Python

本書從基本概念和理論入手，通過近千張圖和簡單的例子由淺入深地講解深度學習的相關知識，且不涉及複雜的數學內容。 本書分為上下兩冊。上冊著重介紹深度學習的基礎知識，旨在幫助讀者建立扎實的知識儲備，主要介紹隨機性與基礎統計學、訓練與測試、過擬合與欠擬合、神經元、學習與推理、數據準備、分類器、集成算法、前饋網絡、激活函數、反向傳播等內容。下冊介紹機器學習的 scikit-learn 庫和深度學習的 Keras 庫(這兩種庫均基於 Python 語言)，以及卷積神經網絡、循環神經網絡、自編碼器、強化學習、生成對抗網絡等內容，還介紹了一些創造性應用，並給出了一些典型的數據集，以幫助讀者更好地瞭解學習。 本書適合想要瞭解和使用深度學習的人閱讀，也可作為深度學習教學培訓領域的入門級參考用書。

本書循序漸進地闡述了多模態大模型的核心開發技術與應用實戰的知識。全書共10章，分別講解了多模態技術概述、多模態模型與框架、多模態數據處理、多模態表示學習、多模態嵌入表示、多模態大模型的訓練、多模態大模型的評估與驗證、基於多模態大模型的翻譯系統、基於多模態大模型的音視頻廣義零樣本學習系統、基於Diffusion Transformer的文生圖系統。全書簡潔而不失技術深度，內容豐富全面，案例翔實，以通俗易懂的文字介紹了複雜的知識體系，易於閱讀，是學習多模態大模型開發的實用教程。本書適用於已經瞭解了Python語言基礎語法，想進一步學習大模型開發、自然語言處理、計算機視覺處理、機器學習、深度學習技術的讀者，還可以作為各類院校相關專業師生的學習用書和培訓學校的教材。

https://youtu.be/4PF_5d1GYmE ChatGPT全新功能 4o/o1/o3、Reason、Search、Canvas、Projects、Voice、Sora 推理、搜尋、畫布、專案、語音、視訊、影片 開創AI無限可能 內容簡介 ★★★★★【第1本 ChatGPT全新功能】★★★★★ ★★★★★【o1/o3 + Canvas + Projects + Sora】★★★★★ ★★★★★【Projects x Voice x視訊】★★★★★ 2024年12月5日起連續12天全新功能登場，甚至也預告了ChatGPT o3/o3-mini的上市。這本書完整說明ChatGPT全新功能和突破性的技術，此外本書內容也包含了，自從2024年5月ChatGPT Omni以來新功能的詮釋，期待可以幫助讀者更完整掌握AI的浪潮。 ◎ 「o1」、「o3」的推理(Reason) ★解釋原理，與4o的比較。 ★策略規劃與決策建議實例。 ★科技研發與創新設計實例。 ★數學問題求解實例。 ◎ 進階語音模式(Advanced Voice Mode) ★ ★語音與視訊功能，提升溝通效率。 ◎ 搜尋(Search) ★從靜態知識到動態資訊引擎。 ★11大搜尋類別實例。 ★語音搜尋。 ★導航搜尋。 ★搜尋與摘要。 ◎ 畫布(Canvas)應用 ★ChatGPT協同寫作的全新體驗。 ★ChatGPT助攻Python與其他程式語言設計。 ◎ DALL-E ★AI繪畫與局部修圖功能。 ★風格轉換。 ◎ 專案(Projects)管理 ★資料集中管理。 ★高效內容搜尋與過濾。 ★整合與協作。 ◎ 圖表製作 ★ 靜態與互動圖表。 ★ 股市資料視覺化分析。 ◎ Sora ★ 文字生成影片。 ★ 圖片生成影片。 ★ 影片混合生成影片。 ★ 故事板(Storyboard)的應用。 我們正處於一個 AI 蓬勃發展的時代，這不僅是技術的革新，更是一場創意的革命。讓我們透過這本書，共同探索 ChatGPT 全新功能帶來的無限可能，成為這場變革中的引領者！

本書根據高等學校文科專業數學課程的教學要求編寫。在本書編寫過程中，不僅借鑒了國內外優秀教材的精華，而且結合了山東大學數學團隊多年的教學經驗。全書共5章，主要內容為函數、極限與連續，導數與微分，不定積分、定積分及其應用，線性代數初步，概率論初步。每章後均有核心知識點的思維導圖，並配有課程思政內容。本書還以附錄形式呈現各章典型習題的Python編程求解。本書秉承“新文科”建設理念，側重數學的實用性，並配有參考答案。

