Python

《Python 網絡爬蟲與數據可視化應用實戰》是一本介紹大數據時代用 Python 進行數據獲取、數據清洗和數據可視化分析的技術圖書。全書共分兩篇，其中第 1 篇主要介紹了數據獲取的相關知識，具體內容包括 HTML、JSON 與網絡爬蟲基礎，爬取靜態網頁，使用 CSS 選擇器爬取數據，遍歷 HTML 網頁並獲取數據，使用 XPath 表達式與 Ixml 包創建爬蟲程序，使用 Selenium 爬取動態網頁，Scrapy 爬蟲框架的使用，數據存儲等 ；第 2 篇主要介紹數據分析及可視化相關知識，具體內容包括數據可視化基礎知識，Pandsa 數據處理，使用 Pandas、Matplotlib、Seaborn、Bokeh 等工具進行數據分析和可視化等。每篇均設置特別章節進行了綜合案例演練，提高綜合水平。 《Python 網絡爬蟲與數據可視化應用實戰》一書內容豐富，涵蓋面廣，特別適合作為大中專院校相關專業的教材，也適合作為大數據分析相關專業的自學參考書。

*詳細步驟說明，一步步跟著做，有如專家從旁親自指導! *本書使用Python 3.x、樹莓派4B與OpenCV 4.x *涵蓋大部分常用感測元件與重要連網技術 *第三版新增影像串流、LCD螢幕與全彩LED燈條、更新MQTT安裝方式 朱克剛老師專門培訓物聯網應用工程師，擁有豐富資訊教育訓練經驗，結合 Python、Raspberry Pi 與 OpenCV 的 AIoT 專案開發與教學，遠距實作授課操作流暢畫面優美，如同本書內容一樣，深入淺出，廣受師生好評。 -- 國立臺北科技大學電子系副教授 曾柏軒 本書內容說明清楚，透過實作例子的步驟說明，讓初學者可以快速上手，是一本適合學習的好書。 -- 國立高雄科技大學電子系教授兼主任秘書 陳銘志 樹苺派是最接近AIoT世界的起點，搭配Python與OpenCV工具的使用，可以讓你一窺這個大世界的堂奧。 很高興朱克剛老師把這些元素集結在一本書裡面，讓大家可以快速掌握這張通往未來的門票。 -- 宏?強固電腦方案總處長 游鴻志 AIoT應用領域十分廣泛，舉凡機器視覺、外觀檢測、智能家居及設備維護監控。本書以深入淺出方式介紹樹莓派軟硬整合框架並採用最新的Python開發技巧，誠摯推薦給所有想要進入AIoT開發者殿堂的一本必備秘笈。 -- 鴻海集團D事業群/資訊價值創造處資深處長 徐長愷

本書以Python 3.7版本作為數據分析與挖掘實戰的應用工具，從Python的基礎語法開始，陸續介紹有關數值計算的numpy、數據處理的pandas、數據可視化的matplotlib和數據挖掘的sklearn等內容。全書共涵蓋15種可視化圖形以及10個常用的數據挖掘算法和實戰項目，通過本書的學習，讀者可以掌握數據分析與挖掘的理論知識和實戰技能。 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。

本書展示了如何在代碼中集成和測試機器學習方面的算法。通過書中的圖表和重點標記的代碼示例，本書著重介紹了Python的NumPy、Pandas、Scikit-Learn和SciPy等數據科學相關類庫的測試。

本書從Python基礎程式設計開始，經由流程控制、迴圈、串列、函式、字典、檔案操作等章節，逐漸邁向資料爬蟲技能：存取開放資料、JSON與CSV、爬蟲網頁資訊進行彙整，以120個精選範例讓初學者徹底掌握Python基礎到資料存取與爬蟲應用精髓。 ■易學：初學者透過步驟練習可以完整重現書中範例。同時配合大量範例了解Python語法、字典、檔案、動態生成網頁、存取CSV與JSON以及網路爬蟲進行整合運用。 ■易懂：範例日常生活化，逐步解說，易學易懂。 ■易教：本書經過初學者與開發人員試讀、教師試教，修改內容與作法，去蕪存菁，教師免備課。 書中提供精選實務案例供讀者練習套用，包含： *產品管理系統-存取檔案 *產品管理系統-以CSV與JSON為資料來源 *模擬遊戲卡牌遊戲 *爬取博客來網站資訊 *動態爬取網路圖片 *爬取Dcard熱門文章 *讀取OpenData農場資訊 *讀取OpenData計算農場數並繪製柱狀圖 *讀取OpenData動態製作農村地方美食小吃網頁 *讀取健保資料開放服務製作口罩剩餘數量查詢網頁

