Python

本書介紹了庫存管理的基本理論和方法，以及企業中應用比較廣泛的庫存管理的基礎模型與策略，並配以實現的Python代碼。本書還介紹了一系列實戰案例，案例貫穿業務問題、數據、模型、代碼實施、結果分析的完整流程，以幫助讀者更好地瞭解現代企業庫存管理面臨的問題，以及分析問題、解決問題的思路和方法。

本書以帶領讀者洞悉“數據之美”“讓數據說話”的理念為主線，從數據的類型和特徵入手，教會讀者圍繞數據的構成、數據不同維度的比較、數據趨勢、數據的分佈、數據間的聯繫、數據的互聯互動等角度，運用現行主流的Python可視化工具對數據進行多層次、多維度立體化展示，力求幫助讀者掌握繪製有效的、具有視覺吸引力的、可伸縮的且易於理解的數據可視化作品的思路和方法。教材除了教會讀者如何運用Python數據可視化主流工具(如Matplotlib、Seaborn、Pyecharts、Plotly等)進行各種類型圖表的繪製，還設置了豐富的貼合實際的數據可視化案例，教會讀者如何通過數據可視化對數據進行全方位探索和展示，進而理解數據，利用數據做決策。教材還編排了豐富的數據可視化小故事，以進一步提高讀者的閱讀興趣。

圖神經網絡不僅能夠解決傳統機器學習方法無法解決的圖數據問題，而且能夠應用於許多實際場景，例如社交網絡、藥物發現、網絡安全、金融風控等。《圖神經網絡基礎、模型與應用實戰》旨在為初學者和實踐者提供一個詳細、全面的入門指南，圍繞圖神經網絡基礎、模型、應用實戰(均採用Python+PyTorch實現)等方面進行介紹。《圖神經網絡基礎、模型與應用實戰》配套示例源碼、數據集、PPT課件。《圖神經網絡基礎、模型與應用實戰》共分9章，內容包括圖神經網絡概述、PyTorch開發環境搭建、數據集的獲取與加載、圖神經網絡模型、圖神經網絡在自然語言處理領域的應用、圖神經網絡在計算機視覺領域的應用、圖神經網絡在推薦系統領域的應用、圖神經網絡在社交網絡領域的應用、圖神經網絡的挑戰和機遇。其中，每個領域的應用都包括1～3個實戰項目，可以幫助讀者快速掌握圖神經網絡。《圖神經網絡基礎、模型與應用實戰》適合圖神經網絡初學者、圖神經網絡算法開發人員、深度學習算法開發人員，也適合高等院校或高職高專圖神經網絡相關課程的師生教學參考。

XGBoost是一種經過行業驗證的開源軟件庫，為快速高效地處理數十億數據點提供了梯度提升框架。首先，本書在介紹機器學習和XGBoost在scikit-learn中的應用後，逐步深入梯度提升背後的理論知識。讀者將學習決策樹，並分析在機器學習環境中的裝袋技術，同時學習拓展到XGBoost的超參數；並將從零開始構建梯度提升模型，將梯度提升擴展到大數據領域，同時通過計時器的使用瞭解速度限制。接著，本書重點探討XGBoost的細節，著重於速度提升和通過數學推導導出參數。通過詳細案例研究，讀者將練習使用scikit-learn及原始的Python API構建和微調XGBoost分類器與回歸器；並學習如何利用XGBoost的超參數來提高評分、糾正缺失值、縮放不平衡數據集，並微調備選基學習器。最後，讀者將學習應用高級XGBoost技術，如構建非相關的集成模型、堆疊模型，並使用稀疏矩陣、定制轉換器和管道為行業部署準備模型。本書適合作為高等學校計算機專業、軟件工程專業的高年級本科生及研究生教材，同時適合有一定機器學習基礎的數據科學家、機器學習工程師和研究人員閱讀，可為解決複雜的機器學習問題提供實用指導。