本書以任務為導向，全面介紹了數據分析的流程和Excel數據分析的應用，並詳細闡述了使用Excel 2016解決企業實際問題的方法。全書共11章，分為基礎部分（第1～6章）和實戰部分（第7～11章）。基礎部分的內容包括數據分析與Excel 2016概述、外部數據的獲取、數據處理、函數的應用、數據透視表和數據透視圖、數據分析與可視化；實戰部分為新零售智能銷售數據分析項目實戰，內容包含項目數據處理、商品銷售情況分析、商品庫存分析、用戶行為分析、撰寫數據分析報告。本書除第1章外，各章都包含實訓和課後習題，通過練習和實踐操作，讀者可以鞏固所學的內容。本書可用於“1+X”證書制度試點工作中的大數據應用開發（Python）職業技能等級證書教學和培訓，也可以作為高校數據分析相關課程的教材和數據分析愛好者的自學用書。

機器學習是人工智能的重要技術基礎，涉及的內容十分廣泛。本書涵蓋了機器學習和深度學習的基礎知識，主要包括機器學習的概述、統計學基礎、分類、聚類、神經網絡、貝葉斯網絡、支持向量機、文本分析、分布式機器學習算法等*的機器學習基礎知識，還包括卷積神經網絡、循環神經網絡、生成對抗網絡、目標檢測、自編碼器等深度學習的內容。此外，本書還介紹了機器學習的熱門應用領域推薦系統以及強化學習等主題。 本書深入淺出、內容*、案例豐富，每章*提供Python程序代碼和習題，供讀者鞏固所學知識。另外，本書還為讀者提供了配套的微課視頻。

PyQt是一個創建GUI應用程序的工具包，是Python編程語言和Qt庫的成功融合。本書旨在通過深入淺出的講解和簡明的程序示例教讀者掌握PyQt的開發技巧。本書分為10章，從PyQt的安裝和基礎知識講起，陸續介紹了基礎控件（如標簽控件、消息框、文本框、按鈕及控件等）、高級控件（如組合框、滾動條、容器控件及各類視圖等）、窗口（如屬性、坐標、事件等）、Qt Designer（如安裝與配置、編輯模式等）、PyQt高級應用（如數據庫、多線程、動畫、音視頻、網頁交互等）、圖形視圖框架（如圖元、場景、視圖、事件傳遞等）、打包（如PyInstaller、Nuitka等）等內容。此外，本書還通過兩個開發實例（可視化爬蟲軟件和《經典貪吃蛇》遊戲）帶領讀者鞏固了書中介紹的相關知識點。本書內容簡潔實用、實操性強，適合對Python編程及GUI開發感興趣的讀者閱讀。

本書共分為12章。第1章對企業網進行了概述；第2～11章分別講解了網絡冗餘技術、訪問控制列表的使用、網絡地址轉換技術、廣域網技術的原理與配置、DHCP的原理與配置、IPv6基礎、IPv6路由配置、網絡安全技術、WLAN技術和網絡管理協議相關的知識；第12章對SDN與Python的基礎知識進行了介紹。 本書除了適用於高等院校相關專業的學生外，還適合正在備考HCIA認證或者正在參加HCIA技術培訓的人士閱讀和參考。其他從事 ICT 行業的人員及網絡技術愛好者也可以通過閱讀本書，加深對網絡技術的理解。

本書以圖配文的形式，直觀易懂地介紹了物件導向的全貌及其包含的各項技術，包括物件導向程式設計、框架、設計模式、UML、建模、物件導向設計和敏捷開發方法等。對於各項技術是如何使用的（How），書中只進行簡要的說明，而重點介紹這些技術是什麼（What），以及為什麼需要這些技術（Why）。另外，「程式設計往事」專欄介紹了作者年輕時的一些經歷；「物件的另一面」專欄以與正文不同的視角講解物件導向這一概念普及的背景和原因，通俗有趣；「當今的OOP」專欄介紹了Java、Python、Ruby、JavaScript等當今流行的程式設計語言的最新動向。

本書共分為9章，第1～5章圍繞“學生成績管理”數據庫展開，主要介紹數據庫基礎，數據庫與數據表操作，視圖與索引，存儲過程、流程控制語句、函數和觸發器，MySQL數據庫操作，非常適合初學者學習。第6章介紹了MySQL與Node.js、PHP、Python、Java的交互。第7章、第8章主要講述MongoDB數據庫和Redis數據庫，有數據庫基礎者可根據第7章、第8章內容進行學習拓展。第9章為一個項目案例，能夠幫助讀者進一步鞏固所學知識。本書適合從事Web前端開發、軟件開發、全棧開發相關技術人員閱讀，也適合全國開設計算機應用技術、計算機信息管理、軟件與信息服務相關專業的高職院校的師生閱讀。

