Python

網絡爬蟲是當今獲取數據不可或缺的重要手段。本書講解了Python爬蟲的進階理論與技術，幫助讀者提升實戰水平。全書共7章。第1～3章為常見反爬機制的應對手段，主要內容包括Cookie模擬登錄、多種類型的驗證碼識別、Ajax動態請求破解。第4章為手機App內容爬取。第5章和第6章為Scrapy爬蟲框架應用。第7章為爬蟲云服務器部署。本書適合有一定Python網絡爬蟲編程基礎的學生或相關從業人員，以及想

本書對大數據分析的原理與Python程序實現進行了系統的介紹，每種算法都采用sklearn和Matplotlib分別進行程序實現及數據可視化。本書共8章，內容包括大數據分析概述、Python數據分析與可視化基礎、關聯規則與推薦算法、聚類算法及其應用、分類算法及其應用、回歸與邏輯回歸、人工神經網絡、支持向量機等。 本書在理論上突出可讀性，在實踐上強調可操作性，實踐案例豐富，實用性強。隨書提供微課視頻

本書分為5個部分，圍繞新基建的雲計算、機器學習及人工智能展開講述大數據處理分析與實戰應用。第1部分介紹了大數據的概念與特點，以及幾個典型的產業應用場景。第2部分介紹了目前雲計算中的一個重要研究與應用領域――容器雲，包含容器技術Docker與容器編排工具Kubernetes。第3部分是大數據分析的基礎，介紹了Hadoop的框架原理、調度原理、MapReduce原理與編程模型、環境搭建。第4部分介紹了

本書是暢銷書《Python 灰帽子—駭客與逆向工程師的 Python 程式設計之道》的姊妹篇，那本書一面市便佔據電腦安全類書籍的頭把交椅。本書由 Immunity 公司的高級安全研究員 Justin Seitz 精心撰寫。作者根據自己在安全界，特別是滲透測試領域的幾十年經驗，向讀者介紹了 Python 如何被用在駭客和滲透測試的各個領域，從基本的網路掃描到資料包捕獲，從 Web 爬蟲到編寫 Bur

本書是為具有數據思維的數據科學、數據分析和大數據應用人群編寫的Python 學習圖書。本書改變了同類圖書中普遍存在的“將Python 當作C/Java 來教（或學）”的現狀，強調了Python 在數據分析和數據科學中的特殊語法和數據思維；同時，改變了傳統圖書中“先將知識點、後擺代碼”的編寫風格，首次將代碼放在中心位置，配合最必要的文字介紹，做到主次分明、一目了然，便於學習。本書主要介紹大數據人才常

《Python數據分析從入門到精通》全面介紹了使用Python進行數據分析所必需的各項知識。全書共分為14章，包括了解數據分析、搭建Python數據分析環境、Pandas統計分析、Matplotlib可視化數據分析圖表、Seaborn可視化數據分析圖表、第三方可視化數據分析圖表Pyecharts、圖解數組計算模塊NumPy、數據統計分析案例、機器學習庫Scikit-Learn、注冊用戶分析（M

本書介紹了機器學習和深度學習中必備的數學基礎知識，主要內容包括Anaconda環境的安裝、Jupyter Notebook的使用方法、Python程式設計基礎、Numpy和matplotlib的應用、數學基礎、線性代數、微分、概率·統計相關知識、利用機器學習實踐數學模型等。

近幾年，數字貨幣、比特幣（bitcoin）、挖礦、去中心化、共識機制、加密算法、分布式賬本、工作量證明、哈希函數等詞異常火熱，但談論它們時都不得不提到“區塊鏈”（Blockchain）。 一時間，區塊鏈金融、區塊鏈技術、區塊鏈開發、區塊鏈編程等圖書也應運而生。 《用Python編程和實踐！區塊鏈教科書》就是一本用Python來學習區塊鏈基本原理和技術的區塊鏈入門