本書系統全面地講解Streamlit的核心概念，實例項目應用和**實踐。通過案例帶你從零開始，逐步掌握Streamlit的基礎知識和高級技能。你將學會如何使用Streamlit實現數據可視化、添加交互組件，構建出炫酷的Web應用。 本書分為兩篇，基礎篇(第1～7章)講解Streamlitt的安裝配置，以及基本的文本、數據、圖表、多媒體等組件的使用和頁面布局。實戰篇(第8～10章)講解開發企鵝分類項目、醫療費用預測項目、銷售數據儀錶板項目，幫助讀者熟練掌握Streamlit的高級技能和開發流程。 本書採用理論與實踐結合的方式，示例豐富。適合想快速構建機器學習和數據科學Web應用的Python使用者。配套內容有練習數據和源代碼，讀者可以通過閱讀和編碼實踐快速掌握Streamlit，開發機器學習和數據科學的Web應用。

本書以PySide6/PyQt6的實際應用為主線，以理論基礎為核心，引導讀者漸進式學習PySide6/PyQt6的編程基礎和實際應用。本書共12章，可分為5部分。第一部分介紹基於項的控件、基於模型/視圖的控件(第1章和第2章)，第二部分介紹處理數據庫、文件、路徑、緩存相關的類和應用方法(第3章和第4章)、第三部分介紹使用Graphics/View框架繪圖、繪製二維圖表和三維圖表的相關類和應用方法(第5～7章)、第四部分介紹處理網絡、多媒體、打印機、QML相關的類和應用方法(第8～11章)。第五部分以案例的形式介紹了如何使用PySide6和其他Python模塊編寫實用程序的方法，並介紹了製作程序安裝包的方法(第12章)。本書示例代碼豐富，實用性和系統性較強，並配有視頻講解，助力讀者透徹理解書中的重點、難點。本書適合初學者入門，精心設計的案例對於工作多年的開發者也有參考價值，並可作為高等院校和培訓機構相關專業的教學參考書。

深度學習和傳統機器視覺技術相融合，可以大大提高AI 技術的效率和精度。本書分上、下兩篇，共19 章內容，詳細講解了機器視覺及深度學習的理論和編程實踐。 上篇介紹理論算法。包括機器視覺的經典圖像處理算法、深度學習的理論基礎和目前常用的深度學習框架。 下篇介紹編程環境及系統搭建。講解了機器視覺圖像處理算法及深度學習的編程工具 VC++、Python 和 OpenCV；利用 VC++和 Python 工具，搭建圖像處理的工程界面；介紹了常用的9 種深度學習框架的獲得方法、安裝設置、工程創建，以及深度學習工程的編譯、訓練、評估與部署方法。 每一個搭建的工程，都提供一套可下載的源代碼程序，方便讀者下載學習。 本書理論與實踐兼顧，可為從事機器視覺技術及人工智能研究和應用的工程技術人員提供幫助，也可供高等院校相關專業師生學習參考。

本書用淺顯易懂的語言，圖文並貌地講解了深度學習的基礎知識，從如何挑選硬件到神經網絡的初步搭建，再到實現圖片識別、文本翻譯、強化學習、生成對抗網絡等多個目前最流行的深度學習應用。書中基於目前流行的PyTorch框架，運用Python語言實現了各種深度學習的應用程序，讓理論和實踐緊密結合。

本書詳細介紹了Python3 編程從零基礎到實戰的相關知識，前面7 章為基礎部分，主要介紹Python3 編程的基本知識；後面8 章從實戰應用的角度分別介紹數據可視化、交互式可視化和數據處理、UI 界面設計與計算機桌面自動化、數據庫（主要是MySQL 數據庫的增刪改查）、機器學習、Git 使用等內容。本書以簡單、實用、易懂為原則，力求使讀者在學會Python基礎知識的同時，掌握實戰與應用技能。本書適合剛入門的Python 學習人員以及利用開源工具進行開發與應用的愛好者、研究人員參考閱讀。

本书是一部全面而深入的量化金融实战指南，从基础的Python编程和量化金融概念出发，逐步引领读者进入金融数据分析、量化策略开发、算法交易及风险管理的高级话题。本书还探讨了生成式AI和ChatGPT在量化金融领域中的应用，为读者提供了一个全面的视角和实用的工具。 本书共分

