Python

★★★★★ 亞馬遜 4.7 星絕讚好評出版一周便登上 Python 程式語言書籍排行 #1『當我翻著 Dan 的這本書時, 我老是忍不住心想：要是當年我學 Python 時也有這本書就好了。』『我愛～死～這本書了！就好像有個資深導師在你身邊對你解釋這些..Python 密技！』大家都說 Python 很好學, 可是你發現自己跨過第一步後就卡關了。或者你已學過其他程式語言, 想要轉戰 Python,

本書特色一本讓你夠格去Google、百度、微軟、fb上班的修鍊大法◎ 爬文字、爬評論、爬音樂、爬圖片、爬電影，無所不爬！◎ 存文字、存表格、存word、存db，存json、存csv，什麼都存！◎ Fiddler、 urlib、 requests、 selenium、 appium、 scrapy，樣樣都有！◎ SQLAchemy、 MongoDB、MySQL、Redis、 SQLServer，格式

別以為寫程式只是工程師的事，當前各行各業都受到科技巨大變化的衝擊，組織裡各個階層的人員若能透過學習程式設計，而接受更多運算思維的訓練，以及對軟體科技趨勢的理解，那麼在面對變局、處理問題時，將可大大的提升解決問題的能力，在競爭的社會中具備更多勝出的機會。但...程式設計該怎麼學？搞懂邏輯 × 動手實作 × 驗證想法 × 專題激盪學習程式設計，不該只是盲目死記難懂的語法指令及一堆計算機符號，而是培養邏

內容簡介:資料科學的學習指引 “對任何想要使用Python開始機器學習的人，這本書是很棒且超實用的資源。真希望當我開始使用scikit-learn時有這本書！” -Hanna Wallach, 微軟研究院資深研究員 機器學習已成為許多商業應用程式與研究專案的精華部分，但這個領域並不是大公司中規模龐大的研究團隊所獨有。就算是使用Python的初學者，這本書也能教會你實際的方法，來建立自己的機器學習解

這是一本如何將資料結構概念以Python程式語言實作的入門書。特色在於將複雜的理論以圖文並茂的方式解說和詮釋。首先從基本的資料結構概念開始，接著陸續以Python語言闡述陣列結構、堆疊、鏈結串列、佇列、樹狀、圖形、排序、搜尋等重要的觀念。附錄更提供Python語言的快速入門，和使用Python程式除錯經驗分享。每章重要理論均有範例實作，收錄了完整的演算法及程式執行畫面，讀者可依照個人學習進度作練習

◆本書淺顯易懂的原理說明◆Step by Step實機操作◆範例程式詳細解說◆大幅降低機器學習與大數據技術的學習門檻機器學習正熱門機 器學習是近20多年興起的多領域學科，機器學習演算法可從大量數據中建立模型，並利用模型對未知數據進行預測。近年來各大公司google、 facebook、microsoft、IBM…等，全力投入機器學習研究與應用，以Google為例，Google早已將機器學習，運用在

適用Python 3如同電腦科學家般思考「《Think Python》讓我不停地會心微笑，Allen Downey的解說非常清晰，而他具啟發性的練習題目將能夠引發不同背景學習者的興趣。」—Luciano Ramalho, ThoughtWorks技術總監，《流暢的Python》一書作者如果你想要學習程式設計，Python就是極佳的起點。這本實務指南會帶你逐步了解這個程式語言，從基本的編程概念開始，

作者以實際教學經驗，列舉豐富的範例進行解說，讓您學會Python程式設計的完整知識，從入門邁向專業！ *使用最新的Python 3.x，以豐富且扎實的教學內容，讓讀者快速進入Python的開發領域。 *本書從入門切入，涵蓋：Python基本程式設計，細述迴圈、函式、GUI程式設計、多維串列、繼承與多型、檔案與異常處理…等等。淺顯易懂的內容搭配豐富的範例程式，讓讀者可收事半功倍之效果。 *每一章附有

運用 Django, Selenium 與 JavaScript “測試是理智開發者必備的技能。Harry 做了一件很棒的事情：在探索真實世界的測試方法時，讓我們持續保持專注力。” -Michael Foord Python 核心開發者 & unittest 維護者 “這本書不單單介紹測試驅動開發，它也是完整的最佳做法速成課程，從開始到結束，討論以 Python 開發現代網頁應用程式。”