這幾年心中總想寫一本可以讓擁有高中數學程度的讀者即可看懂人工智慧、機器學習或深度學習的書籍，或是說看了不會想睡覺的機器學習書籍，這個理念成為我撰寫這本書籍很重要的動力。為了卸除數學心房，筆者撰寫此書依循原則如下： ★：數學原理彩色圖解。 ★：手工計算基礎數學。 ★：Python程式高效實作。 這本數撰寫的幾個特色如下： ☆：全數共用約205個Python實例，講解機器學習的基礎數學 ☆：極詳細、超清楚、帶領讀者從畏懼數學到喜歡數學 ☆：複雜的數學符號重新拆解，原來可以很容易 ☆：了解機器學習的數學原理，讓機器學習程式充滿智慧靈魂 在徹底研究機器學習後，筆者體會許多基礎數學不是不會與艱難而是生疏了，如果機器學習的書籍可以將複雜公式從基礎開始一步一步推導，其實可以很容易帶領讀者進入這個領域，同時感受數學不再如此艱澀，這也是我撰寫本書時時提醒自己要留意的事項。 研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就，這本書講解了下列相關數學的基本知識。 ■ 資料視覺化使用matplotlib、Seaborn ■ 基礎數學模組Math ■ 基礎數學模組Sympy ■ 數學應用模組Numpy ■ 將LaTeX應用在圖表 ■ 機器學習基本觀念 ■ 從方程式到函數 ■ 方程式與機器學習 ■ 從畢氏定理看機器學習 ■ 聯立方程式與聯立不等式與機器學習 ■ 機器學習需要知道的二次函數與三次函數 ■ 數據擬合、決定係數與迴歸曲線製作 ■ 數據預測 ■ 機器學習的最小平方法 ■ 機器學習必須知道的集合與機率 ■ 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估 ■ 筆者講解指數與對數的運算規則，同時驗證這些規則 ■ 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來 ■ 認識邏輯(logistic)函數與logit函數 ■ 三角函數 ■ 大型運算子運算 ■ 向量、矩陣與線性迴歸 ■ 統計知識 ■ 機器學習模組scikit-learn，監督學習與無監督學習。 相關書籍 這本書是筆者所著機器學習系列書的起點，讀者還可以閱讀下列書籍：

．進階封包分析技巧，掌握數據來源熟悉度。 ．逐步說明的實戰範例，輕鬆學會網站爬蟲技巧。 ．清楚分類網站類型，系統性了解網站全貌。 ．多語言開發技巧，快速提升程式開發能力。 ．多元開發技巧，節省自行搜尋與研究時間。 本書著重多語言操作應用（Excel VBA、Python、JavaScript）與多解法開發爬蟲程式、網路封包側錄分析、網站資料尋找分析，有別於坊間爬蟲書籍僅以Python作為爬蟲操作語言與單一方式解決問題的作法。 著重原理與觀念，多角度學習，效果更佳 承襲《Excel VBA 實戰技巧｜金融數據x網路爬蟲》中提過的觀念，「爬蟲原理與觀念通了，任何程式語言都可以做爬蟲程式」與多元開發的精神。本書在加入Python後，並以Python常見的爬蟲模組來解決同一個爬蟲問題，讓讀者可從多角度去學習Python與爬蟲程式的開發技巧。 JavsScript加密混淆破解技法大公開 JavaScript對於網頁是非常重要的腳本語言，而讀者遇到以JavaScript做加密、混淆、美化等技巧的網頁，往往就望之興嘆無法再進行分析與開發爬蟲，藉由Excel VBA、Python對JavaScript操作範例練習，讓讀者面對相關網頁不再裹足不前。 針對封包側錄與發送過程進行詳細的探討與解說 封包分析是開發爬蟲程式最重要的一環，若封包側錄、分析、發送等環節出錯，將會導致開發爬蟲程式出現嚴重錯誤，陷入「一步錯步步錯」的窘境，要解決此問題就必須對封包發送內容能清楚掌握，本書針對封包側錄與發送過程進行詳細的探討與解說，透過工具設定與操作，明確封包內容資訊，進一步提升爬蟲分析能力。 分析網站資料產生的流程，分成網頁操作、封包側錄與分析、連線測試等階段，將每個階段的特徵記錄、整理、歸納而成「網頁操作分析表」，讓讀者在分析網站能一目了然網頁全貌，可避免分析了後面忘了前面的分析，導致開發爬蟲程式遺漏了關鍵步驟而造成無法抓取網頁資料。 各界推薦 國立政治大學應用數學系副教授 蔡炎龍 Tivo168教你Excel輕鬆投資理財 Tivo Chang 算利教官 楊禮軒