本書選材廣泛，共12個單元，主要內容涉及什麼是大數據，大數據分析，數據模型，結構化數據、半結構化數據和非結構化數據，大數據存儲，數據提取、轉換、加載，數據備份，Python編程語言與R編程語言，數據庫基本概念，數據庫管理系統，數據倉庫，雲存儲，數據處理，數據挖掘及其算法，Hadoop與Spark，大數據可視化，商業智能，數據安全，大數據和人工智能的成功關鍵等。 本書內容設置與課堂教學的各個環節緊密切合，支持備課、教學、複習及考試等教學環節。另外，本書為用書教師提供PPT、參考答案、音頻文件、教學大綱等資源。 本書既可作為高等院校本科、專科大數據領域相關的專業英語教材，也可供從業人員自學。

本書涵蓋人工智能概述、Python編程基礎、TensorFlow機器學習框架、機器學習算法、MNIST數據集及神經網絡、TensorFlow高級框架、OpenCV開發與應用等基礎知識，並介紹且搭建了計算機視覺中的手寫數字識別與人臉識別、自然語言處理中的語音識別與智能聊天機器人具體項目，還介紹並實踐了AI開放平臺的接入與使用，最後在綜合實訓案例解析中完成了對所學知識的整合。

主要內容包括：向量代數，線性方程組，矩陣代數，行列式及特徵值與特徵向量及實對稱矩陣與二次型等內容；每章開始給出與本章內容相關的歷史發展進程，針對相應知識點給出幾何及工程實際應用案例，其中工程實際應用案例主要以不同應用領域的具體問題為驅動，利用相關基本知識進行建模與分析，提供應用線性代數知識解決實際問題的思想，並對重點問題給出具體python算例；習題部分設置一定數量的實際應用問題，可以擴展和加深線性代數知識的理解與應用。

複雜網絡涉及的知識非常廣泛，有顯著的跨學科、跨領域的特性。本書力求以通俗易懂的編寫方式，為讀者提供充足的複雜網絡理論分析及大量的實例Python開源代碼，同時增加對國內外最新研究成果的介紹，為從事該領域研究的工作者提供有效的借鑒。本書的主要特點有： ①通俗易懂的概念原理解釋分析；②生動形象的圖形化分析；③大量開源實例Python代碼；④最新研究成果的引入；⑤思政教育的融入。本書共16章。第1章主要介紹複雜網絡的研究意義、歷史及研究內容；第2～5章分別介紹複雜網絡的基本概念、隨機網絡、小世界網絡及無標度網絡；第6～14章分別介紹複雜網絡的應用及其他相關理論，包括複雜網絡傳播動力學、博弈論、網絡同步與控制、複雜網絡魯棒性、二分網絡、複雜網絡的搜索、聚類分析、影響力分析及鏈路預測；第15章介紹複雜網絡工具的使用；第16章探討複雜網絡視角下的社會發展與思政啟示。本書可以作為高等學校計算機科學及其相關專業、應用數學、生物醫學、社會學、管理學等專業的本科生及研究生教材，也可以為相關領域的科研人員提供研究參考。

本書著重介紹人工智能技術在醫藥研發領域的應用。全書按照循序漸進的方式組織內容：先介紹人工智能的基本方法和生物醫藥的基本概念，然後介紹人工智能在分子表示、藥物分子性質預測、分子生成、配體與蛋白質結合能力預測，以及蛋白質結構預測等新藥研發任務中的具體應用，並結合具體示例，介紹如何將人工智能方法應用到實際的藥物研發中。要想更好地掌握本書涵蓋的內容，讀者須掌握 Python 語言和藥物學的基礎知識。本書適合想瞭解人工智能輔助藥物研發的從業人員、高等院校醫工交叉學科的學生閱讀，也適合對人工智能輔助醫藥研發感興趣的藥物研發人員、程序員閱讀。

本書遵循網絡自動化運維工程師職業素養和專業技能的要求進行內容組織，採用“項目化教學”和“任務驅動”方式展開。本書分四篇，共計12個項目。內容覆蓋網絡自動化Python編程基礎、用於網絡自動化的Python模塊、用於配置與管理網絡的協議以及網絡自動化運維的常用工具。基礎篇共一個項目，項目1為Python編程基礎；部署實施篇共四個項目，項目2為使用telnetlib下發網絡配置；項目3為使用paramiko實現網絡自動化巡檢；項目4為使用 netmiko發現網絡拓撲；項目5為使用 PySNMP獲取網絡數據；協議篇共三個項目，項目6為使用議NETCONF協議配置網絡；項目7為使用Telemetry實時監控CPU和內存使用率；項目8為使用RESTCONF協議配置網絡；工具篇共四個項目，項目9為使用Ansible實現網絡自動化運維；項目10為使用Nornir收集網路日誌；項目11為使用scapy處理數據包；項目12為使用NMAP掃描網絡。本書是一本介紹網絡自動化運維理論知識和應用技能的教材，既可作為高職或應用型本科電子信息類專業學生的教材，也可作為參加華為HCIP Datacom網絡自動化開發者認證的學習者的閱讀材料，還可以作為網絡架構師、網絡運維工程師、網絡運維開發工程師、網絡與系統管理工程師等從業人員的閱讀材料。