AI 浪潮來襲，不掌握，就等著被淹沒！ 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。 本書的每一章都是為了解答您可能對這些科技主題有的疑問而精心編輯的。無論您是科技新手，還是其他各個領域的一般人士，我們希望本書都能滿足您的需求。 第一章將帶您深入探討AI協作的世界，然後介紹AI知識庫及AI Agent，最後則是介紹在現階段應該遵守的AI倫理及相關社會議題。第二章則詳述資訊安全的重要性以及它在我們生活中扮演的角色，諸如各種風險、應對策略以及法規要求。第三章將探討智慧財產權、著作權等議題，幫助您了解這些法律對於數位生活的影響和重要性。 在第四章，我們將引領讀者了解如何使用Excel和Google表單來處理文書工作和設計問卷。第五章則將帶領讀者進入程式設計的世界，提供Python程式語言的基礎知識並解說其在資料分析中的應用。進入第六章，我們將探討新興的Web 3.0技術，包括元宇宙、區塊鏈、虛擬貨幣與NFT等話題，帶您一探數位世界的新發展趨勢。在第七章中，我們將帶領讀者了解大數據分析的基礎概念和方法，並學習如何使用Python來進行資料分析與視覺化。 我們的目標是讓這本書成為您的科技知識指南，希望您在閱讀本書的同時，不僅能學習到新的知識，更能對科技的未來發展充滿期待。再次感謝您選擇本書，讓我們一同探索科技的奧秘。 ☛☛☛☛☛☛☛Python的安裝方式☚☚☚☚☚☚☚ 在進行本書第五章時，請依影片安裝 Python。 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。

本次改版新增「Python 語言快速入門」及「Python 程式語言觀念題題庫」，讓您準備更加充分！ ╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋 APCS 考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析 APCS 程式設計觀念題與實作題 APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。 為了因應新制的「程式識讀」，本次改版也另外新增了兩個附錄，提供「Python 語言快速入門」及「Python 程式語言觀念題題庫」。筆者希望本書能引導各位讀者具備應試 APCS 的經驗與實戰能力的養成，並學會如何解析程式的程式實作的能力，進行有能力根據自己的創意思維，開發出各式各樣功能的軟體，而這也正是本書努力達成的目標。 本書的實作題以 C++ 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C++ 語言應試 APCS 的實戰能

【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。

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

幫助你解決各類實務問題的演算法寶典 ★ 超過 60 個演算法的介紹與應用 ★ 生成式模型、進階序列模型、大型語言模型 ★ 片單推薦、電商平台商品推薦、餐廳評分系統、詐騙偵測 ★ AI 數位時代工程師必備寶典 《每個程式設計師都應該要知道的 60 個演算法》是資料科學家必備的兵工廠。如果你正在探索資料科學或是希望提升你的技能，這本書是幫助你打下穩固基礎的絕佳起點。 Somaieh Nikpoor博士 | 加拿大政府資料科學與 AI 部門主管，Carleton 大學 Sprott 商學院兼任教授 ＿＿＿＿＿ 使用演算法解決現實世界問題的能力，是每一位開發人員或程式設計師必備的技能。本書不僅能幫助你培養選擇和使用演算法來解決真實世界問題的技能，也會讓你了解這些演算法的工作原理，第二版內容加入了最新的生成式模型與序列模型介紹與應用，讓你能夠輕鬆理解與應對不斷變化的 AI 應用。 你將從演算法簡介開始，進一步學習各種演算法的設計技巧，然後透過實際範例的引導，探索如何實作不同類型的演算法。隨著進度推進，你將學習到線性規劃、頁面排名、圖形演算法，然後運用機器學習演算法來理解它們背後的數學和邏輯。 部分案例研究將會展示如何以最佳方式應用這些演算法，接著，你將聚焦在深度學習演算法，並學習各種不同類型的深度學習模型及其實際的應用方式。 你也會學到關於現代序列模型和它們的變體、演算法、方法論以及架構，用來實作像是 ChatGPT 這類大型語言模型（LLM）。 最後，你將能夠精通平行處理技術的技巧，讓你具備在計算密集型任務中高效運用這些演算法的能力。 讀完這本程式設計書，你將可以熟練地使用各種演算法，解決現實世界中的各種計算問題。 ▍你將會學到以下內容： ⋄ 設計演算法以解決複雜問題 ⋄ 熟悉類神經網路和深度學習技術 ⋄ 探索 Python 程式庫中現有的資料結構和演算法 ⋄ 使用網路分析實作圖形演算法進行詐欺偵測 ⋄ 透過實際範例，深入研究自然語言處理的最先進演算法 ⋄ 建立一個可以向訂閱者推薦電影的推薦引擎 ⋄ 掌握序列機器學習模型的概念及其在開發尖端大型語言模型中扮演的基礎角色 本書藉由各種實務案例研究深入研究LLM的細微差異，同時了解關於序列網路、LSTM、GRU、加密技術等內容，展現演算法的實際應用，並給出如何實作這些應用的程式碼範例，助