《Python網絡爬蟲從入門到精通》從初學者角度出發，通過通俗易懂的語言、豐富多彩的實例，詳細介紹了使用Python實現網絡爬蟲開發應該掌握的技術。全書共分19章，內容包括初識網絡爬蟲、了解Web前端、請求模塊urllib、請求模塊urllib3、請求模塊requests、高級網絡請求模塊、正則表達式、XPath解析、解析數據的BeautifulSoup、爬取動態渲染的信息、多線程與多進程爬蟲、數據處理、數據存儲、數據可視化、App抓包工具、識別驗證碼、Scrapy爬蟲框架、Scrapy_Redis分布式爬蟲、數據偵探。書中所有知識都結合具體實例進行介紹，涉及的程序代碼給出了詳細的注釋，讀者可輕松領會網絡爬蟲程序開發的精髓，快速提高開發技能。

《Python自動化運維快速入門（第2版）》從零開始講解Python自動化運維工具和及其使用，通過上百個實際運維場景案例，幫助讀者理解並掌握自動化運維技術。《Python自動化運維快速入門（第2版）》分為16章，內容包括Python自動化運維概述、Python基礎運維技能、實戰多進程、實戰多線程、實戰協程、自動化運維工具（Ansible）、定時任務模塊（APScheduler）、執行遠程命令的工具（Paramiko）、任務調度神器（Airflow）、分布式任務隊列（Celery）、Docker容器技術、主流的自動化配置工具、開源配置管理平臺搭建、統一監控平臺Zabbix、運維開發技術、DevOps方法論等。《Python自動化運維快速入門（第2版）》內容詳盡、示例豐富，適合廣大從事Python運維開發的初學者學習和參考，同時也可作為高等院校和培訓機構計算機及其相關專業的教材使用。目前開源軟件社區有不少優秀的Python自動化運維軟件，如Ansible、Airflow、Celery、Paramiko等，甚至一些大型商用的自動化部署系統也用Python開發。《Python自動化運維快速入門（第2版）》以實戰為主旨，通過Python運維開發中常見的典型應用，讓讀者系統地掌握Python在自動化運維領域的各種熱門技術及主流開源工具的使用，並提高Python自動化運維技能。

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。

本書包括3部分：第1部分介紹機器學習的基本概念，它們是機器學習的預備知識；第2部分系統介紹幾種成熟的機器學習算法和技術；第3部分介紹貫穿整個機器學習工作流程的21個*佳案例，並且討論具有前瞻性的方法和想法，它們被公認為是機器學習未來的研究重點。本書中的代碼均在Python 3中測試通過。

本書幫你掌握通過機器學習和深度學習來識別和解決復雜問題所需的基本技能。本書使用了流行的 Python機器學習生態系統中的真實示例，將成為你在學習機器學習的藝術和科學並成為一名成功的從業者道路上的完美伴侶。本書中使用的概念、技術、工具、框架和方法將教會你如何成功思考、設計、構建和執行機器學習系統和項目，並利用這些知識解決一些來自不同領域的實際問題，包括零售、運輸、電影、音樂、計算機視覺、藝術和金融。

《寫給新手的深度學習——用Python學習神經網絡和反向傳播》一書以Python為基礎，不借助TensorFlow、PyTorch等任何框架，以淺顯易懂的語言，結合大量圖示，對機器學習、深度學習、AI相關技術中的通用技能進行了解說。主要內容包括深度學習的概念，Python基礎，深度學習必備數學知識，神經網絡的結構及編程實現，反向傳播算法原理，小型深度神經網絡的構建，卷積神經網絡CNN的原理及編程實

《Python非同步程序設計實戰：基於AIO的全棧開發技術/清華開發者書庫》系統地講解了如何使用Python非同步IO程序設計技術。從學習基礎知識開始，展開講解全棧框架的實現過程及項目開發過程中的實用技術。 《Python非同步程序設計實戰：基於AIO的全棧開發技術/清華開發者書庫》分為基礎篇和實戰篇。基礎篇（第1～7章）講解Python非同步IO的基礎用法及常用技

本書以Python 3.9為基礎，結合豐富動手練習與項目實戰，通俗易懂地介紹了Python程序設計與實際開發的重要知識點，內容包括：Python環境構建、資料類型、運算子和運算式、資料結構和控制流、函數、序列、多執行緒程序設計、規則運算式、物件導向程序設計、檔操作、網絡程序設計、郵件收發、資料庫操作，並提供Python爬蟲、自然語言處理、區塊鏈開發、圖片處理與檔處理項目，各章還安排了程式調試、問題

