處理、訊號處理、資料科學或工程領域甚至是學生，都能把最佳化真正用在工作、研究與學習裡。 本書可以學到哪些知識 本書規劃為五大篇、十個章節，以循序漸進的方式引導各位讀者深入最佳化的世界，並精選了一系列實際應用案例，讓各位不僅能理解理論，更能即學即用。 第一篇〈最佳化演算法的全貌〉：本篇會從最佳化技術的基礎概念開始，介紹什麼是最佳化演算法，接著會介紹目前的演算法種類大致分成哪幾種，這幾種演算法中目前比較主流跟比較多研究在使用的演算法有什麼。這些演算法雖然都是以數學來定義的，不過本書會根據這些公式的用途做一個簡單的總結，讓生活已經遠離數學的讀者也可以輕鬆上手。 第二篇〈最佳化演算法評估與測試函數〉：本篇將帶你掌握研究中廣泛使用的測試標準，讓你的最佳化演算法不再只是「感覺變好」，而是能以數據驗證、圖像呈現的方式準確比較表現。從經典測試函數到 Python 實作，幫助你建立完整的最佳化演算法評估公式。不論你是 AI 工程師、研究人員，還是想用最佳化技術提升產品效能的開發者，這章都能讓你學到「量化進步」，優化策略看得見！ 第三篇〈Python Optuna 模組介紹〉：進入實作關鍵！本篇將帶你認識 Optuna，一款靈活又高效的 Python 最佳化工具。無論你是要調校 AI 模型參數，還是優化自家產品或演算法效能，Optuna 都能幫你快速實驗、多次試錯、精準收斂。從基礎語法到深度學習案例，搭配 ChatGPT 提示技巧，讓你能在開發流程中聰明用好最佳化，把模型與應用

本書內容主要包括：計量經濟學及其Python應用環境，Python在一元回歸分析中的應用，Python在多元回歸分析中的應用，Python在多重共線性中的應用，Python在異方差中的應用，Python在自相關中的應用，Python在時間序列分析自相關性與平穩性中的應用，Python在時間序列分析ARIMA等模型中的應用，Python在時間序列分析ARCH與GARCH模型中的應用，Python在面板數據計量分析中的應用，Python在廣義矩估計與最大似然估計中的應用，Python在格蘭傑因果關係中的應用，Python在協整配對交易策略中的應用。本書最後提供了兩個附錄、分別為計量經濟學Python工作環境準備，以及Python基礎知識與編程。本書緊跟數字經濟與財經數據科學時代潮流，內容新穎、全面，實用性強，集理論、方法、應用於一體，可作為經濟學、數字經濟、統計學、數量經濟學、應用數學、金融學、會計學、大數據管理與應用等相關專業的本科生與研究生教材或參考用書。

本書詳細講解了基於Python語言實現自動駕駛路徑規劃與決策算法的知識，並通過具體實例展示了這些算法的使用方法。本書共10章，依次講解了Dijkstra算法、A*算法、Bellman-Ford算法、Floyd-Warshall算法、D*算法、D* Lite算法、RRT算法、其他路徑規劃算法、智能行為決策算法、基於SLAM的自主路徑導航系統。書中詳細介紹了各種經典路徑規劃與決策算法的背景、原理、實現步驟及實際應用，通過豐富的案例分析和綜合實戰項目，給出了詳細的編程實現和優化技巧，是路徑規劃和人工智能領域的研究人員及相關專業學生學習和實踐路徑規劃算法的理想之書。本書適用於已經瞭解了Python基礎開發的讀者，以及想進一步學習自動駕駛、路徑規劃和汽車導航的讀者，也可以作為大專院校相關專業的師生用書和培訓學校的專業性教材。

無