Python

本書主要介紹如何利用NLE-AI800人工智能開發板和嵌入式人臉門禁實驗平臺，在嵌入式Linux系統上使用Python語言編寫程序。本書注重實踐、應用、開發和創新，以人工智能主流應用場景為導向，通過實踐案例展示了視頻採集、圖像識別、人臉識別、人體檢測、車牌識別、人臉識別門禁系統、稻麥成熟度監測系統、智慧家居等應用領域的前沿技術和方法。本書共6個項目，分別是：項目1，使用OpenCV實現人臉檢測；項目2，使用計算機視覺算法實現圖像識別；項目3，利用串口實現邊緣硬件控制；項目4，使用人臉檢測算法的家用設備控制；項目5，使用計算機視覺技術的稻麥成熟度監測系統；項目6，使用語音識別實現智慧家居控制。本書理論和實踐相結合，旨在培養學生應用及解決實際問題的能力，並引導學生將人工智能技術應用於實際場景。本書可作為職業院校人工智能技術應用、軟件技術、嵌入式技術應用及相關專業的教材，也可作為人工智能、嵌入式等領域技術人員的自學參考用書。本書配有電子課件等課程資源，選用本書作為授課教材的教師可登錄機械工業出版社教育服務網(www.cmpedu.com)註冊後免費下載，或聯繫編輯(010-88379194)諮詢。本書還配有微課視頻，讀者可直接掃碼觀看。

新手的第一本Linux入門手冊！ 帶你學會操作Docker容器，輕鬆建立多種開發環境 本書是一本Linux作業系統和Docker技術的入門書，也是一本探討虛擬化技術的書，可以讓初學者輕鬆在Windows作業系統學習Linux和Docker技術，並且教你如何使用Linux作業系統來建構專案所需開發環境的書。 本書首先會詳細說明Linux作業系統的命令，接著實際建構PHP、Node.js和Python開發環境，最後進入Docker主題，讓讀者擁有足夠的Linux能力，可以自行打造Docker容器的開發環境，並且透過Visual Studio Code進行專案開發。 讀完本書，你除了能學會基本Linux作業系統的使用，在Linux作業系統架設伺服器、建立Node.js、Python和Keras深度學習開發環境，還可以進一步學習如何使用Docker容器化技術，透過Docker命令來建立、啟動、停止、暫停和移除容器。最後，你還能使用ChatGPT提問模板來建立Dockerfile，建構部署專案所需的DevOps開發與運維環境。 ▍你將學會 ◆ 理解虛擬機與容器的原理與差異 ◆ 利用WSL 2在Windows中安裝Linux虛擬環境 ◆ 建構PHP、Node.js和Python開發環境 ◆ 搭配Visual Studio Code進行專案開發 ◆ 使用Gradio介面快速部署AI預訓練模型 ◆ 介紹Docker映像檔、容器和倉庫的基本操作 ◆ 使用Docker技術來建立軟體開發與部署環境

本書以微型計算機為基礎，全面系統地介紹了計算機的基礎知識和基本操作。全書共10章，主要包括計算機的發展與新技術、計算機信息技術與系統基礎、計算機操作系統基礎、WPS文字辦公軟件、WPS表格辦公軟件、WPS演示辦公軟件、計算機網絡基礎、網頁設計與製作、數據庫技術基礎、Python程序設計基礎等內容。本書參考了全國計算機等級考試一級WPS Office的考試大綱要求，採用基礎講解+案例操作的方式來鍛煉學生的計算機操作能力，培養學生的信息素養。書中基礎知識講解內容翔實，且每章都安排了擴展閱讀，補充介紹一些相關的知識，最後還安排了習題，以便學生對所學知識進行練習和鞏固。

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow：Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 TensorFlow編程實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫學應用和Seq2Seq+attention 模型及其應用案例。 本書最大特色是既有由淺入深的理論知識，又有從入門到高深的應用編程的技術知識。本書涵蓋了深度學習的理論、Python 編程語言以及TensorFlow編程知識和代碼解讀，為深度學習初學者以及進階人員提供了詳盡的必要知識。本書可用于大學本科生高年級以及研究生人工智能教材，也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。

本書從計算思維的角度介紹計算機硬件和軟件系統、計算機網絡、信息安全、Python程序設計、文檔處理與排版、數據處理與分析、數據庫技術和演示文稿設計等內容，以及物聯網、雲計算、大數據和人工智能等新一代信息技術。本書還配有相應的實驗和課後習題。