OpenAl的ChatGPT和GPT模型給我們思考世界的方式帶來了一場革命——不僅是在我們如何寫作和研究方面，還在我們如何處理信息方面。本書討論了包括ChatGPT和Bard在內的大語言模型的功能、能力和局限性。它還演示了如何使用LangChain框架來實現基於這些模型的生產就緒應用程序，例如代理和個人助理，以及如何與其他工具(例如web搜索和代碼執行)集成。在學習中，你將使用transformer模型和不同的注意力機制，完善訓練和微調的複雜過程。您將掌握使用pandas和Python進行自動分析和可視化的數據驅動決策。您還將深入瞭解如何使用這些模型、提示、培訓和微調以及大規模部署的啟發式方法。當你讀完這本書的時候，你會對大語言模型的作用有一個深刻的理解，以及如何充分利用它們。

本書以接口自動化測試技術為主線，測試方向主要涉及HTTP、WebSerivce、WebSocket、gRPC協議接口自動化測試實現，實用數據驅動自動化測試框架的實現過程，持續集成的實現等實用技術知識體系。全書共分為3部分，基礎篇(第1～5章)圍繞接口自動化測試中所涉及協議、抓包等基礎知識，以實例方式引導讀者快速熟悉HTTP基礎知識，結合Python+Requests主流接口測試模式實例講解接口測試知識。工具篇(第6～8章)以工作中主流接口測試工具Postman、Apifox、JMeter為依託，實例講解接口自動化測試中常見的測試場景，結合常見協議進行實例演示。框架篇(第9～14章)涵蓋接口自動化測試實施過程中主流的數據驅動模式、實用接口自動化測試框架的實現、CI實施等內核技術。本書內容充實、邏輯嚴密，是一部接口自動化測試必備的案頭工具書。本書適合對從事軟件測試開發和接口自動化測試工作的人，對軟件接口測試技術感興趣的初學者，也適合自動化測試從業者對專項技術參考。對於高等院較和培訓班的學生，本書更是學習時必備的一本教材。

本書主要介紹了人工智能的基礎知識和實用技術。本書共8章，包括“人工智能：開啟智慧新時代”“Python：人工智能開發語言”“線性回歸：預測未來趨勢”“分門別類：幫你‘分而治之’”“物以類聚：發現新簇群”“個性化推薦：主動滿足你的需求”“語音識別：讓機器對你言聽計從”“人臉識別：機器也認識你”。本書以培養學生人工智能素養、人工智能思維和人工智能基本應用能力為設計理念，在內容的選取和安排上符合學生的學情特點，以問題為導向、以案例為載體、以任務為目標來構建教學內容，兼顧了人工智能的基礎性、通識性、典型性和實用性。本書側重於介紹人工智能通識性知識和實用應用技能，可作為高職高專及中職院校人工智能公共基礎課程的教材，也可作為電子信息、計算機類相關專業人工智能課程的入門教材。此外，本書還可供廣大讀者作為人工智能學習與實踐的參考書使用。

本書旨在引導具有一定Python基礎的開發者學習PyQt 6的開發技能。本書不僅詳細介紹了PyQt 6的基礎知識，還深入探討了進階技巧。本書內容涵蓋了PyQt 6的各個方面，從窗體設計基礎到高級控件的使用，再到多線程編程和圖形處理，都進行了深入淺出的講解。每個章節都配有豐富的程序案例，如龜兔賽跑、塗鴉板、計算器、AI問答小工具、飛機碰撞大挑戰等，讓讀者通過實際操作加深理解，提升實戰能力。本書特別注重實踐應用，最後一章提供的簡單記帳本綜合案例既可以作為課程設計的參考，也可以作為畢業設計的參考。本書附帶豐富的開發資源，包括代碼庫、MySQL 數據庫驅動，以及開發工具等，為讀者提供了全方位的學習支持。通過閱讀本書，讀者能夠熟練掌握PyQt 6的開發技能，為未來的項目開發奠定堅實的基礎。