☛☛☛☛☛☛王老師帶你搶先看☚☚☚☚☚☚搶先看豐富書籍內容，請訪問下列網址觀賞影片：https://youtu.be/hERnZ5_s3YQ【本書特色】將物聯網應用於智慧工廠，掌握傳統產業的轉型先機♖透過本書充分理解頗受矚目的「工業4.0」、「物聯網」、「智慧工廠」的精髓♖使用Arduino × Node-RED × Python互動串聯，建立工業4.0的物聯網世界♖內容編排由淺入深，著重實作過程，共有44個實作單元♖引導你進入物聯網與工業4.0的世界，掌握轉型關鍵【內容簡介】物聯網與工業4.0是近幾年很重要的研究課題。工業4.0的主要載體是智慧工廠，物聯網在智慧工廠的應用，給傳統產業帶來全新的變革，有望產生巨大的商業價值，引領我們進入第四次工業革命。本書適用於大專院校「微處理機」、「物聯網應用」、「工業4.0概論」等課程，可提供老師教學、學生研習之用。若你是專案設計者、工廠工程師，也很適合閱讀本書。本書的內容安排由淺入深，說明了物聯網在智慧工廠應用的幾個重要主題，如RS485、Modbus協定、CAN Bus協定、OPC UA協定、MQTT協定、REST API設計理念、InfluxDB時序資料庫、Prometheus、Grafana等指標監控技術。書中安排了44個實作單元，以市面上常見的Arduino UNO R4 WiFi開發板作為實習設備，並以Node-RED作為後端平台，讓讀者可以經由實作過程，進入物聯網與工業4.0的世界。【本書精采內容】♘了解工業4.0的核心精神♘了解智慧工廠的重要特色♘IIoT現場總線與資訊網路介紹♘Arduino UNO R4 WiFi基本操作♘了解RS485 / Modbus / CAN Bus重要觀念♘Arduino Modbus RTU / TCP實作♘Arduino CAN Bus實作♘熟悉Node-RED / 儀表板操作♘Python實作OPC UA伺服器 / 客戶端♘MQTT與WebSocket的介紹與應用♘Arduino UNO R4 WiFi MQTT實作與應用♘了解REST API設計理念♘Node-RED上進行MySQL資料庫的存取♘透過WebSocket進行網頁監控IoT設備♘InfluxDB、Prometheus及Grafana指標監控

本書系統地介紹了數字圖像處理的基本理論和基本技術，共12章，包括概述、數字圖像處理的物理及技術基礎、數字圖像處理的數學基礎、圖像增強、圖像編碼與壓縮、圖像復原與重建、圖像分割、數學形態學在圖像處理中的應用、圖像分析、圖像識別、基於模型驅動法的圖像處理綜合應用和基於深度學習的圖像處理綜合應用等內容。本書深入淺出、理論與實踐並舉，各章給出了應用實例，尤其最後兩章分別給出了基於MATLAB的模型驅動法和基於Python的深度學習的圖像處理綜合應用實例。 本書可作為高等院校計算機類、電子信息類、信息與通信工程類和融媒體類相關專業及人工智能技術專業本科生、研究生的教材，也可供從事數字圖像處理、機器視覺與人工智能領域研究工作的技術人員參考。

? 本書是一本面向 12～18 歲青少年的人工智能技術入門讀物，全書內容涵蓋人工智能的定義、歷史發展、核心技術、實際應用和未來發展趨勢。書中結合 Python 編程實踐，以項目為載體，幫助讀者深入理解人工智能的概念和技術，此外還關注人工智能對人類和社會的影響，引導讀者形成正確的價值觀。本書適合作為中學階段信息技術課程的課外參考書籍、教師參考資料及人工智能愛好者的工具書，我們期望本書能激發青少年對人工智能技術的興趣，為未來的人工智能時代培養更多優秀的人才。

本書適用於想要學習CANoe的初學者，無論是汽車電子工程師、軟件工程師還是測試工程師都可以從中受益。本書的目標讀者應該具備一定的汽車電子的基礎知識和編程經驗(如C、C++或Python基礎)，並且對CAN總線協議和汽車電子系統有一定的瞭解。本書的編寫秉承“簡單易學、實用性強”的原則，力求讓讀者在最短時間內掌握CANoe的基礎知識和使用方法。本書從實際的需求出發，注重實踐操作，讓讀者通過實際操作來感受CANoe的強大功能，從而更好地掌握其使用方法。本書也可作為高校工具書的參考教材。本書將會介紹如何使用CANoe軟件進行網絡通信的仿真、分析、測試和診斷。通過快速、精准地模擬各種車輛網絡和ECU通信環境，幫助汽車電子開發測試工程師加速開發測試和驗證工作。同時，將從零基礎開始介紹CANoe軟件的安裝、界面和基本操作。通過本書，讀者將會瞭解到如何使用CANoe創建工程、添加節點和通道配置以及發送數據等。除此之外，本書還將深入介紹CANoe軟件的高級功能和應用，例如如何在開發過程中，通過使用CAPL語言來實現自定義功能和腳本，從而增強仿真和分析的靈活性。