《微服務實戰》主要介紹如何開發和維護基於微服務的應用。本書源自作者從日常開發中得到的積累和感悟，其中給出的案例覆蓋從微服務設計到部署的各個階段，能夠帶給你真實的沉浸式體驗。通過閱讀本書，你不僅能夠瞭解用微服務搭建高效的持續交付流水線的方法，還能夠運用Kubernetes、Docker 以及Google Container Engine 進一步探索書中的示例。

本書以數據處理為主線，介紹數據處理的基本原理、常見的算法思想、算法設計的可視化以及編程實現python語言。全書共13章，主要內容包括數據科學基礎實踐概論、數據表示、數據計算、數據分析、數據可視化、算法可視化工具、算法設計基礎、Excel中的算法、Python程序設計基礎、算法在Python中的實現、Word文檔處理、Flash動畫製作、Xmind思維導圖製作。本書可作為高等學校非計算機專業學習數據科學課程的實踐教材,也可以作為讀者快速理解數據處理和算法設計與實現的自學參考書。

本書主要講述軟件接口測試的技術和方法，共11章。本書結合大量示例代碼，介紹了Python編程環境，Python編程基礎知識，單元測試框架UnitTest，接口測試的基礎知識，接口測試環境的搭建，接口測試案例，接口 Mock 的應用，接口測試工具，基於接口的性能測試案例，Python項目持續集成的案例，接口自動化測試平臺的設計與實現。本書不僅適合測試人員、開發人員、運維人員、項目管理人員閱讀，還適合作為高等院校相關專業的教材。

本書以數字圖像處理基礎理論與真實案例相結合的方式，深入淺出地介紹數字圖像處理的常見任務及實現技術。本書共9章，內容包含數字圖像處理概述、圖像的基本變換、圖像增強與復原、形態學處理、圖像特徵提取、圖像分割等技術，以及車牌檢測、QR碼的檢測、鋼軌表面缺陷檢測等案例。本書以Python為算法實現工具，大部分章包含操作實踐代碼和課後習題，幫助讀者在數字圖像處理基礎任務和案例中應用算法，鞏固所學內容。本書可以作為高校信息技術或人工智能相關專業的教材，也可以作為數字圖像處理應用的開發人員和從事數字圖像處理技術研究的科研人員的參考用書。對於有一定基礎和經驗的讀者，也能幫助他們查漏補缺，深入理解並掌握相關原理和方法，提高解決實際問題的能力。

本書介紹了大數據挖掘與統計機器學習領域中最常用的模型和算法，包括最基礎的線性回歸與分類方法，以及模型評價與選擇的概念和方法，進而介紹了非線性回歸與分類方法(包括決策樹與組合方法、支持向量機、神經網絡以及在此基礎上發展的深度學習方法)。此外，介紹了無監督學習中的聚類方法，並給出了一個大數據分析的實例。除了方法的理論講解之外，我們還給出了每種方法的Python實現。

本書著重在新工科背景下為所有工科計算機及非計算機專業的本科新生提供完整的計算機科學思維框架，以Python高級程序設計語言作為線索，簡化計算機領域中的各個分支為模型，使用Python語言進行簡易實現。全書共8章，第1章從計算思維的角度概述計算機學科的整體脈絡；第2章著重介紹計算機中對於數據和信息的編碼原理；第3章對基礎的Python語法做出介紹；第4章主要描述使用計算機解決問題的各類經典算法思想；第5章從底層出發介紹計算機的硬件系統和軟件系統；第6章介紹計算機網絡及網絡安全；第7章介紹數據庫系統；第8章對新時代下的計算機新技術——人工智能進行發散式介紹。本書還提供了大量應用實例，每章後均附有習題。本書適用於高等院校工科專業本科一年級的相關課程，也可供教學工作人員設計本科實踐課程時參考。

書通過通俗易懂的文字、翔實的案例，系統地介紹MySQL 8.0數據庫應用技術。全書共11章，可以歸納為4個部分。第1部分(第1、2章)介紹數據庫技術和MySQL基礎，第2部分(第3～6章)介紹以SQL為核心的數據庫應用，第3部分(第7～10章)介紹MySQL編程、數據安全、事務及併發控制等內容，第4部分(第11章)介紹應用Python與MySQL數據庫技術實現信息系統的方法與技巧，從而培養讀者對數據庫的應用能力。 為了幫助讀者快速掌握知識要點、驗證學習效果，編者精心為本書設計知識結構思維導圖，並提供示例源碼和核心知識點的微課視頻。 本書可作為高等院校信息技術及相關專業數據庫應用課程教材，也可作為參加全國計算機等級考試二級 MySQL數據庫程序設計的參考書。