本書共分為12章，微積分綜覽、微分方程式介紹、一階微分方程式、一階微分方程式模型、高階微分方程式、高階微分方程式模型、拉普拉斯轉換、微分方程式系統、微分方程式的級數解、向量與向量空間、向量分析、傅利葉級數與轉換之理論與應用，適合工專與工程科系之學生用來初學與複習之用。第三版將原附錄的 Matlab 教學改為「Python程式實作」，針對工程數學相關課題提供範例與程式碼；目的是希望您在學習工程數學的過程，同時熟悉Python程式實作，可以深入理解與實際應用，進而提升學習效果。第三版特別增列「學習評量」，針對每個主題在課後提供同學在觀念上的評量，可以協助老師快速了解教學成效。

內容簡介:來自Amazon讀者的好評📢「這本書是LLM新手的理想入門書，簡單易懂的 Python範例，幫助我輕鬆學會在應用程式中運用GPT技術。」「書中提供很多實用的OpenAI API使用建議，並包含清晰的範例和經驗分享。讓我節省了大量搜尋和試錯的時間，是學習GPT開發的絕佳資源。」來自業界專家的推薦📢「透過實用範例與逐步指南，作者為前沿應用開發鋪設了清晰的道路。」——Tom Taulli，《Generative AI》（Apress）作者「完美結合理論與實作，讓GPT-4和ChatGPT的技術細節變得易於理解。」——Lucas Soares，Biometrid機器學習工程師🌟 AI正在改變開發世界，準備好加入這場革新了嗎？本書帶你掌握ChatGPT與LLM的強大功能，從文字生成、智慧問答到提示工程、模型微調。用Python就能讓AI成為你最棒的開發夥伴！本書提供：✅ 從零開始：快速理解 LLM 原理，掌握 ChatGPT 應用開發核心技術✅ 實戰導向：使用 OpenAI API，打造各種 AI 功能，包括智能助理與問答系統✅ 進階技巧：提示工程、RAG、LangChain、LlamaIndex，優化AI效能✅ 完整範例：GitHub 程式碼+逐步指引，動手實作 AI 應用🎯 不論你是開發者、數據工程師，還是 AI 愛好者，本書都是你進入AI應用開發領域的最佳幫手！----------------------------------------------「透過實用範例與逐步指南，作者為前沿應用開發鋪設了清晰的道路。」——Tom Taulli，《Generative AI》（Apress）作者「完美結合理論與實作，讓GPT-4和ChatGPT的技術細節變得易於理解。」——Lucas Soares，Biometrid機器學習工程師這本書是Python開發者的理想指南，可為學習如何使用大型語言模型來開發應用程式提供協助。作者Olivier Caelen和Marie-Alice Blete詳細介紹了GPT-4和GPT-3.5模型的主要功能與優勢，並深入解釋這些模型的運作原理。此外，書中還提供了使用OpenAI的Python函式庫進行應用程式開發的步驟指南，包括文本生成、問答系統和智慧助裡等應用。本書以清晰易懂的敘述方式撰寫，搭配簡單易學的範例，幫助讀者理解概念並