森林資源調查數據涉及森林樣地、林班、遙感影像等多種來源不同尺度的數據類型，其數據處理和分析是森林資源、生態環境監測的重要環節。Python是當前熱門流行的數據編程處理語言。本書結合作者多年的教學和科研體會，針對林業、生態工作者對森林資源數據處理需求，突出以實踐應用為主線，構建從森林資源數據清洗及可視化、森林樣地空間結構及屬性、林班數據統計分析、多源森林資源數據融合分析的全過程數據處理技術和方法，並利用Python語言實現所有的編碼工作，力求深入淺出地為讀者提供森林資源數據分析的思路、方法和應用途徑。

本書重點闡述利用機器學習、深度學習、自然語言處理等多種方法，以及當前流行的Python庫——Tensorflow和Keras構建實時數據的智能物聯網IOT系統。還給出了工業物聯網、智能城市和家庭自動化等物聯網主要應用領域的實際案例。

如果你想充分發揮Python的強大作用，如果你想成為一名好的Python工程師，你應該先學好Pandas。 這是一本全面覆蓋了Pandas使用者的普遍需求和痛點的著作，基於實用、易學的原則，從功能、使用、原理等多個維度對Pandas做了全方位的詳細講解，既是初學者系統學習Pandas難得的入門書，又是有經驗的Python工程師案頭必不可少的查詢手冊。 本書共17章，分為七部分。 第一部分（第1～2章） Pandas入門 首先介紹了Pandas的功能、使用場景和學習方法，然後詳細講解了Python開發環境的搭建，Z後介紹了Pandas的大量基礎功能，旨在引領讀者快速入門。 第二部分（第3～5章） Pandas數據分析基礎 詳細講解了Pandas讀取與輸出數據、索引操作、數據類型轉換、查詢篩選、統計計算、排序、位移、數據修改、數據迭代、函數應用等內容。 第三部分（第6～9章） 數據形式變化 講解了Pandas的分組聚合操作、合並操作、對比操作、數據透視、轉置、歸一化、標準化等，以及如何利用多層索引對數據進行升降維。 第四部分（第10～12章） 數據清洗 講解了缺失值和重復值的識別、刪除、填充，數據的替換、格式轉換，文本的提取、連接、匹配、切分、替換、格式化、虛擬變量化等，以及分類數據的應用場景和操作方法。 第五部分（第13～14章）時序數據分析 講解了Pandas中對於各種時間類型數據的處理和分析，以及在時序數據處理中經常使用的窗口計算。 第六部分（第15～16章） 可視化 講解了Pandas的樣式功能如何讓數據表格更有表現力，以及Pandas的繪圖功能如何讓數據自己說話。 第七部分（第17章） 實戰案例 介紹了從需求到代碼的思考過程，如何利用鏈式編程思想提高代碼編寫和數據分析效率，以及數據分析的基本方法與需要掌握的數據分析工具和技術棧，此外還從數據處理和數據分析兩個角度給出了大量的應用案例及代碼詳解。

本書旨在幫助讀者掌握在Python和統信UOS環境下，Web應用開發與安全防護的核心技能。本書內容廣泛，涵蓋前端、後端開發技術，以及Web應用安全與防護等多方面。第1篇為前端開發基礎:介紹HTML、CSS和JavaScript的基礎知識，為Web應用開發奠定基礎。第2篇為後端開發基礎:講解Python基礎及Flask框架的使用，幫助讀者搭建Web應用開發環境。第3篇為Web應用安全與防護:分析常見威脅(如SQL注入攻擊、XSS攻擊)，介紹統信UOS環境下的防護措施和HTTPS配置，以及Web信息收集與漏洞分析，並提供IP地址查詢、子域名挖掘等實例，支持實際安全評估與防護。本書內容翔實，實例豐富，提供源代碼、在線擴展閱讀資源及PPT課件，適合作為高等學校網絡安全相關專業教材或網絡安全領域技術愛好者的自學用書，可幫助讀者提升Web應用安全防護能力。