● 探索關系數據庫和SQL ● 安裝MySQL服務器 ● 處理SQL數據 ● 連接SQL數據庫 ● 通過Python、Java和其他語言與SQL交互 ● 常見和有用的SQL術語 ● 構建和規範化SQL示例數據庫

本書介紹了金融實證分析的主要方法和前沿問題、金融與財務機器學習的主要方法、評估方法和案例等。本書共12章，包括：金融與財務領域的機器學習，Python軟件使用簡介，金融與財務大數據的處理與分析，因子與因子模型，因子模型的估計、檢驗與解釋，金融資產收益預測，包含懲罰項的線性回歸模型，數據降維模型，樹形模型與分類模型，神經網絡模型，模型評估、訓練與可解釋性，文本分析。

本教材系統地論述了人工智能的經典理論及人工智能主要研究領域的基礎知識與應用場景，目標是用通俗易懂的方法幫助讀者構建完整的人工智能知識體系，為後續的深入學習打下基礎。本教材通過講解人工智能在諸多領域的經典應用案例，幫助讀者更好地瞭解人工智能技術的發展和日常生活的關切度，以及未來人工智能的發展趨勢及面臨的挑戰。本教材內容採用Python作為講授計算思維和人工智能的載體，與課程相結合，形成一個融理論教學、科學訓練、創新實踐為一體的人工智能課程體系和協同培養機制，使所培養的人才在基礎知識、專業知識、實踐能力、創新能力、倫理道德以及科學與職業素質等方面得到全面均衡的發展。本教材適合商科類高職高專和應用型本科，可以作為非人工智能專業的選修課和人工智能專業的導論課教材，也適合作為人工智能技術愛好者的入門讀物。

本書系統介紹了大數據的內涵、特徵、技術及應用。全書共10章，其中第1～8章為技術篇，主要從大數據處理流程出發，圍繞大數據體系架構，詳細闡述大數據采集與預處理、大數據存儲、大數據分析挖掘、大數據可視化等關鍵技術。第9、10章為應用篇，對大數據在電信、文娛、教育、醫療等行業的具體應用進行了論述，並通過典型案例與Python代碼示例，展示如何將大數據原理付諸實踐。

本書詳細闡述了Python語言基礎知識、Abaqus內核二次開發、Abaqus 插件GUI二次開發和Abaqus 主窗口GUI二次開發的相關知識，通過大量實例和詳細說明，幫助讀者掌握Abaqus 二次開發基礎知識和應用方法。 本書共14章，前兩章為基礎篇，包括Abaqus二次開發概述和Python語言基礎；第3～6章為內核開發篇，包括Abaqus內核開發和它的三個應用實例；第7～14章為GUI開發篇，介紹了Abaqus RSG對話框生成器、Abaqus GUI二次開發和它們的五個實例，以及Abaqus主窗口GUI的二次開發。

本教材基於Microsoft SQL Server和Neo4j環境，介紹了如何利用SQL(Structure Query Language)和CQL(Cyber Query Language)語言開展對同源庫、表和數據對象進行增、刪、改、查等數據庫管理和應用工作，並綜合應用Python下的相關功能庫，對SQL數據進行處理，進而利用Neo4j接口將SQL數據高效轉換為NoSQL，實現了SQL與NoSQL融合管理，為學習者更深層次瞭解和掌握SQL與NoSQL數據對象的聯繫與差別，強化學習者的數據管理意識、方法和能力提供了有力幫助，特別是為學習和掌握基於圖數據庫背景下的知識圖譜理論和實踐技能提供幫助，為進一步開展數據挖掘構建良好的數據庫支撐和理論、技能準備。全書內容共分為四部分：第一部分主要是第1章，講解關係型數據庫和非關係型數據庫的概念、類別和特徵等；第二部分主要是第2章至第6章，基於SQL Server講解關係型數據庫環境下的CRUD操作；第三部分主要是第7章至第8章，基於Neo4j圖數據庫講解圖譜數據的CRUD操作；第四部分主要是第9章，基於實際數據進行案例剖析。本書是為高等院校“新文科”“新商科”相關專業的“數據庫原理與應用”“大數據管理與應用”等課程全新設計編寫的具有豐富實踐特色的主教材，對數據管理與創新應用有興趣的學習者也可以作為參考教材，或作為培訓機構參考用書。