https://youtu.be/1s9CaTmY4RM 機器學習 最強入門邁向AI高手 王者歸來(全彩印刷) 內容簡介 ★★★★★【數學原理 + 演算法 + 真實案例 + 專題實作】★★★★★ ★★★★★【數學 x機率 x 統計 x 演算法】★★★★★ ★★★★★【機器學習演算法 x AI專題】★★★★★ AI時代的學習革命：用最簡單的方式掌握機器學習。 機器學習已成為當今科技領域的核心技能，但艱澀的數學與複雜的概念常讓人望而卻步。本書以淺顯易懂的白話解釋，結合全彩圖表輔助教學，幫助讀者輕鬆入門、快速掌握機器學習的核心知識與應用技巧。 本書特色 ◎ 白話解釋機器學習：摒棄晦澀公式，以簡單明瞭的語言說明每個概念，配合豐富的全彩圖表，讓學習變得更輕鬆有趣。 ◎ 基礎數學起步，實現 AI 場景應用：從基礎數學概念講解機器學習，逐步導入 AI 在生活中的實際應用，橋接理論與實務。 ◎ 彩色圖解演算法，從小數據開始：用彩色圖像化的方式清晰呈現演算法的運作原理，並從簡單的小數據案例帶領讀者進入真實世界的應用。 ◎ 實用程式碼範例：提供完整的 Python 程式碼範例，將理論知識與實務結合，幫助讀者快速上手，並理解如何將理論轉化為可行的程式解決方案。 ◎ AI 專題實戰：涵蓋特徵選擇、模型選擇、超參數調整等進階主題，提供解決特定問題的策略與技巧，助力讀者邁向機器學習高手之路。 數學場景 × AI 實例 ◎ 方程式、一元到多元函數 ★餐廳經營、業務員績效、網路行銷 ... 等。 ◎ 最小平方法 ★國際證照考卷銷售、房價預測、便利店銷售 ... 等。 ◎ 機率與單純貝式理論 ★疾病分析、客戶購買意願、垃圾郵件 ... 等。 ◎ 指數、對數與激活函數 ★廣告效果、回購率分析 ... 等。 ◎ 基礎統計 ★超商數據、考試成績 ... 等。 ◎迴歸分析 ★臉書行銷、冰品銷售、網站購物 ... 等。 ◎向量與矩陣 ★網購行為分析、推薦系統、家庭用電預測 ... 等。 演算法原理 × AI 專題 ◎ 房價預測 ★ 波士頓房價 ☆ 加州房價 ◎ 葡萄酒專題 ★ 葡萄酒分類與評價 ◎ 醫療健康 ★ 糖尿病診斷 ☆ 乳腺癌檢測 ★ 醫療保險分析 ◎ 經典數據集

本書從程序員的角度介紹了量子計算，是一本適合學生和從業人員閱讀的入門書籍。書中使用基於Python和C++開發的開源代碼庫，用完整的數學推導和經典模擬代碼解釋了超過25種基本算法。在介紹了量子計算的基礎知識後，作者著重講解了一些基礎量子算法和高效模擬它們的基礎設施，包括量子隱形傳態、超密編碼、Bernstein-Vazirani算法和Deutsch-Jozsa算法。高級量子算法的介紹包括量子霸權實驗、量子傅裡葉變換、相位估計、Shor算法、Grover算法、量子計數、振幅放大、量子隨機遊走，以及用於門近似的Solovay-Kitaev算法。通過變分量子本徵求解器、量子近似優化和NP完備問題的zui大割算法以及子集和算法，探索了量子模擬的應用。書中還探討了程序員生產力、量子噪聲、量子糾錯，以及量子編程語言、編譯器和工具面臨的挑戰，最後還詳細介紹了用於轉譯的編譯器技術。

本書將從內部組件、外部應用和數據結構3個方面為讀者介紹Redis常見、經典的用法與實例，並且所有實例均附有完整的Python代碼，方便讀者學習和參考。全書分3個部分：第一部分講內部組件，介紹的實例通常用於系統內部，如緩存、鎖、計數器、迭代器、速率限制器等，這些都是很多系統中不可或缺的部分；第二部分講外部應用，介紹的實例都是一些日常常見的、用戶可以直接接觸到的應用，如直播彈幕、社交關係、排行榜、分頁、地理位置等；第三部分講數據結構，介紹的實例是一些使用Redis實現的常見數據結構，如先進先出隊列、棧、優先隊列和矩陣等。本書希望通過展示常見的Redis應用實例來幫助讀者瞭解使用Redis解決各類問題的方法，並加深讀者對Redis各項命令及數據結構的認識，使讀者真正成為能夠使用Redis解決各類問題的Redis專家。本書適合對Redis有基本瞭解且想要進一步掌握Redis及鍵值數據庫具體應用的技術人群，是理想的Redis技術進階讀物。