無

《基於深度學習的圖像處理與實踐》循序漸進、深入淺出地講解了基於深度學習的圖像處理的核心知識，並通過具體實例演示了開發深度學習圖像處理程序的方法和流程。全書共 14 章，分別講解了圖像識別技術基礎，scikit-image數字圖像處理，OpenCV 圖像視覺處理，dlib機器學習和圖像處理，face_recognition人臉識別，採樣、變換和卷積處理，圖像增強，圖像特徵提取，圖像分割，目標檢測，圖像分類，國內常用的第三方人臉識別平臺，鬥轉星移換圖系統，智能OCR文本檢測識別系統等內容。本書語言簡潔而不失技術深度，內容全面。《基於深度學習的圖像處理與實踐》適用於已經瞭解了Python語言基礎語法，想進一步學習機器學習、深度學習、計算機視覺與圖像處理技術的讀者，還可以作為大專院校相關專業的師生用書和培訓機構的專業性教材。

本書先從概率論的基礎講起，然後逐步深入到概率論在機器學習中的應用，最後結合機器學習實戰案例，重點介紹了概率論的概念及其在機器學習中的應用。通過本書讀者不但可以系統地學習常見概率的相關知識，還能對機器學習開發有更為深入的理解。本書共10章，涵蓋的主要內容：機器學習簡介；為什麼機器學習需要概率論；概率的定義；集合和事件；獨立性；概率的性質；常見的計算概率方法；離散型和連續型概率簡介；離散型和連續型概率的期望值、方差和標準差；幾種常見的離散型和連續型概率分布；條件概率；聯合概率；邊緣概率；貝葉斯理論；隨機過程簡介；馬爾可夫鏈；隱馬爾克夫模型；高斯過程；常見的機器學習Python庫；機器學習分類算法和回歸算法簡介；概率論在分類算法和回歸算法中的應用；常見的分類算法和回歸算法；強化學習簡介；有趣的機器人遊戲；GAN；圖片風格轉換。本書內容通俗易懂，案例豐富，實用性強，不僅等

本書介紹當前國際上較為經典的敏感性試驗設計和廣義敏感性試驗設計及相關統計性質。全書共五章：第1章簡介傳統敏感性試驗設計；第2章介紹有代表性的敏感性優化試驗設計，包括設計的優化準則和有效算法；第3章介紹廣義敏感性優化試驗設計，包括兩個二元響應和混合響應的優化試驗設計方法；第4章介紹響應分佈的擬合方法；由於在敏感性試驗數據下模型參數的估計沒有解析解，第5章基於Python語言給出敏感性試驗設計及相關參數估計的算法實現和示例。

本書以當前嵌入式系統領域裡具有代表性的RISC-V技術和嵌入式Linux操作系統作為分析對象。本書內容分為三個部分，第一部分介紹嵌入式系統的基礎知識，RISC-V指令集和賽昉科技出品的VisionFive 2(中文名：昉‧星光 2)單板計算機。在此基礎上第二部分闡述了嵌入式Linux相關知識，主要包括Linux內核、文件系統、移植方法、驅動程序等內容。第三部分介紹採用python語言在RISC-V單板計算機和嵌入式Linux系統上的開發設計案例。本書可以作為高等學校計算機、電子、電信類專業學生的參考用書，也可以作為RISC-V相關嵌入式開發人員的參考用書。

本書以講授數據可視化基礎知識和工具應用為目標，在闡述可視化基本理論的基礎上，採用大案例教學的方法，以某一超市數據為例，貫穿全書(7～11 章)，講解和演示如何使用Tableau 和Python 兩種工具完成各類可視化圖形及可視化大屏的製作，講述數據故事，挖掘數據背後的信息。全書共11 章，主要內容包括數據可視化概述、數據可視化的理論基礎、數據的理解與分析、數據可視化的任務和過程、Tableau 基礎、Python 基礎、有關比例的可視化、有關時間趨勢的可視化、有關關係的可視化、有關空間關係的可視化以及可視化大屏。本書可作為高等院校信息管理、大數據管理與應用以及經濟管理相關專業的教材，也可作為企業管理人員、數據分析人員、可視化設計人員，以及從事數據可視化、視覺藝術開發和應用等人員的參考書。本書配有電子課件、教學大綱和習題答案，歡迎選用本書作教材的老師登錄www.cmpedu.com 註冊後下載，或發jinacmp@163.com 索取。