本書首先介紹深度學習方面的數學知識與Python基礎知識，線性模型中的線性回歸模型和logistic模型；然後講述正向傳播算法、反向傳播算法及深度神經網絡的完整訓練流程，輸出層的激活函數和隱藏層的常見激活函數，深度學習的過擬合和欠擬合，應對過擬合的方法，以及使用TensorFlow 2建立深度神經網絡模型的步驟；接著介紹卷積神經網絡及其兩個重要的組成部分―卷積和池化，以及如何使用TensorFlow 2建立卷積神經網絡；最後討論如何從零開始實現循環神經網絡，如何搭建深度學習框架，如何使用TensorFlow 2建立循環神經網絡模型。本書既可供從事人工智能方面研究的專業人士閱讀，也可供計算機專業的師生閱讀。

匯編語言是人和計算機溝通的最直接的方式，它描述了機器最終所要執行的指令序列。匯編語言和機器語言一樣都是和計算機體系架構強綁定的低級語言。本書是龍芯自主指令集的首本匯編語言教程，系統講解龍芯處理器全新的自主指令系統架構 LoongArch。本書循序漸進地介紹基於 LoongArch 的匯編語言知識，包括計算機語言、使用匯編語言的場景等基礎知識，寄存器、指令集、函數調用等匯編語言的核心內容，以及編寫程序示例和常用的調試手段。本書並不是逐條地講解每一條指令的功能，而是通過關鍵指令的拆解來介紹計算機工作的基本原理，同時恰當地指出 LoongArch 的特殊之處，便於讀者理解、實踐、應用 LoongArch。本書非常適合基於龍芯架構的工程技術人員學習參考，也可作為從事計算機體系結構或計算機系統設計的工程技術人員的參考書，還可用作大學計算機專業的延伸閱讀資料。本書的讀者應具備以下基礎：具有計算機的使用經驗，具有計算機基礎知識，具有一門高級語言（C、Java、Python 等）的基本編程基礎知識。

本書主要講解Linux桌面操作系統Ubuntu的配置管理、桌面應用、編程和軟件開發。全書共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。本書內容豐富，注重實踐性和可操作性，對每個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。

本書注重理論與實踐的結合，共13章，主要內容包括：機器視覺理論簡介、機器視覺數學基礎、機器視覺編程基礎、機器視覺測量系統、視覺圖像基礎、基於OpenCV和Python的圖像預處理、圖像的特徵提取、視覺動態紋理識別、圖像配准、立體視覺、主動輪廓與跟蹤運動、聚類分析及隨機配置網絡。

本教材基于Microsoft SQL Server和Neo4j环境，介绍了如何利用SQL(Structure Query Language)和CQL(Cyber Query Language)语言开展对同源库、表和数据对象进行增、删、改、查等数据库管理和应用工作，并综合应用Python下的相关功能库，对SQL数据进行处理，进而利用Neo4j接口将

本書系統全面地介紹了計算機前沿科技——虛擬現實（VR）和增強現實（AR）技術，詳細地介紹了Blender 3D建模設計、VRX3D虛擬現實開發技術、Unity虛擬集成開發環境以及元宇宙等相關知識。本書共10章，主要包括虛擬現實技術、增強現實技術、智能可穿戴交互技術、大眾化虛擬現實硬件設備、虛擬現實技術應用、Blender虛擬仿真開發平臺、VRX3D虛擬/增強現實開發平臺、Unity虛擬/增強現實開發平臺、Python虛擬現實人工智能技術以及元宇宙。本書是虛擬現實領域前沿的概論性教科書，是集計算機虛擬現實技術、增強現實技術、智能可穿戴技術、VRX3D虛擬/增強現實開發平臺、Blender虛擬仿真開發平臺、Unity虛擬仿真開發與設計及元宇宙相關理論知識等內容於一身的實用性教科書。本書內容豐富，深入淺出，思路清晰，結構合理，實用性強。本書配有豐富的虛擬現實技術設計實例並提供了大量的實驗文件和源代碼，幫助讀者更加輕鬆地掌握本書的技術內容。本書可作為高等院校多媒體技術、數字媒體技術、計算機應用等專業“虛擬現實技術”課程的教材或教學參考書，也可供從事虛擬現實技術研究、開發和應用的從業人員及虛擬現實愛好者學習參考。