AI視覺最強入門邁向頂尖高手王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書！五大最強亮點 ?1. AI 影像技術全解析，從入門到頂尖高手?2. 影像不只是影像，讓 AI 賦予它智慧與靈魂?3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案?4. AI 影像應用無極限，打造你的專屬智慧影像系統?5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代◎ AI視覺最強入門，從新手到頂尖高手！在 AI 影像技術的浪潮下，你是否曾想過，如何讓影像處理不只是單純的圖像變換，而是賦予它智慧，讓程式「看見」並理解世界？本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始，一步步掌握 AI 視覺的核心技術，讓你的影像程式不再只是空洞的代碼，而是充滿靈魂與創意的智慧應用！◎ 這本書，適合誰？　★ Python & AI 初學者：從影像基礎開始，循序漸進學習。　★ 影像處理 & OpenCV 愛好者：探索影像創意與高級應用。　★ 開發者 & 工程師：打造 AI 監控、人臉識別、物件追蹤專案。　★ 學生 & 研究人員：數學 + 演算法 + OpenCV，全方位掌握 AI 視覺技術。◎ AI 影像技術，從基礎到進階　★ 影像處理基礎：影像讀取、色彩空間（BGR、RGB、HSV）、影像儲存與計算。　★ 影像創意與特效：數位浮水印、動態影像（GIF、MP4）、藝術畫作設計。　★ 影像增強與變換：圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。　★ AI 影像識別應用：手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。　★ AI 監控與自動追蹤：動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書？　★ 獨家「三步驟」學習法：　★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作，讓你學得深入又靈活應用！　★ 從基礎到高階 AI 視覺應用，完整解構影像處理技術！　★ 結合 OpenCV x MediaPipe x Python，打造創新影像應用專案！◎ AI 影像技術，開啟無限可能！影像處理與 AI 的結合，正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛，AI 視覺技術都是未來不可或缺的核心技能。現在，就是你踏入這個領域的最佳時機！☆

 Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。  Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。  Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。  Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。  Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。  Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。

讓你一次學會：物聯網通訊、濾波器設計、影像追蹤與馬達控制四大技術 本書帶你使用 Node-RED 與 Python 在樹莓派上實現大部分物聯網所需的觀念與技術，並搭配 Arduino 與 ESP32 實現數位濾波器設計與 MQTT 雙向控制系統等進階主題，因此讀完本書，各位不僅能學到物聯網系統的重要觀念與技術之外，還可以學會：物聯網通訊、濾波器設計、影像追蹤與馬達控制等四大關鍵技術。 本書特色 → Node-RED 與 Python 編程技術 → 雙向 MQTT 物聯網控制技術 → 步進馬達控制技術 → 數位濾波器設計技術 → OpenCV 影像模板比對技術 → 串列通訊與訊號頻譜的底層邏輯與驗證

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

Ⓞ 16 堂課引領入門, 學得會、做得順的絕佳教材！Ⓞ 最詳盡的深度學習基石書, CNN + RNN + GAN + DQN + DRL 各種模型學好學滿初學者想要自學深度學習 (Deep Learning), 可以在市面上找到一大堆「用 Python 學深度學習」、「用 xxx 框架快速上手深度學習」的書；也有不少書說「請從數學複習起！」, 捲起袖子好好探究底層那些數學原理......但過早切入

運用R和Python學習50+個必學統計概念 「這本書並非是另一本統計學教科書，也不是機器學習手冊。本書透過清楚的解釋和豐富範例，將實用的統計術語及原理和當今資料探勘的行話及實務聯繫起來。對資料科學的初學者和老手來說，這都是一本非常出色的參考書。」 ―Galit Shmueli, 暢銷書《Data Mining for Business Analytics》主要作者，台灣清華大學特聘教授 統計方法

內容介紹: 你從未見過如此完整的 Go 語言中文教材！Go 語言☛ 2016 年被 TIOBE 選為年度最佳程式語言☛ 2020 年 Stack Overflow調查為 『全球第三高薪開發者職業』☛ 2020 年超越 Python 成為『職業開發者最想學習語言』☛ 已被 Google、Dropbox、Twitch、Uber 等企業採用，也用來打造 Docker、Kubernetes

2020年推出的LabVIEW 2020新增Python程式的編輯功能，改變使用者對LabVIEW的刻板印象，且在迴圈結構、系統監控及影像處理等方面增添不少新功能，硬體支援也更加成熟與完備。本書以循序漸近的方式編寫，並在各章節中提供範例讓初學者操作與練習，並提供LabVIEW的CLAD模擬考試題目，供讀者參考與練習之用。