本書為理論與應用實踐兼顧的機器人技術教材。全書共5個項目，包括人工智能機器人、通過GPIO實現傳送帶運行、基於語音識別實現語音控制機械臂、使用YOLO模型實現目標檢測、小型柔性智能製造。書中內容引入大量行業應用案例與工程方法，力求避免內容枯燥空洞，貼近真實現場應用。其中，項目1作為入門引導，將人工智能的發展與機器人技術相結合，讓讀者認識創靈實驗平臺及機械臂的安裝、移動與抓取。項目2～項目4，基於創靈實驗平臺和新大陸AI開發板，分別介紹編寫Python腳本控制GPIO傳送帶運行、使用開發板實現離線語音識別和語音合成並控制機械臂、使用YOLO模型實現機械臂色塊分揀。項目5作為綜合實踐，將軟件設計、GUI界面開發及IDE開發、機械臂與傳送帶控制模塊開發、色塊分類模塊開發、項目安裝與部署進行結合，系統介紹小型柔性智能製造的綜合實踐開發。本書可作為職業院校人工智能及相關專業的授課教材，也可作為工程師、機器人技術愛好者的參考用書。本書配有微課視頻，讀者可掃描書中二維碼進行觀看。本書還配有電子課件等資源，選擇本書作為授課教材的教師可登錄機械工業出版社教育服務網(www.cmpedu.com)註冊後免費下載或聯繫編輯(010-88379194)

本教材主要介紹了隨機過程的預備知識、離散時間馬氏鏈、可數狀態馬氏鏈、泊松過程、連續時間馬氏鏈、更新過程、布朗運動等內容。為適應應用型本科財經類相關專業突出技能與應用的要求，本書在介紹隨機過程基礎理論的前提下，著重使用圖表等多種形式，形象地展示課程的脈絡。在介紹部分難以理解的知識點時，本書附有相關的 Matlab 及 Python 代碼，讀者可通過代碼的運行，更加形象地理解相關知識點。書中還附有視頻教程，讀者可通過掃相應頁面的二維碼觀看授課視頻。對於複雜的數學推導，本書在不影響讀者閱讀的前提下，一律放到各章的附錄中，以供學有餘力的讀者參考學習。本書適用於經濟管理類本科專業2～3年級學生，也適用於經濟管理領域的從業人員。

PyTorch是一個開源的Python機器學習庫，具有靈活性強、上手速度快和易於擴展等特點。本書從PyTorch出發，通過穿插實踐練習的方式介紹深度學習，使讀者對相關知識的理解更加深刻。 本書共分為6章。第1章介紹了PyTorch的安裝和基本操作；第2、3章介紹了深度學習的基礎知識、簡單的線性模型以及計算圖知識；第4、5章在前文的基礎上進一步擴展，介紹了各種神經網絡模型；第6章介紹了PyTorch的高級特性。對於每個概念，本書均給出了一個或數個簡明扼要的示例，以方便讀者理解。 本書適合有一定數學基礎、熟悉Python編程並對機器學習基礎知識有所瞭解的學生或相關從業人員閱讀和學習。

普通高等教育“十一五”國家級規劃教材，面向數字圖像處理技術及應用，結合作者及其所在實驗室多年來從事數字圖像處理的教學心得、科研成果，從基本概念和理論出發，系統地講解了圖像處理的基本技術和典型方法，包括圖像變換、圖像增強、圖像復原、圖像分割、圖像描述與分析、數字圖像的壓縮編碼等，並介紹了許多國際上最新的研究成果，如基於深度學習提取圖像特徵的網絡架構。同時，本書注重理論聯繫實際，列舉了大量工程應用實例。此外，為了方便教師安排實驗和實踐環節，使學生能夠通過編程練習更好地學習和掌握數字圖像處理的基本理論、方法、實用技術，本書還配套了詳細的實驗方案。本書可作為通信工程、電子信息工程、計算機應用、信號與信息處理、生物醫學工程、自動控制、遙感、農業、氣象等學科的大學本科和研究生專業基礎課教材，也可供上述學科及遙感和軍事偵察等領域的科技工作者參考。本書配有免費的電子課件和作者編制的基於MATLAB、Python和VC++實現的數字圖像處理軟件，分別對應於本書的各章節。作者編制的圖像處理軟件既可作為教學演示和實驗工具，也可應用於實際的圖像處理工作。歡迎選用本書的教師登錄www.cmpedu.com註冊下載。