本書適合任何想要深入了解深度學習這個迷人領域的人，您不需要具備高級數學和程式設計知識就可以掌握其根本原理。如果您想知道這些工具是如何運作的，並學會自己使用它們，答案盡在書中。而且，如果您已經準備好編寫自己的程序，那麼隨附的Github存儲庫中還有大量補充的Python筆記本可以幫助您。本書講解語言通俗易懂，包含大量的彩色插圖和具有啟發性的類比，以及豐富的現實世界的例子，深入地地解釋了深度學習的關鍵概念，包括： •文本生成器如何創建新穎的故事和文章。•深度學習系統如何在人類遊戲中學習遊戲並獲勝。•影像分類系統如何辨識照片中的物體或人。•如何以對日常生活有用的方式思考機率。•如何使用構成現代人工智慧核心的機器學習技術。各種各樣的智力冒險家都可以使用本書中涵蓋的強大思想來建立智慧系統，幫助我們更好地理解世界和生活在其中的每個人。這就是人工智慧的未來，這本書可以讓你充分想像它的未來。

可解釋AI(Interpretable AI)將教會你識別模型所學習的模式及其產生結果的原因。通過閱讀《可解釋AI實戰（PyTorch版）》，你將掌握一些用於解釋白盒模型(如線性回歸和廣義可加模型)的方法，以及一些用於解釋複雜深度學習模型的方法。可解釋AI是一個快速發展的領域，本書將該領域的前沿研究簡化為你可以在Python中實現的實際方法。主要內容● 解釋AI模型的技術● 最大限度地減少錯誤、偏見、數據泄露和概念漂移● 度量公平性和減少偏見● 構建符合GDPR的AI系統

本書將從基礎開始, 全面介紹大數據可視化的底層原理和實現框架, 並重點講解一些常用的大數據可視化關鍵技術, 包括Excel圖表、Tableau Desktop可視化組件、Web的可視化控件、Java可視化控件以及Python數據可視化工具。本書配套案例代碼、PPT課件、教學視頻、教學大綱與執行進度表。本書共分為8章, 第1章著重介紹大數據的發展歷程, 以及在大數據發展背景下數據可視化的概念、可視化技術的使用及可視化的現實意義; 第2章著重介紹如何通過Excel工具實現數據可視化的內容; 第3章著重介紹Tableau可視化工具的使用、數據處理、數據可視化的應用等內容; 第4章著重介紹以Highcharts、D3可視化為主要內容的Web可視化組件; 第5章著重介紹以JFreeChart和Echarts為代表的Java可視化控件的安裝、功能及使用案例; 第6章著重介紹以Python編程為基礎的數據可視化工具, 包括Matplotlib框架、Bokeh框架、pairplot框架以及基於ECharts的pyecharts框架; 第7章介紹豆瓣電影數據可視化應用案例; 第8章介紹餐飲數據可視化應用案例。

《機器學習實戰：視頻教學版》基於Python語言詳細講解機器學習算法及其應用，用於讀者快速入門機器學習。本書配套示例源代碼、PPT課件、教學視頻、教學大綱、習題與答案、作者微信答疑。《機器學習實戰：視頻教學版》共分12章，內容包括機器學習概述、Python數據處理基礎、Python常用機器學習庫、線性回歸及應用、分類算法及應用、數據降維及應用、聚類算法及應用、關聯規則挖掘算法及應用、協同過濾算法及應用，最後通過3個綜合實戰項目（包括新聞內容分類實戰、泰坦尼克號獲救預測實戰、中藥數據分析項目實戰），幫助讀者對所學技能進行鞏固和提升。本書主要章節都給出了對應的示例及其詳細的分析步驟，方便讀者從編程中掌握機器學習基礎算法及應用。《機器學習實戰：視頻教學版》適合機器學習初學者、大數據分析人員和機器學習算法開發工程師閱讀；也適合作為高等院校或高職高專人工智能、計算機、軟件工程、數據科學與大數據技術、智能科學與技術等專業機器學習課程的教材。