利用Python量子組合語言以及IBM的Q Experience編寫量子程式 在全新的量子計算領域發展演算法及程式。本書涵蓋幾個主題，例如量子電腦的物理特性：包括量子位元(qubit)、糾纏(entanglement)、邏輯閘電路，以及其與傳統電腦的區別。此外，《量子計算實戰》也利用IBM的Q Experience探討雲端的量子計算。討論的項目包括有：作曲家程式(composer)、量子分數、實驗

懂得利用TA-Lib，股市、期貨、外匯、合約難度低 沒有適不適合的量化腳本，實現想法而打造的工具最適合 量化程式交易實戰攻略，打造最適合自己的投資工具 【本書簡介】 本書精心設計7個章節，從Python基礎知識的建立，到使用Pandas進行幣安合約大數據處理，結合TA-Lib進行指標計算，便可完成一個簡易實用的合約量化腳本。 合約量化腳本是長期學習的功課，書中使用的技術指標僅是引子，如何把自己覺得對的技術實現，則是本書的重要關鍵。本書內容主要針對沒有程式基礎或是稍有基礎的讀者所設計，書中的範例均以最簡易直觀的方式進行說明，期望讀者能夠無痛學習。 【本書特色】 ✦讀取歷史資料：以幣安SDK + Pandas完成歷史數據的讀取。 ✦學習合約量化的必備知識：了解Python基礎知識、Pandas數據處理基本功能、TA-Lib技術指標以及幣安SDK的使用方式。 ✦應用技術指標：由單技術指標的實作衍生多技術指標的實作成果。 ✦實作回測及模擬：執行幣安測試網的模擬合約量化腳本。 【精彩內容】 ✦Python基礎知識的建立 ✦Pandas的基礎應用 ✦幣安SDK的應用 ✦對K棒和K線的基本了解 ✦如何取得完整的歷史數據 ✦如何結合TA-Lib完成回測系統 ✦了解幣安測試網 ✦實作合約量化腳本 【目標讀者】 ✦想要自行建立合約量化腳本的投資者 ✦想要更理解TA-Lib技術指標應用的開發者 ✦想參與合約量化又沒有程式開發經驗者 ✦覺得自己有實力而想挑戰技術指標的程式交易者

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

理解經典演算法的準則、規律及複雜度 從歷久彌新的演算法中學習如何思考 本書使用適合初學者的Python程式語言來介紹演算法的基礎知識及概念，第1章也為剛接觸Python的讀者介紹了相關基礎知識與資料結構。 除了程式設計初學者一定要了解的演算法基礎知識和概念外，本書也詳細解說了演算法的一般準則及其計算複雜度，並附有具體的範例程式碼及行為概念圖。 【推薦給這些讀者】 ‧零基礎但想學習演算法 ‧正在學習

產品特色： 1.使用最新Raspberry Pi 4 Model B 開發板，效能大躍進。 2.由實作中邊做邊學，沒寫過程式也能無痛增能，零基礎的最佳選擇。 3.獨家搭配高畫質圖片解說，無陰影、無死角，簡明易懂。 4.使用IFTTT 網站輕鬆串聯各種雲端服務。 5.輕鬆邁入物聯網世界，隨手自造各種智慧應用。

大：範圍大，涵蓋創意實現、專案教學、程式普及和群控技術，由淺入深，就算沒有基礎也能快速上手人：結合微軟Azure雲，實現雲人工智慧應用物：存取ThingSpeak，快速實現物聯應用

本書特色 樹莓派規格、安裝、設定到開發完整說明。 使用最熱門語言Python玩轉樹莓派GPIO控制。 外接轉接板，免去麵包板上的繁瑣佈線。 完整學習GPIO、LCD、ADC、1-Wire、SPI Bus、I2C Bus、IR、Motor及感測器等控制。 另備有教學影片，提高學習效率。

APCS，CPE最佳參考用書 演算法不僅要用得好，更要用得準 本書介紹多種解決經典問題的演算法技術，描述了問題出現的場景，並用Python提出簡單的解決方案。要正確實作演算法往往不是一件簡單的事情，總需要避開陷阱，也需要應用一些技巧來確保演算法能夠在規定時間內實現。本書在說明演算法實作時也附帶了重要的細節，以幫助讀者能夠詳加理解。 最近幾十年，不同等級的程式設計競賽在世界各地展開，推廣了演算法文化