本書介紹統計計算與智能分析基礎理論以及基於Python的模型算法實現。全書由13章組成，主要內容有：隨機數生成技術；數據探索性分析；特徵提取與選擇方法；**期望算法；Markov鏈蒙特卡羅方法；重采樣技術；重要采樣技術；序貫重要性采樣；非參數概率密度估計；非參數回歸分析；樹模型理論；概率圖模型；模型性能評價技術。

《人工智能入門與實戰 使用Raspberry Pi和Python演練》使用Raspberry Pi作為計算平臺，介紹AI世界。本書探索了大部分主要的人工智能主題，包括專家系統、淺層和深層的機器學習、模糊邏輯控制等。 主要內容：AI簡介、基本的AI概念、專家系統的展示、遊戲、模糊邏輯系統、機器學習、機器學習：人工神經網絡、機器學習：深入學習、機器學習：ANN展示實踐、演化計算、基於行為的機器人等

當數據科學家使用Python處理數據，並希望創建展示ML模型的數據應用程序，以及進行易於創建的交互式可視化時，那麼Streamlit將是最理想的選擇。Streamlit for Data Science(第2版)向數據科學家展示了如何在Python內快速創建和部署小部件和儀錶板。這可以幫助他們在幾小時內而不是幾天內創建原型。 為了掌握Streamlit這項技術，需要通過大量的實際案例來學習。本書由一個富有創造力的Streamlit用戶編寫，他在第一版發佈後就一直使用該技術，本選題建立在前一版的實用性基礎上，帶來大量的更新，包括將Streamlit連接到Snowflake數據倉庫，部署在Hugging Face上，以及在GitHub上提供完全更新的代碼庫，通過這些內容可以幫助讀者練習新發佈的技能。 讀者將從Streamlit的基礎知識開始Streamlit的學習，並通過使用機器學習模型和製作高質量的交互式應用程序逐漸熟悉Streamlit的使用技巧。本書通過實際示例幫讀者掌握許多更具挑戰性的主題，如Streamlit組件、美化應用程序和快速部署。 通過本書，讀者將能夠輕鬆快速地在Streamlit中創建動態web應用程序。

網絡爬蟲是一種按照一定的規則，自動請求萬維網網站並提取網絡數據的程序或腳本，它可以代替人力進行信息採集，能夠自動採集並高效地利用互聯網中的數據，在市場的應用需求中佔據著重要的位置。 本書以Windows為主要平臺，系統全面地講解了Python網絡爬蟲的相關知識。主要內容包括：初識爬蟲、爬蟲的實現原理和技術、網頁請求原理、爬取網頁數據、數據解析、併發下載、圖像識別與文字處理、存儲爬蟲數據、初識爬

本書分9章來介紹電腦視覺的重要概念，所有的概念都融入了一些很有趣的項目。本書首先詳細介紹了多個平臺下基於Python的OpenCV安裝，繼而介紹了電腦視覺應用的基本操作，包括影像檔的讀取與顯示，影像處理的基本操作（比如邊緣檢測等），深度估計與分割，人臉檢測與識別，圖像的檢索，目標的檢測與識別，目標跟蹤，神經網路的手寫體識別。可以這樣說，本書是一本不可多得的採用OpenCV實踐電腦視覺應用的好書。