《PyTorch語音識別實戰》使用PyTorch 2.0作為語音識別的基本框架，循序漸進地引導讀者從搭建環境開始，逐步深入到語音識別基本理論、算法以及應用實踐，是較好的一本語音識別技術圖書。本書配套示例源碼、數據集、PPT課件等資源。《PyTorch語音識別實戰》分為13章，內容包括語音識別之路、PyTorch 2.0深度學習環境搭建、音頻信號處理的理論與Python實戰、音頻處理常用工具包Librosa詳解與實戰、基於DNN的語音情緒分類識別、一學就會的深度學習基礎算法、基於PyTorch卷積層的語音情緒分類識別、詞映射與循環神經網絡、基於Whisper的語音轉換實戰、注意力機制與注意力模型詳解、鳥叫的多標籤分類實戰、多模態語音轉換模型基礎、GLM架構多模態語音文字轉換實戰。《PyTorch語音識別實戰》內容詳盡、示例豐富，適合作為語音識別初學者、深度學習初學者、語音識別技術人員的參考書，同時也非常適合作為高等院校或高職高專深度學習、語音識別等課程的教材。

本書共8章，分為四部分，根據不同的方法和數據工具進行組織。本書首先介紹了AIGC的基礎知識，包括概念、產品、操作指南以及在數據分析場景中撰寫Prompt的方法。然後從方法與實踐兩個維度分別介紹了AIGC輔助Excel、SQL、Python進行數據分析與挖掘的實際應用，幫助數據工作者瞭解和運用AIGC技術，提升自己的數據分析與挖掘能力。

這是一本面向管理科學與工程、工商管理、系統工程等專業本科、碩士乃至博士研究生的方法應用型教材。目的是使學生能夠全面瞭解系統工程相關方法的發展背景、理論概念、模型運用以及軟件實現，其顯著特點是：新舊方法結合、方法程序一體。編寫理念是：不過多講述基本概念和發展歷史，不局限於系統工程基本原理和概念，通過簡述舊理論引入新成果和新方法，並立足所有方法和模型提供詳細的軟件實現過程，以此來全面介紹系統工程類量化研究方法，以及新形勢下出現的新模型、新理念、新技術與新軟件。相關內容不但適用從事學術研究的碩士博士研究生，而且還適合於經管類本科生開展深層次的實證研究和方法研究。全書內容按照“背景匹配—文獻綜述—理論介紹—軟件實現—案例分析—習題鞏固”的結構框架進行闡述。其主要介紹內容有：第1章，文獻計量分析及其常用軟件實現；第2章，層次分析和網絡層次分析及Super Decision實現；第3章，灰色系統介紹與GTMS實現；第4章，系統動力學模型與Vensim實現；第5章，複雜網絡分析及UCINET實現；第6章，Copula系列模型與Stata程序；第7章，數據包絡分析及DEAP軟件實現；第8章，主成分分析、因子分析系列模型及SPSS實現；第9章，結構方程模型及Amos實現；第10章，Lasso、嶺回歸、彈性網及R語言實現；第11章，對數週期性冪律模型及MATLAB實現；第12章，機器學習與深度學校及Python實現。

作為一kuan輕量級、模塊化的開源深度學習框架，Keras以容易上手、利於快速原型實現、能夠與TensorFlow和Theano等後端計算平臺很好兼容等優點，深受眾多開發人員和研究人員的喜愛。本書結合大量實例，簡明扼要地介紹了目前熱門的神經網絡技術和深度學習技術。從經典的多層感知機到用於圖像處理的深度卷積網絡，從處理序列化數據的循環網絡到偽造仿真數據的生成對抗網絡，從詞嵌入到AI遊戲應用中的強化學習，本書引ling讀者一層一層揭開深度學習的面紗，並在逐漸清晰的理論框架下，提供多個Python編碼實例，方便讀者動手實踐。通過閱讀本書，讀者不僅能學會使用Keras快捷構建各個類型的深度網絡，還可以按需自定義網絡層和後端功能，從而提升自己的AI編程能力，在成為深度學習專家的路上更進一步。

