Python

*新修訂二版，解題邏輯說明更加詳實。*針對重點內容，作者親自錄製影音教學影片，是初學者學習與教師教學的最佳輔助工具。*Python指令相關規範複雜，本書審慎挑選對初學者重點部分整理說明，配合範例學習均可順利完成。*書中所用的指令精簡，變數盡可能用簡單字母定義，程式簡單易懂。*運算式的運算範疇有些相當細膩瑣碎，作者僅挑重要部分說明，對於初學者應游刃有餘。*本書強調對學習者建立「運算思維」，從簡單範例

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

本書以通俗易懂的風格介紹了機器學習和深度學習技術，只涉及了基本的數學知識。本書由兩位機器學習和深度學習領域的專家編寫，書中的案例涵蓋了銀行、保險、電子商務、零售和醫療等多個行業。本書講述如何在當今的智能設備和應用程序中使用機器學習和深度學習技術。本書提供了對書中涉及的數據集、代碼和示例項目的下載。 l 機器學習和深度學習的概念 l 隨機森林和提升方法 l Python編程與統計學基礎 l 人工神經網絡 l 回歸與邏輯回歸 l TensorFlow與Keras l 決策樹 l 深度學習超參數 l 模型選擇與交叉驗證 l 卷積神經網絡(CNN) l 聚類分析 l 循環神經網絡(RNN)和長短期記憶網絡(LSTM)

本書共7個章節，大致可分四個板塊。1、2章為第一板塊，介紹數字圖像基礎知識及彩色圖像處理，使得讀者瞭解數字圖像處理最基本概念，並且能夠上手數字圖像處理基本流程。3、4章節為第二板塊，介紹圖像空間濾波與圖像頻域濾波，使讀者可以瞭解數字圖像處理的一般原理。第5章為第三板塊，介紹數字圖像特徵提取，可以讓讀者瞭解到數字圖像處理的基礎應用。6、7章節為第四板塊，介紹圖像壓縮與圖像小波變換，是數字圖像處理的深入應用。附錄部分展示了如何進行環境配置以及一些python的基礎語法。 本書使用對象包括數字圖像處理的初學者、有一定理論基礎但編程能力較弱的學習者、期望快速進行算法效果演示的教學人員。

本書提供了一種獨特的方法來講解Python編程入門，內容符合新的ACM/IEEECS和相關的計算課程倡議，以及由美國國家科學基金會贊助的數據科學本科課程。內容涵蓋了新的主題和應用的覆蓋面，模塊化架構使教師能夠方便地調整文本，適應課程需求。通過本書，你將學習：538個案例研究，471道練習題和項目，557道自我測驗題。基於IPython和Jupyter Notebook的即時反饋。問題求解、算法開發、控制語句、函數等基礎知識。列表、元組、字典、集合、Numpy數組、pandas Series和DataFrame。2D/3D的靜態、動態和交互式可視化。字符串、文本文件、JSON序列化、CSV、異常。過程式、函數式和面向對象的程序設計方法。“數據科學入門”：基礎統計、模擬、動畫、隨機變量、數據整理、回歸。隱私、安全、倫理、可重現、透明。AI、大數據和雲數據科學案例研究：NLP、Twitter數據挖掘、IBM Watson、機器學習、深度學習、計算機視覺、Hadoop、Spark、NoSQL、IoT。開源庫：NumPy、pandas、Matplotlib、Seaborn、Folium、SciPy、NLTK、TextBlob、spaCy、Textatistic、Tweepy、Scikit-learn、Keras、PubNub等。

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：

本書是一本系統、實用的地理空間數據科學編程與應用實戰教材。全書立足於地理人工智能(Geospatial Artificial Intelligence，GeoAI)時代的範式革新，內容由淺入深，完整覆蓋了從基礎編程到高級空間建模的經典工作流。全書共八章，首先從Python語言基礎、NumPy科學計算與開發環境部署入手，為讀者夯實底層計算能力；隨後系統講解矢量數據與柵格數據的讀取、處理、轉換及其綜合空間分析方法；進而深入剖析基於Matplotlib與Cartopy的地理空間數據專業可視化與專題製圖技術。特別值得一提的是，本書緊扣當前學術與行業的前沿需求，在最後兩章中深度融合了人工智能技術，詳細介紹了機器學習(如隨機森林、K-Means)與深度學習(如基於PyTorch的長短期記憶網絡與多層感知機)在地理空間分析中的應用。本書強調案例驅動的教學理念，通過植被總初級生產力(Gross Primary Productivity，GPP)遙感估算、農田像元級製圖以及碳通量時序建模等真實的科研與工程實例，引導讀者培養空間編程思維，全面提升在數字化、智能化時代解決複雜地理空間問題的核心能力。本書提供代碼、示例數據、PPT，讀者可登錄華信教育資源網免費下載。