理解零負擔，採高 CP 值 Python 語言實作一本輕量級演算法，是您獲得程式設計新技能，提升自我價值的最好投資當「寫程式」納入必修課程的趨勢下，程式設計或設計APP已是大部分學生或社會人士必須具備的基礎能力。而演算法更是用來培養程式設計邏輯的基礎理論，也是有志從事資訊工作人員不得不重視的基礎課程。為了讓讀者能以容易理解的方式吸收演算法與基礎資料結構的相關知識，全書使用簡明的圖例介紹最常用演算法

內容簡介:Python應用新經典！繼暢銷書《Python初學特訓班》之後的架站主題實戰代表作！ 最佳熱門組合Python X Django，讓你初學架站就上手！ Python是目前最受歡迎的程式語言，Django堪稱是當前最熱門的Python網站框架，兩者結合，讓開發複雜的資料庫網站變得更簡單。本書一次綜合架站必備技能，提供相關範例檔，讓Python發揮極大效用，用Django打造出超強互動網站。

簡潔易懂又能動手做，輕鬆學好程式不卡關！ 21世紀，不懂程式語言，已是新文盲!!但學寫程式枯燥、無聊又很難!! 有沒有一套很簡單、好學又實用的程式語言啊？寫程式一定要 key 英文，我怕怕…!!除了印出 "hello world!", 還能做什麼呢？ 玩積木，學邏輯！↓用 Python 寫程式↓活用 Raspberry Pi 當創客 我們為初學者規劃了簡單入門、豐富有趣的學習之旅，透過積木式的開發

啟動你的Python冒險旅程！This is the place to start!在你體驗Python冒險的同時，也將學習到寶貴的程式設計技能！Python是當今最熱門的程式語言之一，它不僅已被Google、YouTube、BBC及Spotify等公司所採用，並且也是Raspberry Pi單板電腦所支援的主要語言。學習Python是步入程式設計領域的絕佳途徑，而透過本書更能夠確保學習過程是簡單

彙整最常使用的 Python 函式庫語法 功能索引 + 字母順序查詢, 隨查隨用, 快速解決問題！ Python 是近來非常熱門的程式語言, 原因之一就是具有豐富的標準函式庫及第三方套件可以使用, 用途涵蓋字串處理、數值計算、資料壓縮與封存、XML與 JSON 存取等層面。本書集合 Python 常用的函式及模組功能, 依用途分門別類, 提供詳細的使用說明、豐富的語法範例, 讓使用者可以在短時間內

"《生成式AI × 穩健提示爬蟲技術 I》數據抓取篇★從Colab、Anaconda 到 Jupyter Kernel，一步步把 Python 環境建好、跑起來。★用Pandas × PyArrow × Polars，把資料整理做得更快、更穩，也更貼近實務。★透過提示工程和情境工程，讓 ChatGPT、Claude 成為你的程式開發夥伴。★結合Perplexity Comet＋爬蟲＋寄信＋行事曆，把資訊蒐集到自動化流程一次串起。★多模態OCR × Gemini和Groq API，把圖片文字直接變成可分析的結構化資料。你學過Python，卻常卡在「環境裝不好、資料處理很慢、爬蟲一下就被擋、AI 工具只會聊天」嗎？本書以「做得出成果」為主軸，帶你從 Google Colab、Anaconda、Jupyter Notebook 與 Kernel 建置開始，快速建立穩定、可重現的開發環境。接著用 Pandas 打底，涵蓋多欄多列取值、資料框合併、字串提取與條件篩選，並延伸到 PyArrow 與 Polars，讓你面對較大的資料量也能跑得快、跑得順。更關鍵的是，本書把提示工程與情境工程結合「直覺式開發」：教你如何用 ChatGPT和Claude 協作寫程式、除錯；再搭配 Perplexity Comet 進行摘要與探勘，串接 Gmail、Google 行事曆、SMTP、Resend 寄信，打造可實際應用的自動化資訊流程。最後以多模態 API（Gemini、Groq）＋中文 OCR（PaddleOCR、EasyOCR）＋爬蟲實戰進行總結，範例涵蓋電商、股價、ESG、重大訊息、交易指標等案例，並附上Gemini AI 教育版證照準備重點，適合資料分析初學者、稽核、採購、研究人員、跨域工作者，以及想把 AI 變成生產力的人。專業推薦崑山科技大學 電機工程系系主任─林俊良 博士住宅消保會創會理事長─吳翃毅博士錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─凃春愛 博士伽碩職訓中心執行長─郭明洽昱創企管顧問有限公司總經理─裴有恆元大銀行系統開發部專業副理─陳尚瑋極策網路行銷有限公司總經理、崑山科技大學房地產開發與管理系講師─蔡宗甫"