本書分8章: 第1章, 計算機組織與結構, 介紹信息處理的工具、計算機系統的組成、計算機操作系統; 第2章, 算法描述和評價, 介紹計算機算法的描述方法和評價標準; 第3章, Python程序設計, 介紹信息處理的計算機編程語言及基本的編程方法; 第4章,Python數據分析基礎,介紹基本的數據統計量以及常用數據分析和可視化工具NumPy、Matplotlib和Pandas的基本使用方法; 第5章, 信息的表示, 介紹信息是如何在計算機中表示的, 計算機是如何實現信息的保存和計算的; 第6章, 信息的獲取與傳輸, 介紹信息如何是通過物聯網感知和通過網絡進行傳輸的。第7章, 信息存儲與計算, 介紹數據的管理和雲存儲、雲計算技術; 第8章, 機器學習, 介紹什麼是人工智能, 計算機是如何具有“智能”的, 簡單介紹機器學習的幾種基本算法: 線性回歸、聚類和神經網絡等。

本書共9章，由淺入深地介紹各類數據可視化技術及相關可視化工具的使用方法，力求培養讀者對數據可視化的認知以及動手能力。第1章和第2章是基礎應用，介紹數據可視化的定義、作用和發展歷史，以及如何使用Excel進行數據可視化；第3章～第5章介紹數據可視化工具Tableau的基本使用方法；第6章～第9章詳細介紹如何利用代碼實現數據可視化，包括前端數據可視化、使用JavaScript實現數據可視化、大屏數據可視化、Python編程語言可視化。全書理論結合實踐，既有一定的技術深度，也有行業應用的廣度。本書可作為應用型本科和高職院校的數據可視化教材，也適合對數據可視化技術感興趣的讀者閱讀。

本書分為4個部分，第1部分為數據庫技術概述，第2部分介紹關係型數據庫(包括MySQL、Oracle、SQL Server和PostgreSQL)技術應用，第3部分介紹NoSQL數據庫(包括Redis、MongoDB、HBase、Hive、Cassandra和Elasticsearch)技術應用，第4部分介紹其他類型數據庫(包括SQLite、Neo4j和TDengine)技術應用。本書按照統一的目錄結構對每種數據庫進行介紹：先介紹數據庫的業務應用場景，再介紹安裝配置步驟，接著講解架構設計和業務應用開發，最後介紹Python操作示例。由於4種關係型數據庫中的一些數據對象在使用上有類似之處，因此本書只在一種數據庫中進行介紹。例如，觸發器和自定義函數只在Oracle中介紹，存儲過程和￿標只在SQL Server中介紹。各種非關係型數據庫之間沒有橫向可比性，因此主要介紹其獨特用法。

本書先概述生成式人工智能所涉及的技術和工具，幫助你了解如何訓練模型以生成新數據；接著展示如何用 ChatGPT 提高營銷、科研和軟件開發等相關工作的生產力和創造力；隨後介紹如何通過改進提示設計從與 ChatGPT 的交互中獲得好的效果，以及如何在企業級場景中使用 OpenAI 模型。 通過閱讀本書，你可以了解生成式人工智能的相關概念，以及如何通過有效的提示設計增加ChatGPT的價值，如何基於Python語言構建和部署生成式人工智能系統，如何利用 Azure OpenAI 服務實現企業級應用。 本書適合想用生成式人工智能提升工作效率的所有人閱讀，包括但不限於商務人士、數據科學家、軟件開發人員、營銷人員和科研人員。

Apache Pulsar被譽為下一代分布式消息系統，旨在打通發佈/ 訂閱式消息傳遞和流數據分析。本書作者既與Pulsar項目創始成員共事多年，又有在生產環境中使用Pulsar 的豐富經驗。正是這些寶貴的經驗成就了這本Pulsar“避坑指南”，為想輕鬆上手Pulsar的讀者鋪平了學習之路。本書分為三大部分，共有12章。第一部分概述Pulsar的設計理念和用途。第二部分介紹Pulsar的特性。第三部分以一個虛構的外賣應用程序為例，詳細地介紹Pulsar Functions框架的用法，並展示如何用它實現常見的微服務設計模式。本書示例採用Java語言，並同時提供Python實現。