本書共13章，主要內容涵蓋Python語法及資料分析方法。第1章主要介紹資料分析的概念，使讀者有一個大致的印象，並簡單介紹本書頻繁使用的Python的5個協力廠商庫。第2章主要做一些準備工作，手把手帶讀者搭建Python環境，包括Python 3.7.6的安裝和pip的安裝。第3章介紹Python程序設計基礎。第4章到第7章介紹使用Python進行簡單資料分析的基礎庫，包

本書緊貼計算機領域，從程序員的需求出發，精心挑選了程序員真正用得上的數學知識，通過生動的案例來解讀知識中的難點，使程序員更容易對實際問題進行數學建模，進而構建出更優化的算法和代碼。本書共分為三大模組：“基礎思想”篇梳理程序設計中常用的數學概念和思想，既由淺入深地精講資料結構與數學中基礎、核心的數學知識，又闡明數學對程序設計和算法的真正意義；“概率統計”篇以概率統計中核心的貝葉斯公式為基點，向上講解

本書借助大量有趣的模型和實例，介紹複雜系統及模型的相關概念。本書使用的Python語言被認為是非常優秀的資料分析和建模工具，設計高效且易學易用。本書採用理論分析與實踐相結合的方式，建立系統的數學模型及相應的計算機模型和虛擬模擬實驗。本書適合對複雜性科學有濃厚興趣並具備一定計算機程序設計技術的讀者閱讀。希望讀者通過閱讀本書，可以學會用模型思考問題，掌握對自然、經濟和社會中複雜現象的建模與模擬技術，從而研究和預測它們的發展態勢。本書配套的程式原始程式碼，可以登錄華信教育資源網免費下載。 本書適合作為高等院校管理類、工程類、信息技術類等專業的相關課程教材，也可供社會相關從業人員參考閱讀。

《Python數據分析從入門到精通（微課視頻版）》從Python語言的基礎語法講起，逐步深入到Python常用數據分析包的各種操作，並通過若幹個商業數據實例演示數據分析的完整過程。全書分為12章，涵蓋了Python的開發環境搭建、Python語法基礎、數據分析的常用思路和基本流程、Pandas和NumPy的基本用法、用Pandas導入導出數據、數據預處理、數據表的篩選與

在徹底研究機器學習後，筆者體會許多基礎數學不是不會與艱難而是生疏了，如果機器學習的書籍可以將複雜公式從基礎開始一步一步推導，其實可以很容易帶領讀者進入這個領域，同時感受數學不再如此艱澀，這也是我撰寫本書時時提醒自己要留意的事項。 研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就。 這本書講解了下列相關數學的基本知識。 ► 資料視覺化使用matplotlib ► 基礎數學模組Math ► 基礎數學模組Sympy ► 數學應用模組Numpy ► 機器學習基本觀念 ► 從方程式到函數 ► 方程式與機器學習 ► 從畢氏定理看機器學習 ► 聯立方程式與聯立不等式與機器學習 ► 機器學習需要知道的二次函數 ► 機器學習的最小平方法 ► 機器學習必須知道的集合與機率 ► 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估 ► 筆者講解指數與對數的運算規則，同時驗證這些規則 ► 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來 ► 認識邏輯(logistic)函數與logit函數 ► 三角函數 ► 大型運算子運算 ► 向量、矩陣與線性迴歸 未來相關書籍 這本書是筆者機器學習系列書的起點，未來還將撰寫下列書籍： 機器學習：彩色圖解 + 微積分篇 + Python實作 本書特色 這幾年心中總想寫一本可以讓擁有高中數學程度的讀者即可看懂人工智慧、機器學習或深度學習的書籍，或是說看了不會想睡覺的機器學習書籍，這個理念成為我撰寫這本書籍很重要的動力。為了卸除數學心房，筆者撰寫此書依循原則如下： 1：數學原理彩色圖解。 2：手工計算基礎數學。 3：Python程式高效實作。 這本書撰寫的幾個特色如下： 1：全書共用150個Python實例，講解機器學習的基礎數學 2：極詳細、超清楚、帶領讀者從畏懼數學到喜歡數學 3：複雜的數學符號重新拆解，原來可以很容易 4：了解機器學習的數學原理，讓機器學習程式充滿智慧靈魂