This book offers step-by-step descriptions of various random systems and explores the world of computer simulations. In addition, this book offers a working introduction to those who want to learn how to create and run Monte Carlo simulations. Monte Carlo simulation has been a powerful computational tool for physics models, and when combined with the programming language Excel, this book is a valuable resource for readers who wish to acquire knowledge that can be applied to more complex systems. Visualization of the simulation results via the Visual Basic built in Microsoft EXCEL is presented as the first step towards the subject. Prior experience with the Excel add-in VBA is kept to a minimum. In addition, a chapter on quantum optimization simulation utilizing Python is added to explore the quantum computation. Readers will gain a fundamental knowledge and techniques of simulation physics, which can be extended to STEM projects and other research projects.

本書聚焦大數據可視化的基本概念和基本技術應用，包含緒論和6個項目，分別為初識大數據可視化、Matplotlib應用、Matplotlib實戰——影視數據可視化、Pyecharts應用、Pyecharts實戰——用戶行為數據可視化、Plotly應用、Plotly實戰——用戶畫像數據可視化。本書基於Python語言的三種可視化工具(Matplotlib、Pyecharts和Plotly)，將理論和實踐充分結合，通過大量的案例幫助讀者快速瞭解數據可視化相關技術，並且為重要的知識點配備思考與練習。針對上述三種可視化工具，本書設置了三個企業級實戰項目(項目2、項目4和項目6)，通過實戰項目的學習和訓練，可提升讀者在大數據技術領域的思維能力和素養，拓寬大數據視野，達到學以致用的目的。本書可作為高等職業院校軟件技術、大數據技術、工業互聯網、人工智能技術應用等專業的教材，也可作為大數據分析與可視化工程技術人員的參考書。

本書以實現仿真系統功能、掌握原理方法為目標，在傳統系統仿真課程內容的基礎上，增加了目前科研及學習中常用的數據挖掘及深度學習等決策方法，以及視覺圖像處理的相關內容。本書包括 9 章，內容涉及 MATLAB 基礎、Simulink 仿真、控制系統仿真、MATLAB 文件和數據訪問、智能算法、數據挖掘、圖像處理、深度學習和界面設計及嵌入式仿真。本書內容和章節的設置基於當前控制系統與大數據決策方法融合日益廣泛的現狀與學習需求，強調理論與實踐相結合，通過案例和習題等幫助讀者理解並快速掌握控制理論、智能決策的基礎方法、MATLAB/Simulink 及 Python等編程工具的使用，將人工智能等技術從抽象概念到編程實現展現在讀者面前。本書適合作為高校自動化、電子工程、計算機及相關專業的教材，也適合作為從事系統仿真工作的技術人員的參考書。

Azure Databricks是一款基於雲的大數據分析和機器學習平臺，用於實現基於Apache Spark的數據處理，為快速增長的海量數據的處理和決策需求分析提供了良好的支撐。《Apache Spark大數據分析：基於Azure Databricks雲平臺》詳細介紹基於Azure Databricks雲平臺來使用Apache Spark完成大規模數據處理和分析的方法。本書總計11章，首先介紹大規模數據分析相關的概念；然後介紹受管的Spark及其與Databricks的關係，以及Databricks的版本差異和使用方法（涵蓋工作區、集群、筆記本、Databricks文件系統、數據導入/導出等內容）；接著介紹使用SQL和Python分別實現數據分析的過程，數據提取、變換、加載、存儲、優化技巧等高階數據處理方法以及外部連接工具、生產環境集成等內容；最後探討了運行機器學習算法、合併數據更新以及通過API運行Databricks、Delta流處理等高階主題。作為數據分析領域的入門書，本書具有很強的實用性，可供數據工程師、數據分析師和決策分析人員等學習和參考。