AI助攻 Python超級入門 創意設計 x AI程式實作 (全彩印刷) 本書內容 ★★★★★【ChatGPT x Copilot x Gemini助攻】★★★★★ ★★★★★【創意設計】【潛在應用】★★★★★ ★★★★★【設計AI程式】★★★★★ ★★★★★【Python Shell】【Google Colab】★★★★★ 這是一本完全入門，充滿創意與描述Python未來潛在應用的書籍，閱讀本書內容，讀者可以學會下列知識的創意與潛在應用： ◎程式設計基礎 ☆創意設計：機器人、ASCII藝術作品、數學魔術、故宮到羅浮宮、地球到月球、Unicode藝術輸出、星空圖案、雞兔同籠、核廢水。 ☆潛在應用：房貸。 ◎程式流程控制 ★創意設計：情緒程式、火箭升空、推薦飲料。 ☆潛在應用：使用者輸入驗證、遊戲開發中的決策制定、物聯網(IoT)中的條件響應、交通應用中的路線建議、社交應用中的隱私設置檢查、電子商務中的折扣促銷。 ◎串列(List)與元組(Tuple) ★創意設計：凱薩密碼、旅行包裝清單、生日禮物選擇器。 ☆潛在應用：矩陣運算、遊戲棋盤、學生分數表、商品庫存清單、多國語言詞彙表、坐標系統、員工資料、時間序列數據、商品清單、學生成績表。 ◎迴圈控制 ★創意設計：監控數據警報器、關鍵日誌、計時器、國王麥粒、購物車。 ☆潛在應用：電影院劃位、簡易投票系統、簡易員工滿意度調查、訂單處理記錄、簡易客戶意見回饋收集、簡易聯絡人資料管理、監控系統。 ◎字典(Dict) ★創意設計：文章分析、星座字典、凱薩密碼。 ☆ 潛在應用：圖書館、管理超市、員工管理系統、餐廳菜單系統、學生課程和成績表、食譜和食材清單、個人行程安排、遊戲角色和屬性。 ◎集合(Set) ★創意設計：雞尾酒。 ☆潛在應用：統計獨特單字的數量、模擬抽獎系統、檢測兩個配置文件的差異。 ◎函數設計 ★創意設計：時間旅行者、故事生成器、冰淇淋的配料、多語言字典。 ☆潛在應用：字串雕塑家、數據偵探、圖片濾鏡應用、股票價格分析、語言字典、系統配置字典、城市氣象報告、書店庫存管理。 ◎類別(Class) ★創意設計：圖書館管理系統、餐廳點餐系統。 ☆潛在應用：員工管理系統、產品庫存管理、會議室預訂系統。 ◎模組開發與應用 ★創意設計：時鐘程式、圖書館管理系統模組。 ☆潛在應用：提醒休息程式、效

★★★★★【688張全彩圖例】+【圖解演算法原理和邏輯思維】★★★★★ ★★★★★【20個主題】+【220個Python程式實例】★★★★★ ★★★★★【邏輯思維】+【Python實作】=【演算法的精髓】★★★★★ 本書的第一版曾經獲得博客來與天瓏暢銷排行榜第1名，撰寫這本書時採用下列原則。 1：彩色圖片引導讀者認識演算法的邏輯思維。 2：Python程式實作演算法原理。 3：章節習題引導讀者複習與自我練習。 學習演算法最重要是要瞭解資料在記憶體的組織結構和程式設計的邏輯思維，相較於市面上其他書籍空洞的解說．甚至沒有解說，這本書在講解演算法時，更強調敘述每個步驟資料在記憶體的變化，以及講解程式設計的邏輯思維。例如：二元樹的前序列印程式只有6行，這本書卻用了19個步驟與圖形徹底解說。河內塔問題只需6行程式，這本書也使用了18個步驟與記憶體圖形做講解。深度優先搜尋法、廣度優先搜尋法、貪婪演算法、選課問題、背包問題、電台業務、業務員旅行 … 等，完全使用記憶體圖形解說，讀者可以從程式配合彩色圖片輕鬆學習。 當讀者遵循這步驟學習時，相信一定可以完整學習演算法的相關知識，本書的主體內容如下： ☆20個主題 ★ 認識時間複雜度和空間複雜度 ☆7大資料結構完整圖說與程式實例 ★ 7大排序法完整圖說與程式實例 ☆遞迴與回溯演算法 ★ 電腦領域的經典演算法八皇后和河內塔 ☆ 碎形與VLSI設計應用 ★ 圖形理論 ☆ 深度、寬度優先搜尋 ★ Bellman-Ford演算法 ☆ Dijkstra’s演算法 ★ 貪婪演算法 ☆ 動態規劃演算法 ★ 資訊安全演算法 ☆ 摩斯與凱薩密碼 ★ 金鑰系統觀念，解說設計金鑰方法或是應用目前市面上成熟的金鑰 ☆ 訊息鑑別碼(Message authentication code) ★ 數位簽章(Digital Signature) ☆ 數位憑證(Digital certificate) ★ 基礎機器學習KNN演算法 ☆ K-means演算法 ★ 網頁排名演算法 ☆ 常見的演算法考題與Leetcode考題