本書是一本Redis的入門指導圖書，以通俗易懂的方式介紹了Redis基礎與實踐方面的知識，包括歷史與特性，在開發環境和生產環境中部署運行Redis，數據類型與命令，使用Redis實現事務、排序、消息通知、管道、Redis存儲空間的優化，持久化等內容，並採用“任務驅動”的方式介紹了PHP、Ruby、Python和Node.js這4種編程語言的Redis客戶端庫的使用方法。本書的目標讀者不僅包括Redis新手，還包括已經掌握Redis使用方法的讀者。對新手而言，本書的內容由淺入深且緊貼實踐，讓讀者能夠即學即用；對於已經瞭解Redis的讀者，通過本書的大量實例以及細節介紹，也能發現很多新的技巧。

全書從推薦系統的發展歷史、基本構成開始，依次剖析推薦系統的內容召回、協同過濾召回、深度學習召回中具有代表性的模型；再從經典排序模型到基於深度學習的排序，順勢介紹會話推薦、強化學習推薦及工業級推薦，搭建了完整的推薦系統技術體系，這是一個由淺入深的系統學習過程。 本書的目標讀者應該對深度學習有基本的瞭解，掌握概率論、線性代數、微積分等學科的基本知識，具備使用Python語言進行編程的基本能力。本書可以作為各大院校人工智能相關專業的教材，也可以作為培訓機構的教材，還適合作為人工智能技術愛好者自學用書。

本書以Python機器學習常用技術與真實案例相結合的方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共11章，分別介紹了機器學習概述、數據準備、特徵工程、有監督學習、無監督學習、智能推薦的相關知識，並介紹了市財政收入分析案例、基於非侵入式電力負荷監測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數據營銷推薦案例以及基於TipDM數據挖掘建模平臺實現航空公司客戶價值分析案例。每章都包含了課後習題，幫助讀者鞏固所學的內容。本書可以作為高校數據科學或人工智能的相關專業教材，也可以作為機器學習愛好者的自學用書。

本書根據經濟和管理類本科數學基礎課程教學基本要求編寫，在編寫過程中不僅結合了山東大學數學團隊多年的教學經驗，而且借鑒了國內外優秀教材的優點. 全書共7章，內容包括隨機事件與概率、隨機變量及其分佈、多維隨機變量及其分佈、數字特徵與極限定理、統計量及其分佈、統計推斷、相關與回歸分析，其中第7章為選修內容.本書秉承“新商科”建設理念，側重概率論與數理統計知識的實用性，在知識點和例題背景中融入了新商科元素，並以附錄形式呈現使用Python解決經濟數學問題的方法.本書第1～6章每節的習題採用分層模式，每章後面有核心知識點的思維導圖，每章的總複習題多數選自歷年考研真題，並配套完備的數字化教學資源． 本書可作為高等學校經濟和管理類專業“概率論與數理統計”課程的教材，也可作為報考碩士研究生的人員和科技工作者學習概率論與數理統計知識的參考書.

本書選取某新零售行業的公司為原型，通過整合來自企業經營的大數據和來自互聯網的大數據，結合大量豐富的企業管理與業務案例場景，從大數據采集、處理、挖掘、可視化分析，到決策與優化改善，逐步展開，幫助讀者瞭解大數據的技術基礎（Python、SQL），掌握大數據采集、處理的方法，具備應用典型的大數據算法進行價值挖掘的能力，具備結合企業經營管理場景進行大數據可視化分析、決策的能力。本書共分為三個部分：第一部分“大數據概述”，主要介紹大數據的基本概念，大數據的應用場景；第二部分“大數據技術基礎”，主要介紹python基本語法、python數據采集、python數據處理、python可視化分析、SQL基礎等相關內容；第三部分為綜合案例，結合新零售企業的案例背景，介紹大數據采集、處理、挖掘的應用以及大數據可視化分析、大數據決策分析、優化改善的思路和方法。

本書基於MySQL8，系統介紹了數據庫技術的原理和技術應用方法。全書知識結構合理、重難點突出，符合教學和讀者認知規律。全書包括數據庫概念、數據庫操作、數據庫優化和管理、數據庫設計和數據庫編程5 個篇章。其中，設計篇通過統一電商子系統案例介紹數據庫設計步驟。編程篇講授Python 語言連接MySQL 方法。本書內容循序漸進、深入淺出、條理性強。每章均附有習題和思維導圖，幫助讀者鞏固所學知識。提供了重要知識和操作的視頻，讀者可掃碼觀看。本書附有豐富配套資源，包括實驗資源、教學用課件、習題參考答案等，讀者可在人郵教育社區（www.ryjiaoyu.com）下載。本書還可配套中國大學MOOC 網站的“數據庫原理及應用”課程使用。