《Scrapy網絡爬蟲開發實戰》介紹如何學習和使用流行的Scrapy框架開發網絡爬蟲應用，主要內容使用Python開發網絡爬蟲，識別網頁的編碼，結構化信息的提取，Scrapy爬蟲的示例使用，Scrapy Playwright抓取動態JS網站，將抓取的數據保存到數據庫，部署、調度和運行Scrapy爬蟲等。 《Scrapy網絡爬蟲開發實戰》適合作為高等院校計算機、軟件工程專業本科生、研究生的參考書目，也適用於對Python網絡爬蟲領域感興趣的人士參考閱讀。

本書是對《Xilinx Zynq-7000嵌入式系統設計與實現：基於Arm Cortex-A9雙核處理器和Vivado的設計方法(第二版)》一書的一次重要修訂，全書共包含30章，主要內容包括Xilinx Zynq系列SoC設計導論、AMBA規範、Zynq-7000系統公共資源和特性、Zynq-7000調試和測試子系統、Cortex-A9處理器指令集、Cortex-A9片上存儲器系統結構和功能、Zynq-7000 SoC的Vivado基本設計流程、Zynq-7000 GPIO原理和控制、Cortex-A0異常與中斷原理和實現、Cortex-A9定時器原理及實現、Cortex-A9 DMA控制器原理和實現、Cortex-A9安全性擴展、Cortex-A9 NEON原理和實現、Zynq-7000的可編程邏輯資源、Zynq-7000的互聯結構、Zynq-7000 SoC內定制簡單AXI-Lite IP、Zynq-7000 SoC內定制複雜AXI Lite IP、Zynq-7000 AXI HP數據傳輸原理和實現、Zynq-7000 ACP數據傳輸原理和實現、Zynq-7000軟件與硬件協同調試原理和實現、Zynq-7000 SoC啟動與配置原理和實現、Linux開發環境的構建、Zynq-7000 SoC內Ubuntu硬件運行環境的構建、Zynq-7000 SoC內Ubuntu軟件運行環境的構建、Linux環境下簡單字符設備驅動程序的開發、Linux環境下包含中斷機制驅動程序的開發、Linux環境下圖像處理系統的構建、Zynq-7000 SoC上構建和實現Python應用、手寫體識別模型訓練與推理一體化設計和實現，以及基於KR260平臺的人體姿態識別的實現。

《機器學習算法在食品科學中的應用》聚焦食品科學技術未來發展需求，將機器學習算法與食品科學技術緊密融合。以Python作為主要編程語言，依託NumPy、Matplotlib和Pandas等數據庫，詳細介紹卷積神經網絡、樸素貝葉斯、人工神經網絡、隨機森林、決策樹、線性回歸、K最近鄰等核心算法。同時，以茶葉、水產品、食用菌、咖啡、掛麵、魔芋葡甘聚糖水凝膠、預製菜等多個食品創新產業為例，全面系統地介紹了機器學習算法在食品科學領域的應用進展，為機器學習算法在食品科學研究領域的進一步發展提供了理論依據和技術支撐。

《Django 5 Web應用開發實戰》集Django架站基礎、項目實踐、開發經驗於一體，是一本從零基礎到精通Django Web企業級開發技術的實戰指南。《Django 5 Web應用開發實戰》內容以Python 3.x和Django 5版本為基礎，從Django 5構建項目開始，逐步深入講述Django框架的各項功能要點，每個功能要點從源碼角度分析，並在源碼的基礎上實現自定義的功能開發。還介紹了Django的第三方功能應用，如DRF框架開發API接口、生成網站驗證碼、站內搜索引擎、第三方網站實現帳號註冊、異步任務和定時任務、即時通信實現在線聊天，同時介紹了當前流行的前後端分離模式和微服務架構網站的開發，《Django 5 Web應用開發實戰》還提供了兩個完整的Web實戰案例：博客系統和音樂網站平臺，從中讀者可以學習瞭解網站開發的全流程，最後介紹了Django項目的上線部署。《Django 5 Web應用開發實戰》注重案例教學，講解深入淺出，非常易於上手，適合有一定Python基礎的開發人員和在校學生學習，也可以用作培訓機構和大中專院校Web項目開發的教學實踐用書。