本書主要分成四個章節部分，第一部分以學生信息管理的項目為依託，講解Python的Web訪問技術，它是爬蟲的程序基礎。第二部分以爬取城市天氣預報的項目為依託，講解網頁數據的爬取方法，其中重點講解了BeautifulSoap的數據分析與提取方法。第三部分以爬取網絡圖像的項目為依託，講解爬起多個網頁數據的方法，重點講解了網頁的深度優先與廣度優先順序爬取路徑的構造方法與多線程分布式網頁爬取技術。第四部分以

本書詳細介紹了基於Python語言的自動化平臺開發以及自動化測試技術知識。本書理論與實踐相結合，以自動化平臺開發為主線、自動化測試為輔線貫穿所有內容。具體包括自動化平臺開發方案、數據庫表結構設計、前後端代碼編寫，同時介紹了自動化測試方案、環境、代碼、報告、API接口、AppUI、WebUI自動化測試、性能測試等內容。本書適合從事自動化測試開發技術的廣大開發和測試人員使用，也可供產品測試開發管理人員

FastAPI是基於Python語言的輕量級、成熟的Web後端開發框架。它除了簡單易學、能提供自動生成的API文檔外，還有一個重要優點是支持異步技術，其性能可以與NodeJS、GO語言相媲美，為Web項目高併發訪問提供了更好的技術選擇。另外，FastAPI定位為商業級的前後端分離開發框架，為前端技術提供了簡單易用的調用接口。目前，國內外不少互聯網企業，都採用該框架作為商業項目開發基礎。本書第1部分為基礎篇，系統介紹了FastAPI的使用；第2部分為實戰篇，通過後端FastAPI框架與前端Vue.js框架的組合，給出了一個商業實戰項目案例。

本書可視為一本以問題為導向的書籍, 非常適合具備一定數據基礎和Python基礎的讀者學習,作為一本數據科學的基礎書籍,讀者可以在短時間內學習數據科學的經典算法。主要闡述 python3 基礎內容；常用模塊進行扼要闡述和實例操作；常見統計量, 數據轉換, 以及多維數組等內容, 並通過代碼實現； 特色是以問題導向的方式闡述了常見的 12 種經典算法；並介紹了 pytorch 的相關內容, 並扼要闡述了深度學習中幾種經典的神經網絡算法, 以及 pytorch 實現經典的神經網絡算法。

《OpenCV 4.0 Python機器學習與計算機視覺實戰》詳細闡述了機器學習與計算機視覺相關的基本解決方案，主要包括濾鏡、深度傳感器和手勢識別、通過特徵匹配和透視變換查找物件、使用運動恢復結構重建3D場景、在OpenCV中使用計算攝影、跟蹤視覺上的顯著物件、識別交通標志、識別面部表情、物件分類和定位、檢測和跟蹤物件等內容。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。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。

本書是《數據結構（Python版）》的配套用書，全書分為兩篇：第1篇為實驗，內容與主教材的章節順序一致，共8章，每章分別給出了相應的知識提要和習題解答，主要內容為主教材各章的知識導圖和學習目標、習題和習題解答，以及典型例題解析；第2篇為實驗與課程設計，根據數據結構課程的教學重點和難點，給出8個課程實驗題目和2個綜合性的課程設計題目，每個題目都有明確的要求。本書既可以配合主教材使用，起到銜接課堂教學、實驗教學與課下輔導的作用，也可獨立使用，以幫助各類學生尤其是計算機專業考研學生進行課程學習與考前複習。

本書旨在幫助讀者快速上手創建Dash應用程序，實現數據可視化。本書第一部分針對初學者，簡要介紹Python、PyCharm、pandas當中與構建 Dash 應用程序相關的知識。第二部分循序漸進地講解如何使用基於社交媒體收集的數據創建簡單的Dash儀錶板程序；如何使用世界銀行全球數據集創建具有更複雜頁面佈局的儀錶板應用程序，並實現與API實時交互檢索數據；如何通過財富儀錶板應用程序，構建和調試更複雜的Dash應用程序；以及如何使用Dash探索機器學習算法原理，並進行可視化呈現。本書不僅適用於專業人士，而且對於日常使用數據、喜歡探索數字規律、希望數字賦能生活的人群都有所裨益。