本書以任務為導向，較為全面地介紹Hadoop大數據技術及其生態系統組件Hive、HBase的相關知識。全書共8章，具體內容包括Hadoop介紹、Hadoop集群的搭建及配置、Hadoop基礎操作、MapReduce入門編程、MapReduce進階編程、Hive數據倉庫、HBase分布式數據庫，以及一個項目案例(電影網站用戶影評分析)。本書的第2～7章包含實訓與課後習題，讀者可通過練習和操作實踐，鞏固所學的內容。 本書可用於“1+X”證書制度試點工作中的大數據應用開發(Python)職業技能等級證書(中級)的教學和培訓，也可以作為高校大數據技術相關專業的教材和大數據技術愛好者的自學用書。

本書以Python中的pandas庫為主線，介紹各類數據處理與分析方法。本書共包含13章，第一部分介紹NumPy和pandas的基本內容；第二部分介紹pandas庫中的4類操作，包括索引、分組、變形和連接；第三部分介紹基於pandas庫的4類數據，包括缺失數據、文本數據、分類數據和時間序列數據，並介紹這4類數據的處理方法；第四部分介紹數據觀測、特徵工程和性能優化的相關內容。本書以豐富的練習為特色，每章的最後一節為習題，同時每章包含許多即時性的練習（練一練）。讀者可通過這些練習將對數據科學的宏觀認識運用到實踐中。

全書共12章，主要內容包括第1章介紹數據可視化的基礎知識，第2章介紹Python數據可視化庫及其參數配置，第3章介紹時序數據的可視化，並通過實際案例講解其可視化方法，第4章介紹金融數據的可視化，並通過實際案例講解其可視化方法，第5章介紹空間數據的可視化，並通過實際案例講解其可視化方法，第6章介紹地理數據的可視化，並通過實際案例講解其可視化方法，第7章介紹層次數據的可視化，並通過實際案例講解其可視化方法，第8章介紹網絡數據的可視化，並通過實際案例講解其可視化方法，第9章介紹多元數據的可視化，並通過實際案例講解其可視化方法，第10章介紹文本數據的可視化，並通過實際案例講解其可視化方法，第11章介紹時空數據的可視化及建模，研究我國人口現狀及其趨勢，第12章介紹非時空數據的可視化分析，研究社交電商的營銷，

本書分為三部分：基礎理論、大數據可視化、大數據可視化工具及應用。基礎理論部分包括第1章、第2章。第1章回顧了可視化發展進程，介紹可視化領域的一些基礎概念及應用；第2章介紹可視化的一般流程及設計組件。大數據可視化部分包括第3章～第7章，主要介紹了不同類型數據（比例數據、關係數據、文本數據、複雜數據）的可視化方法。大數據可視化工具及應用部分包括第8章～第14章，選取了市場上主流的一些可視化工具，圍繞它們的使用方法和應用案例展開。這些工具包括商業軟件（Tableau、DataV、FineBI、Excel）、開源包Echarts,以及編程語言R、Python。本書既可以作為高等院校計算機與軟件相關專業的教材，也可以作為軟件從業人員、計算機愛好者的學習指導用書。

本書基於Python語言，系統地介紹了Selenium與Appium自動化測試的相關知識及應用。本書共10章，第1章主要講解自動化測試的基礎知識，第2～4章主要講解Selenium WebDriver的應用與App自動化測試；第5～9章主要講解了單元測試框架、PO模式、數據驅動、日誌和持續集成；第10章通過測試一個黑馬頭條項目幫助初學者鞏固第1～9章學習的知識，讓初學者掌握自動化測試在實際工作中的運用。本書附有配套視頻、源代碼、教學課件等教學資源，為了幫助初學者更好地學習本書的內容，作者還提供了在線答疑服務，希望能夠幫助更多的讀者。本書適合作為高等教育本、專科院校計算機相關專業的教材，也可作為自動化測試愛好者的自學讀物。

本書以Windows 10+Office 2016為平臺，全面介紹了大學生信息素養的相關知識和操作。全書共10章，主要內容包括信息技術與信息素養、計算機基礎、文檔處理、數據處理、演示文稿製作、信息檢索、計算機網絡與Internet、信息安全、前沿技術和Python程序設計基礎。為便於讀者更好地學習，本書除了在講解中提供“提示”欄目補充知識，還附有微課視頻，讀者掃描二維碼即可觀看該知識點的操作步驟演示視頻。此外，本書在每節末安排了操作任務、在章末安排有課後練習，方便讀者對所學知識進行練習和鞏固。 本書講解內容全面、條理清晰、結構完整、語言精練，適合作為普通高等學校、高職高專院校信息基礎課程和大學計算機基礎課程的教材或參考書，也適合作為零基礎讀者自學信息基礎和計算機基礎知識的參考書。