無

本書以機器學習算法為主題，詳細介紹算法的理論細節與應用方法。全書共19章，分別介紹了邏輯回歸與z大熵模型、k-近鄰模型、決策樹模型、樸素貝葉斯模型、支持向量機模型、集成學習框架、EM算法、降維算法、聚類算法、神經網絡模型等基礎模型或算法，以及8個綜合項目實例：汽車運動學片段分類、垃圾信息識別、乳腺癌識別、波士頓房價預測、生成動漫人物、鳶尾花分類、人臉識別、保險行為數據用戶分類器。本書重視理論與實踐相結合，希望為讀者提供全面而細致的學習指導。 本書適合機器學習初學者、相關行業從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

本書集教材、練習冊、上機指導於一體，基於Python 3.8闡述Python語言的基礎知識，以及使用Python語言的開發應用實例。本書全面覆蓋計算機等級考試二級Python語言的知識範圍，具體內容包括程序設計導論、Python語言基礎、程序流程控制、函數和代碼復用、組合數據和數據結構基礎、輸入輸出和文件處理、數值和日期處理、字符串和文本處理、面向物件的程序設計、模塊化程序設計、數據庫訪問以及Python計算生態（Python第三方庫）等。本書還以電子版形式提供計算機等級考試（二級Python語言程序設計）題庫（真題和模擬題），作為學生學習和考級的開源學習資源。

本書通過有趣的示例介紹學習Python編程所需的全部內容。在瞭解Python之前，將從基礎開始學習。介紹構建自己的web站點、進行白帽黑客操作、查找代碼bug和錯誤並創建遊戲，包括使用Python通過字符滾動製作角色扮演類的遊戲等。本書的每一章都是輕鬆和通俗的，讀起來就像一直跟一個很酷的老師學習一樣。

通過學習本書提供的500多個實際示例，讀者將學會使用交互式IPython解釋器和Jupyter Notebook並快速掌握Python編碼方法。在學習完第1~5章的Python基礎知識以及第6和7章的一些關鍵內容之後，讀者將能夠處理第11~16章中有關人工智能案例的重要實操內容，包括自然語言處理，用於情感分析的Twitter數據挖掘，使用IBM Watson 的認知計算，利用分類和回歸進行的有監督

本書介紹如何利用新的程序語言進行金融建模並實現複雜的數據運算。書中講授的程序工具與數據均可以通過公開渠道獲取，通過建模與研究分析，你會對整個Python生態體系有全域性的認識。大量的實例分析也會加深你對金融風險管控的認知。

最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術,本書帶您一次學會！Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 N

Master the practical aspects of implementing deep learning solutions with PyTorch, using a hands-on approach to understanding both theory and practice. This updated edition will prepare you for applying deep learning to real world problems with a sound theoretical foundation and practical know-how with PyTorch, a platform developed by Facebook's Artificial Intelligence Research Group.You'll start with a perspective on how and why deep learning with PyTorch has emerged as an path-breaking framework with a set of tools and techniques to solve real-world problems. Next, the book will ground you with the mathematical fundamentals of linear algebra, vector calculus, probability and optimization. Having established this foundation, you'll move on to key components and functionality of PyTorch including layers, loss functions and optimization algorithms. You'll also gain an understanding of Graphical Processing Unit (GPU) based computation, which is essential for training deep learning models

本書采用理論與實踐相結合的方式，引導讀者以Python為工具，以機器學習為方法，進行數據的建模與分析。本書共13章，對機器學習的原理部分進行了深入透徹的講解，對機器學習算法部分均進行了Python實現。除前兩章外，各章都給出了可實現的實踐案例，並全彩呈現數據可視化圖形。 本書兼具知識的深度和廣度，在理論上突出可讀性，在實踐上強調可操作性，實踐案例具備較強代表性。隨書提供全部案例的數據集、源代碼、教

這是一本具有高中數學知識就能讀懂的機器學習圖書，書中通過大量程序實例，將複雜的公式重新拆解，詳細、清晰地解讀了機器學習中常用的數學知識，一步步帶領讀者進入機器學習的領域。本書共 22 章，主要講解了數據可視化、math 模塊、sympy 模塊、numpy 模塊、方程式、函數、*小平方法、集合、概率、貝葉斯定理、指數、對數、歐拉數、邏輯函數、三角函數、大型運算符、向量、矩陣與線性回歸等數學知識。