https://youtu.be/9E_99Kmgdj0☆★☆好評熱銷再上市☆★☆【書籍特點】● x86組合語言基礎知識，通用暫存器、常用指令，記憶體分頁● 指標的實現原理，指標組成、相關操作，以及Go語言的unsafe套件等。● 函數、堆疊框佈局、呼叫約定、變數逃逸、Function Value、閉包、defer和panic● 方法，實現原理，接收者類型、Method Value和組合式繼承● 介面，Go語言動態特性，括裝箱、方法集、動態派發、類型斷言、類型系統和反射● goroutine實現，GMP模型、goroutine的建立與退出、排程迴圈、先佔式排程、timer、netpoller和監控執行緒● 同步，記憶體亂數、原子指令、自旋鎖、runtime互斥鎖和訊號量、ync.Mutex、hannel● 堆積記憶體管理，heapArena、mspan，mallocgc函數、C的三色抽象、寫入屏障● 堆疊記憶體管理，goroutine堆疊的分配、增長、收縮和釋放【內容簡介】想要有C語言的高速和Python的便利性嗎？Go是最棒的選擇，Go語言在語言層面上支援程式碼協同（goroutine）和通道（channel），這使得併發程式設計變得非常簡單和高效。在多核CPU時代，高效的併發程式設計已經成為軟體開發的必備技能之一。此外Go語言的語法設計簡單清晰，注重可讀性和簡潔性，使得初學者能夠快速入門。Go語言的標準函數庫提供了豐富的功能，可以直接使用，避免了一些繁瑣的工作。另外在跨平臺支援方面，Go語言的編譯器可以將程式編譯成機器碼，支援跨平臺編譯，可以在不同的作業系統和硬體平臺上運行，這對於開發跨平臺應用程式非常有幫助。Go最有名的就是其高性能。Go語言的編譯速度非常快，生成的二進位檔案也很小，運行速度也非常快。Go語言在一些性能要求較高的應用領域，如Web服務、巨量資料處理、容器等方面表現出色。另外其開發效率高，Go語言在一些方面與Python、Ruby等動態語言相似，但又具有靜態語言的優點。Go語言的編譯器能夠在編譯期間捕捉一些錯誤，這使得程式的穩固性更高。同時，Go語言的工具鏈非常完善，如go fmt、go vet等工具可以幫助開發者規範程式，提高開發效率。

☆★☆好評熱銷再上市☆★☆★打不過AI就加入他！建立自己的GPT產品★手刻ChatGPT從NLP基礎開始★PyTorch親手打造RNN、LSTM、GRU、BERT、GPT★Attention、Transformer詳解★用GPT做出自動詩詞創作平台全書分為4篇：「自然語言處理基礎篇」、「PyTorch入門篇」、「用PyTorch完成自然語言處理任務篇」和「實戰篇」。第1篇包含自然語言處理的背景知識、常用的開放資源、架設Python環境以及使用Python完成自然語言處理的基礎任務。第2篇包含PyTorch環境設定和PyTorch的基本使用，以及機器學習的一些基本原理和工作方法。第3篇介紹如何使用PyTorch完成自然語言處理任務，各介紹一種模型，包括分詞(又稱斷詞)、RNN、詞嵌入、Seq2seq、注意力機制、Transformer、預訓練語言模型。第4篇是實戰篇，第分別講解自然語言理解的任務和自然語言生成的任務，即「中文地址解析」和「詩句補充」。這兩個任務綜合了前面各章的知識，並展示了從資料下載、處理、模型到使用者互動介面開發的全部流程。從入門到專案實戰，打下你在NLP這一門最紅技術上的紮實基礎。? 目標讀者■有一定程式設計基礎的電腦同好。■希望學習機器學習和自然語言處理的人。■電腦及其相關專業的學生。■對自然語言處理領域感興趣的研究者。■對自然語言處理感興趣並樂於實踐的人。