本書基於Linux操作系統的操作、管理和運維的實際需求，主要講解Linux桌面操作系統Ubuntu的配置管理、桌面應用、編程和軟件開發。本書共12章，內容包括Ubuntu概述、安裝與基本操作，用戶與組管理，文件與目錄管理，磁盤存儲管理，軟件包管理，系統高級管理，Ubuntu桌面應用，Shell編程，C/C++編程，Java與Android開發環境，PHP、Python和Node.js開發環境，Ubuntu服務器。本書內容系統、全面，結構清晰，在內容編寫方面注意難點分散、循序漸進；在文字敘述方面注意言簡意賅、重點突出；在實例選取方面注意實用性和針對性。為強化實踐性和可操作性，本書中的大部分知識點都有相應的操作示範，便於讀者快速上手。本書可作為高等院校、職業院校計算機相關專業的教材，也可作為Ubuntu Linux系統操作人員的參考書，以及各類培訓班教材。

本書通過講述樹莓派（Raspberry Pi 4 Model B）上的Python實現，使讀者在熟悉Python語言和許多感測器使用的同時，掌握如何使用樹莓派的GPIO與週邊硬體進行資料交互、讀取硬體的工作狀態、控制硬體工作等，實現樹莓派與外界硬體設備的交互，通過軟硬體的結合，掌握人工智慧專案開發的基本方法，實現集語音辨識、自動投放、溢滿提醒、火情報警等功能于一體的智慧垃圾分類系統。 本書可作為高等學校電腦類、資訊類、電子類等專業人工智慧相關課程的教材，也可供希望學習Python、OpenCV的讀者或其他從事人工智慧專案開發的工程技術人員學習參考。

Python是當今使用最為廣泛的開發語言之一，被認為是開發深度學習程序的最佳語言。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》通過9個綜合實例，詳細講解了使用Python語言開發大型深度學習項目的過程，這些項目在現實應用中具有極強的代表性。第1章講解了AI智能問答系統的具體實現流程；第2章講解了AI智能推薦系統的具體實現流程；第3章講解了智能OCR文本檢測識別系統的具體實現流程；第4章講解了國際足球比賽結果預測系統的具體實現流程；第5章講解了智能繪圖系統的具體實現流程；第6章講解了利用ChatGPT開發微信客服機器人的具體實現流程；第7章講解了移動機器人智能物體識別系統的具體實現流程；第8章講解了AI考勤管理系統的具體實現流程；第9章講解了網絡輿情數據分析系統的具體實現流程。在具體講解每個實例時，都遵循項目的進度順序來講解，從接到項目到具體開發，直到最後的調試和發布，內容循序漸進，並穿插講解了這樣做的原因，深入講解了每個重點內容的具體細節，引領讀者全面掌握Python深度學習開發技術。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》不但適合Python深度學習開發的初學者學習，也適合有一定Python深度學習開發基礎的讀者學習，還可以作為有一定基礎的程序員的參考書。

本書介紹了機器人操作系統ROS的基本概念及開發調試方法。全書分5章，第1章為Ubuntu操作系統，介紹了Ubuntu20.04的使用、文件與目錄操作、vi編輯器和包管理；第2章為ROS概述與環境設置，介紹了如何在虛擬機上安裝ROS和設置VSCode開發環境；第3章為ROS系統架構，介紹了ROS系統的構成與目錄結構；第4章為ROS通信機制，介紹了ROS話題、消息服務、參數，並在ROS自帶的仿真海龜示例基礎上，通過大量例子講述ROS通信命令的用法和Python程序實現；第5章為ROS運行管理，介紹了ROS的運行調試工具及用法，包括計算圖資源命名與重命名、分布式通信設置、消息錄製與回放、日誌消息、可視化與仿真。

近年來，Python語言成為了廣受歡迎的編程語言，而它在機器學習領域也有很好的表現。scikit-learn是一個用Python語言編寫的機器學習算法庫，它可以實現一系列常用的機器學習算法，是一個好工具。本書通過14章內容，詳細地介紹了一系列機器學習模型和scikit-learn的使用技巧。本書從機器學習的基礎理論講起，涵蓋了簡單線性回歸、K-近鄰算法、特徵提取、多元線性回歸、邏輯回歸、樸素貝葉斯、非線性分類、決策樹回歸、隨機森林、感知機、支持向量機、人工神經網絡、K-均值算法、主成分分析等重要話題。本書適合機器學習領域的工程師學習，也適合想要瞭解scikit-learn的數據科學家閱讀。通過閱讀本書，讀者將有效提升自己在機器學習模型的構建和評估方面的能力，並能夠高效地解決機器學習難題。