內容簡介 時間序列分析是一種針對時序數據處理的方法，涉及統計學、數據挖掘、數據建模、機器學習等多種技術。本書系統地介紹時間序列分析的關鍵方法，主要包括三方面內容；首先簡單介紹經典的統計學部分，如自回歸與移動平均模型；其次詳細介紹常規方法，如線性回歸與Prophet模型；最後系統論證深度學習部分，如RNN與TCN模型。此外，實戰應用中將注意力機制應用到時間序列分析，通過Transformer模型對序列進行建模。 本書理論結合實戰，具有很強的實踐性，不僅適合企業一線從事技術和應用開發的人員學習，還可作為高等院校計算機、金融或人工智能專業師生使用Python語言學習時間序列分析的參考書。

在大數據、人工智能時代，數據分析必不可少。本書以數據分析中至關重要的數據預處理為主題，通過54道例題具體介紹了基於SQL、R、Python的處理方法和相關技巧。全書共4個部分：第1部分介紹預處理的基礎知識；第2部分介紹以數據結構為對象的預處理，包括數據提取、數據聚合、數據連接、數據拆分、數據生成和數據擴展；第3部分介紹以數據內容為對象的預處理，涉及數值型、分類型、日期時間型、字符型和位置信息型；第4部分為預處理實戰，介紹與實際業務相同的預處理流程。本書適合新手數據科學家、系統工程師、具備編程及數理基礎的技術人才，以及對數據挖掘和數據分析等感興趣的人閱讀。

本書首先介紹OpenCV 4以及如何基於Python 3在各種平臺上安裝OpenCV 4。接下來，你將學習如何執行讀取、寫入、操縱，以及顯示靜態圖像、視頻和攝像機回饋等基本操作。你還將學習圖像處理、視頻分析、深度估計和分割，並通過構建一個簡單的GUI應用程序獲得實踐經驗。接下來，你將處理兩類常見問題：人臉檢測和人臉識別。你還將學習物體分類和機器學習的概念，這將使你能夠創建和使用物體檢測器和分類器，甚至跟蹤電影或攝像機回饋中的物體。稍後，你將學習3D跟蹤和增強現實。本書末尾，你將學習人工神經網絡和深度神經網絡，學習如何開發手寫數字識別以及對人的性別和年齡分類的應用程序。

網絡爬蟲是人們從互聯網中收集寶貴信息的重要工具之一。然而，許多人可能因為缺乏編程知識或技術難度而望而卻步。本書旨在解決這一問題，通過結合ChatGPT人工智能技術和爬蟲技巧，使得爬取網絡數據變得輕鬆易行。本書以易於理解的語言，深入淺出地介紹了爬蟲和ChatGPT的相關基礎知識，以及如何將它結合起來，實現更智能、更精準的數據收集和處理。全書包含Python入門、ChatGPT基礎、網頁的初步分析、靜態網頁的爬取、動態網頁的爬取、爬蟲數據的處理和分析、爬蟲技術進階綜合實戰：財經數據爬取、綜合實戰：社交媒體數據爬取、綜合實戰：電商數據爬取、綜合實戰：人力資源數據爬取和綜合實戰：媒體文件下載共12個章節的內容。無論是初學者還是有一定經驗的開發者，本書都提供了一個全面的指南，教會其如何藉助ChatGPT技術讓爬蟲在信息的海洋中遊刃有餘。