本書是《趣味學編程：特級教師帶你零基礎玩轉Mind+》的進階版，使用編程軟件Mind+展開學習。Mind+是一款基於Scratch 3.0開發的國產編程軟件，擁有自主知識產權，有著親和的界面和豐富的擴展功能，同時支持圖形化編程語言與Python語言、C語言等多種代碼編譯環境，為不同層次的學習者提供學習支持，還集成了各種主流主控板及上百種開源硬件，支持人工智能(AI)與物聯網(IoT)功能。本書在上一本書的基礎上，帶領青少年繼續深入探索算法、人工智能(AI)以及物聯網(IoT)的精彩世界，全程配以深入淺出的微課講解，使讀者能在生動有趣、充滿挑戰的學習中收穫成功的喜悅。

本書以 MATLAB R2023a 為操作平臺，每個章節使用“實戰練習”進行講解，由淺入深、通俗易懂。本書共分為 10 章，其中：第 1～4 章主要介紹 MATLAB 基礎知識、矩陣與數組的應用、符號運算及在高等數學中的應用，使用 100 多個案例說明了命令、函數的使用方法，為了更好地理解高等數學運算的應用，第 4 章除了拉普拉斯變換、傅裡葉變換、極限、積分、微分、導數和級數等運算，還加入了一維至多維的散點數據插值、擬合及繪圖；第 5 章詳細介紹了 MATLAB 編程的 3 種基本結構，使用了 50 多個案例說明選擇、循環編程、函數建立、遞歸調用及文件讀寫操作，此外添加了 MATLAB類的使用，包括封裝、繼承及多態的案例；第 6 章介紹了二維、三維繪圖，包括特色繪圖、散點圖、動態曲線及動畫繪圖，共使用了 50 多個案例描述繪製過程；第 7 章介紹 Simulink 仿真，包括模塊、操作及使用函數運行仿真的方法；第 8 章介紹 App 界面設計，使用 50 多個案例介紹編輯文本、按鈕、圖像、坐標區、列表框、樹、表、菜單及對話框等多種組件操作過程，用戶可按步驟自行設計 App；第 9 章介紹了 MATLAB 與 C++語言和 Python 語言交互編程方法，內嵌了多個案例進行說明；第 10章介紹了建模的方法，通過機理建模、仿真優化和實驗建模 3 種方法，使用了 6 個案例說明建立數學模型的過程。本書內容從最基本的窗口操作開始，由矩陣使用到 MATLAB 的建模應用，共計使用了300 多個案例貫穿於每個章節中。所有例程內嵌程序命令、注釋、說明和運行結果，圖文並茂。本書不僅適合理工類所有專業的學生使用，也可作為計算機語言的開啟和提高類的課程教材。本書講解重視邊學邊練，配合演示文稿的課件和實戰練習，有助於課堂教學和學生自學。特別在增強學習的可視性方面，書中的 App 設計案例新穎實用，幾乎涵蓋了所有基本組件的應用。且將二維、三維、網格、網面圖、色彩的渲染、光照效果及圖像的動畫設計嵌入 App 中，突出了人機交互界面展示。

本書是一部全面而深入的量化金融實戰指南，從基礎的Python編程和量化金融概念出發，逐步引領讀者進入金融數據分析、量化策略開發、算法交易及風險管理的高級話題。本書還探討了生成式AI和ChatGPT在量化金融領域中的應用，為讀者提供了一個全面的視角和實用的工具。本書共分為5章：第1章作為基礎，介紹了量化金融、算法交易和Python編程的基礎知識；第2章專注于金融數據的獲取和處理，包括如何使用APIs和Python庫；第3章深入講解了量化策略與模型，涵蓋了從統計學到機器學習再到深度學習和Transformer模型及ChatGPT插件使用的多個方面；第4章是對算法交易與風險管理的全面解析，包括市場微觀結構、交易策略和ChatGPT的Code Interpreter功能；第5章對量化金融和算法交易的未來進行了展望，包括人工智能在金融領域中的機遇和挑戰。本書內容深入淺出，實例豐富，實用性極強，特別適合量化金融的初學者和專業人士，也適用于金融分析師、數據科學家和編程愛好者。此外，本書也可作為金融科技和量化金融相關培訓課程的教材。