這是一本聚焦Python大語言模型應用開發的實戰指南。從基礎知識出發，逐步深入講解主流開發工具與關鍵技術，最終以當前熱門的數位人電商直播專案為例，呈現完整的AI實戰路徑。 本書具有以下特色： ?由淺入深：本書各章節環環相扣，循序漸進，形成完整的知識體系。 ?注重實戰：本書注重實踐，引導讀者在解決實際專案問題的過程中掌握知識。 ?內容新穎：本書均採用前沿、主流的技術和工具，使讀者掌握先進的開發方法。 ?經驗總結：本書是對作者近10年工作經驗的總結，對AI初學者具有極高的參考價值。 全書分為三篇，共15章，具體內容如下： 第一篇：基礎知識（第1、2章）。本篇介紹大語言模型及其應用開發的基礎知識，為後續章節的學習奠定堅實的基礎。 第二篇：開發技術（第3～10章）。本篇涵蓋分詞技術、詞嵌入技術、向量資料庫、提示詞工程與優化、Hugging Face 入門與開發、LangChain入門與開發、大語言模型微調，以及大語言模型的部署等內容。這些主題構成了大語言模型應用開發的核心技術體系，掌握這些技術對於深入開發大語言模型至關重要。 第三篇：專案實戰（第11～15章）。本篇聚焦數字人電商直播應用，包括數字人口播臺詞生成、直播間問答分類、直播間互動問答，以及直播間資料分析Text2SQL等實戰項目。這些內容基於當前熱門的數位人應用開發，具有很高的實踐價值和參考意義。

大數據時代已經到來，隨著數據的逐步開放，交通領域的研究課題或多或少都要接觸、使用時空 大數據。交通領域的從業者迫切需要強有力的工具和技術應對日益紛雜的交通數據。交通是一個交叉 學科，交通數據分析人才的知識體系需要與數據處理、網絡爬蟲、數據可視化、地理信息、複雜網絡、 數據挖掘、機器學習等多學科知識深度融合，這也為交通領域的人才培養帶來巨大挑戰。 在此背景下，本書針對不同的學習階段與業務需求設計了三篇共15章內容。基礎篇（第1～5章） 梳理Python數據分析、網絡爬蟲、數據可視化、地理信息等基礎知識；應用篇（第6～10章）介紹 出租車GPS數據、地鐵IC刷卡數據、共享單車訂單數據、公交GPS數據等各類時空大數據的實際案 例應用；方法篇（第11～15章）融匯數據挖掘、空間統計、複雜網絡學科等交叉學科方法，與交通 領域的大量實際案例分析結合，全面梳理總結交通時空大數據所需跨學科技能。 本書由淺入深，學科交叉，強調實踐。對讀者不同的學習階段與業務需求設計相應內容，全面梳 理總結交通大數據科研所需技能，並與交通領域的大量實際案例分析結合。本書可作為教材也可作為 參考工具書，基礎篇定位交通數據領域新手入門，應用篇定位有數據分析需求的高校學生或社會人士， 方法篇定位高校學術科研人員。