本書從基礎概念講起，逐步深入到策略構建、數據處理、模型優化及風險管理等核心領域，詳細介紹了Python在量化交易中的應用，包括語言基礎、常用庫（如NumPy、Pandas）、數據可視化工具（如Matplotlib、Seaborn），以及機器學習框架。這些內容可以幫助讀者打下堅實的基礎，從而能夠順利進入量化交易的實戰階段。在量化交易策略方面，本書詳細介紹了多種經典策略，如趨勢跟蹤、動量策略、海龜交易策略、套利策略等，並結合DeepSeek的智能分析功能，展示了如何優化這些策略以適應複雜多變的市場環境。此外，本書探討了機器學習在量化交易中的應用，包括分類策略、回歸策略及LSTM等前沿技術，並通過實戰案例展示了如何利用這些技術預測市場走勢。本書的最後幾章聚焦量化交易的高級應用，包括回測框架的搭建與優化、風險管理工具與方法，以及AI技術在量化交易中的未來發展方向。這些內容讓讀者不僅能夠掌握量化交易的技術細節，更能深刻理解如何在實際交易中應用相關技術，以實現穩健的收益。

Python實踐――數據挖掘與商務智能是近年來全球及企業數字化的熱點研究內容。包括商務智能概述、數據倉庫與在線分析處理、數據挖掘、數據挖掘高級方法、文本與Web分析、RFID數據挖掘、大數據分析與可視化、面向商務應用的知識管理、商務智能系統和商務智能應用等內容，它彙集了統計學、機器學習、數據庫、人工智能等學科，具有多學科交叉以及技術與管理融合等特點。本書秉承教材風格，強調廣度講解。注重成熟模型和開源工具的使用，以提高學習者的應用能力為目標；注重結合實例和實驗，加強基本概念和原理的理解和運用；注重實例的趣味性和生活性，提高學習者學習的積極性。本書可作為普通高等院校計算機應用、軟件工程、信息管理、電子商務和管理科學等相關專業高年級本科生及碩士研究生數據挖掘課程的教材。同時，對數據挖掘技術和方法感興趣，致力於相關方面的研究和應用的其他讀者，也可以從本書中獲取基本的指導和體驗。

本書以任務為導向，討論了機器學習和深度學習的主要問題，包括聚類、回歸、分類、標注、降維、特徵工程、超參數調優、序列決策（強化學習）和對抗攻擊等。書中對上述每個問題，分別從決策函數類模型、概率類模型和神經網絡類模型三個角度來討論具體的實現算法。本書在內容上兼顧基礎知識和應用實踐。總體上，以基本理論知識為主線，逐步展開，從概念入手，逐步討論算法思想，著重考慮知識的關聯性，最後落實到機器學習擴展庫和深度學習框架的具體應用。具體到每個模型，採用以示例入手、逐漸深入的方式，盡量給出詳盡的分析或推導。本書的特點是主要通過示例來討論相關模型，適合初學者入門使用。本書示例代碼採用Python 3程序設計語言編寫。傳統機器學習算法的應用示例主要以ScikitLearn機器學習擴展庫來實現，隱馬爾可夫模型示例用hmmlearn擴展庫來實現，條件隨機場模型示例用CRF 工具來實現。深度學習算法的示例採用TensorFlow 2框架和MindSpore框架來實現。本書適合計算機、人工智能及相關專業的學生使用，對於相關技術研究人員也有參考價值。

本書討論了機器學習的基本問題和基本算法。從方便學習的目的出發,本書主要以聚類任務、回歸任務、分類任務、特徵工程、降維與超參數調優、概率模型與標注任務、神經網絡模型、深度學習模型、生成對抗網絡、對抗樣本、強化學習等主題對相關內容進行組織。本書在討論具體算法時,採用以示例入手、逐步推進的方式,並儘量給出詳盡的推導。本書沒有採用偽代碼的方式來介紹算法流程,而是用文字說明加(或)示例程序的方式。本書的示例代碼基於Python 3程序設計語言實現,並按需使用了Scikit-Learn(sklearn)機器學習和TensorFlow 2.0深度學習等模塊。本書不要求讀者具有深厚的數學基礎,但應理解導數、矩陣、概率等基本概念。讀者還應具備基本的編程能力,能夠探索運行本書的配套示例程序。本書理論推導與證明詳細、深入,結構清晰,詳細地講述主要算法的原理與細節,讓讀者不僅知其然,還知其所以然,真正理解算法、學會使用算法。對於計算機、人工智能及相關專業的本科生和研究生,這是一本適合入門與系統學習的教材;對於從事人工智能和機器學習產品研發的工程技術人員,本書也具有很強的參考價值。

無