本書主要講解了應對數據分析師面試所需的基礎知識與典型面試題的解答方法，內容以讀者的閱讀需求進行架構，力求使該者對面試題涉及的原理與解題思路有清晰的認知，以幫助讀者在面試時舉一反三，從容作答。本書共分為7章。第1章介紹了正確認識數據分析的一些必要知識，以及用人單位對數據分析師的要求，第2～5 章，分別介紹了概率論與數理統計基礎、分析工具的使用、面試時常見的數據思維、數據挖掘等 4個部分的知識，其中分析工具包括 Python、Pandas、SQL 和Excel，第6章講解了知名公司近年來典型面試題的解題思路：第7章講解面試中除了答題之外的其他方面的知識，並基於真實的面試流程，從面試技巧角度給出了建議。本書適合想從事數據分析及相關崗位工作的讀者閱讀。

本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。本書重新修訂《動手學深度學習》的所有內容，並針對技術的發展，新增注意力機制、預訓練等內容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，並由線性模型引出基礎的神經網絡――多層感知機；第二部分闡述深度學習計算的關鍵組件、卷積神經網絡、循環神經網絡、注意力機制等大多數現代深度學習應用背後的基本工具；第三部分討論深度學習中常用的優化算法和影響深度學習計算性能的重要因素，並分別列舉深度學習在計算機視覺和自然語言處理中的重要應用。本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀本書需要讀者瞭解基本的Python編程知識及預備知識中描述的線性代數、微分和概率等基礎知識。

PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具包，一經推出便受到了業界的廣泛關注和討論，目前已經成為機器學習從業人員的研發工具。《PyTorch深度學習》是使用PyTorch構建神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網絡的構成、神經網絡的知識、機器學習基礎知識、深度學習在計算機視覺中的應用、深度學習在序列數據和文本中的應用、生成網絡、現代網絡架構，以及PyTorch與深度學習的未來走向。《PyTorch深度學習》適合對深度學習領域感興趣且希望一探PyTorch的業內人員閱讀；具備其他深度學習框架使用經驗的讀者，也可以通過本書掌握PyTorch的用法。

本次改版主要是對書中的滴滴數據進行更換，本書主要介紹大數據分析所需的基本編程理論知識和常用算法並通過工程實例對交通大數據分析的理論及實踐進行深入介紹。主要了介紹了數據庫和Python，Hadoop和Spark的通用分布式大數據計算平臺，以及常用的機器學習和深度學習算法，主要包括統計機器學習概論、線性模型的概念和算法、支持向量機的算法思想和應用、決策樹的算法原理和應用、常用的聚類分析算法和應用、集成學習的基本原理和應用、常用的集中神經網絡算法。

當前我們正處於大數據時代，不同類型的數據正以前所未有的速度累積和存儲，數據將成為未來組織運營的重要資源。大數據正改變著企業的運行邏輯和管理問題的解決方式與手段。對於管理學科的研究者和實踐者來說，具備處理動輒幾十萬條甚至更大規模的數據的能力，逐漸成為一項必備技能。《數據科學理論與實踐——基於Python的實現》從這一目的出發，介紹了基於Python的數據科學理論和實踐相關內容。《數據科學理論與實踐——基於Python的實現》共8章，內容包括數據科學概論、Python基礎、Python常用模塊、基於Python的最優化、基於Python的統計分析、基於Python的機器學習、基於PyTorch的神經網絡、網絡文本數據分析與實踐。《數據科學理論與實踐——基於Python的實現》以適用為目標，在簡要介紹相關理論的基礎上重點介紹如何通過Python進行數據分析、建模和問題解決。同時，《數據科學理論與實踐——基於Python的實現》還包含了大量的Python源代碼，可以作為參考資料，具有很強的實用性。

本書是一本機器學習實用指南，提供從基礎知識到進階技能的全面學習路徑。本書以淺顯 易懂的方式介紹了機器學習的基本概念和主要類型，並詳細介紹使用 Python 及常見的庫進行數 據處理和機器學習的實操。此外，介紹了數據預處理的詳細過程，最後通過若干典型案例加深 讀者對機器學習的理解。本書適合對機器學習感興趣的初學者，也可作為軟件開發人員、數據分析師、學術研究人員的參考書籍。

《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》分為4部分，包含11章。首先介紹推薦系統的基本方法，接著探討當前流行的一些方法，具體包括協同過濾推薦系統、內容推薦系統以及混合推薦系統。接下來討論如何運用當前的機器學習算法來實現推薦系統。最後討論推薦系統的相關趨勢和新興技術。 《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》特別適合零基礎的數據科學工作者參考和使用。它可以幫助讀者從基礎知識起步，逐步學習運用Python、深度學習和自然語言處理技術來構建推薦系統，以促進業務增長和提高客戶忠誠度。