★程式小白一學就會，不再半途而廢★ 一改傳統以鉅細靡遺的語法為導向的學習方式，採取AI時代的學習方式，以解決問題為核心，透過貼近生活的實例講解重要的語法與主題，有效率地和AI助理合作，讓初學者不再苦苦糾纏於繁瑣的語法，培養解決問題的邏輯思維。 ★實用套件輕鬆上手，寫出厲害、有用的程式★ ．pillow：圖像處理，例如色彩模式、裁剪、旋轉、翻轉、濾鏡等。 ．matplotlib：繪製圖表，例如折線圖、散布圖、長條圖、直方圖、圓餅圖等。 ．tkinter：建立圖形使用者介面 (GUI)。 ．Requests、Beautiful Soup：網路爬蟲，例如抓取臺灣銀行牌告匯率資料、從yahoo!股市抓取即時股價等。 ★與ChatGPT完美合作，寫出正確、高效的程式★ 提示工程技巧大公開：查詢語法和範例◎撰寫、修正與優化程式◎閱讀並測試程式碼◎除錯◎幫程式加上註解或try…except語法◎解決流程錯誤與無窮迴圈◎撰寫邏輯複雜的程式◎透過設計與撰寫函式來解決問題◎查看與解決程式錯誤所造成的例外◎根據資料判斷要使用哪種圖表並撰寫程式◎根據附圖與文字敘述撰寫GUI程式◎解決網路爬蟲程式失敗。 在本書中，我們會在每章的開頭講解重要的語法與主題， 然後在結尾的地方透過「 ChatGPT程式助理」專欄，示範如何有效率地和AI助理合作， 讓初學者能夠快速寫出正確、有用的程式！ 當然這些提示工程技巧並不限定於ChatGPT，你也可以舉一反三、靈活運用在Gemini、Copilot等AI助理。 將「 ChatGPT程式助理」以專欄的形式放在各章的結尾，不僅能夠適時地示範ChatGPT在不同主題的使用技巧， 而且不會干擾讀者自學或教師上課的節奏。

機器學習作為人工智能的重要分支，已在不同行業得到了廣泛應用。本書以錘煉讀者機器學習相關技術的實戰能力為導向，將案例與項目貫穿全文，全面系統地介紹了代表性機器學習算法及其應用。本書共12?章，分為?4?篇，即入門篇、監督學習篇、無監督學習篇、進階篇。入門篇概述機器學習，監督學習篇主要介紹K近鄰、決策樹、線性模型、支持向量機和貝葉斯模型，無監督學習篇主要介紹聚類、主成分分析和奇異值分解，進階篇主要介紹集成學習、特徵工程和深度學習。本書可作為高校工科專業機器學習相關課程的教材，也可供相關領域的培訓機構教學使用，還可作為人工智能愛好者和相關方向技術人員的參考書。

本書首先介紹深度學習，並與其他機器學習模型進行比較，並闡述與TensorFlow互補的用於創建深度學習模型的技術，如Panda、Scikit-Learn和Numpy。隨後介紹有監督的深度學習模型，並使用單層的多個感知器構建淺層神經網絡，使用Tensorflow 2.0和Keras API創建真實的應用程序。隨後是數據增強和批處理規範化方法，並使用MNIST數據集訓練CNN。最後是使用自動編碼器的理論應用和無監督學習，以及使用tf-agent模型的強化學習。本書主要面向深度學習和機器學習API領域的數據科學家和程序員。

寫作本書的目的是希望讓不懂編程的讀者也能使用ChatGPT生成代碼，輕鬆實現Excel數據處理自動化，讓讀者從零基礎成為高手；讓懂編程的讀者也能收獲良多，快速提升工作效率。書中用ChatGPT自動生成代碼，實現了Excel數據處理自動化的絕大部分內容，包括數據導入和導出、數據整理、數據預處理、數據統計分析、數據可視化和與Excel工作表交互等。書中針對數據處理的每個問題都提供了示例，結合示例實踐了提示詞的編寫技巧，並對與表達、數據、輸出、效率和語言等相關的主題進行了探討和總結。書中的代碼是使用pandas、xlwings和OpenPyXL編寫的，這也是目前通過編程方式處理Excel數據最優的工具組合。本書適合任何對ChatGPT和Excel數據處理感興趣的讀者閱讀，包括職場辦公人員、數據分析人員、大學生、科研人員和程序員等。

本書主要介紹數據倉庫與數據挖掘的基本概念和方法，包括數據預處理、數據倉庫與連線分析處理、數據倉庫設計與開發、回歸分析、關聯規則挖掘、分類、聚類、神經網絡與深度學習、離群點檢測以及文本和時序數據挖掘等內容。 各章力求原理敘述清晰，易於理解，突出理論聯繫實際，輔以代碼實踐與指導，引領讀者更好地理解與應用算法，快速邁進數據倉庫與數據挖掘領域。 本書可作為高等學校計算機科學與技術、數據科學與大數據技術等相關專業的教材，也可作為科研人員、工程師和大數據愛好者的參考書。