Python

本書包括商務數據分析的理論、方法和案例，分為三篇。第一篇：基礎理論篇。介紹了商務數據分析的基礎理論及 Python等數據分析工具。第二篇方法篇，包括數據清晰和數據預處理等方法以及近年來流行的策樹、支持向量機、集成學習、等深度學習方法及其在商務數據分析中的應用。第三篇：案例篇。開發了二手車交易價格預測、電商企業商品銷量預測、地區物流需求量預測3個商務數據分析的綜合項目開發實例。本書注重理論聯繫實際，提供豐富的案例及代碼，讓讀者可以在實踐中學習和掌握**的商務數據分析方法。

《機器學習理論與實踐》用通俗易懂的語言介紹了淺層機器學習、深度學習的主要模型原理及實現程序，以及編寫機器學習程序所需要的編程語言背景與數據處理方法等。主要內容包括淺層監督學習模型，如線性模型、決策樹模型、貝葉斯模型、支持向量機模型、k-近鄰模型、人工神經網絡模型、集成學習模型；淺層無監督學習模型，如k均值聚類方法、DBSCAN聚類方法；深度學習模型，如自動編碼器、卷積神經網絡；編程語言基礎，包括Python基本語法，numpy庫、pandas庫、matplotlib庫、os模塊等；數據預處理方法，如圖像處理方法（線性增強、空間域濾波、頻率域濾波）、數據規範化方法（min-max數據規範化方法、z-score數據規範化方法）、類別編碼方法（one-hot編碼）、數據降維方法（主成分分析）；機器視覺領域常見的特徵提取方法等。 《機器學習理論與實踐》可作為高等院校相關專業學生的教材，還可作為對機器學習感興趣讀者的參考書。

本書將以python軟件為工具，以統計理論與方法為重點，結合實際應用案例，深入淺出地介紹了數據挖掘基礎算法的背景、原理及實現。全書共9章，第1章為緒論，內容包括數據挖掘的基本概念、數據挖掘與統計學的關係、數據挖掘的實現流程、數據挖掘的方法、數據挖掘的典型應用、數據挖掘的工具及軟件；第2-7章介紹數據挖掘中的經典多元統計方法，包括回歸分析、判別分析、聚類分析、主成分分析與典型相關分析、因子分析與對應分析、多維尺度分析；第8-9章介紹數據挖掘的基本算法：關聯分析、異常分析；在每章的後一節，將結合典型案例數據，詳細介紹利用python實現過程，力求幫助讀者完成理論與實踐的完美結合。

本教程通過闡述直觀而嚴謹的機器學習方法，為學生學習和掌握研究和構建數據驅動產品所需的基本知識和實用工具。內容優先解析幾何直覺和算法思維，為學生提供新穎和易於學習的方式；書中也強調機器學習結合實際應用，包括計算機視覺、自然語言處理、經濟學、神經科學、推薦系統、物理學和生物學案例分析；作者精心設計300多幅彩色插圖，讓讀者能夠直觀地掌握技術概念，另配100多個深入的編程練習(Python)，為讀者提供了對關鍵機器學習算法的真正理解。本書還在網上提供了一整套在線教輔資源，包括示例代碼、數據集、交互式講座幻燈片和習題解答，既可用于研究生機器學習課程教學，又能幫助個人自學參考使用。

本書介紹基於Python語言的網絡數據采集技術的相關知識，並為採集網絡中的各種數據類型提供全面指導。第1章重點介紹Scrapy框架及配置方法；第2～6章重點介紹網絡數據采集的基本原理，包括如何利用Python從網絡服務器請求信息，如何對服務器的響應進行基本處理，以及如何通過自動化的手段與網站進行交互；第7、8章介紹登錄表單與驗證碼的數據采集和自動化處理，以及並行多線程網絡數據的採集方法。本書還提供了多個實驗，以幫助讀者鞏固所學內容。 本書適合作為普通高等院校計算機程序設計、大數據課程的教材，也可作為從事Web數據采集的軟件開發人員和研究人員的參考書。

《TensorFlow Lite移動設備深度學習從入門到實踐》循序漸進地講解了使用 TensorFlow Lite開發移動設備深度學習程序的核心知識，並通過具體實例的實現過程演練了使用TensorFlow Lite 的方法和流程。全書共12章，分別講解了人工智能和機器學習基礎、搭建開發環境、第一個 TensorFlow Lite程序、轉換模型、推斷、使用元數據進行推斷、優化處理、手寫數字識別器、鮮花識別系統、情感文本識別系統、物體檢測識別系統、智能客服系統。《TensorFlow Lite移動設備深度學習從入門到實踐》簡潔而不失其技術深度，內容豐富全面，易於閱讀，以極簡的文字介紹了複雜的案例，適用於已經瞭解了Python語言基礎語法的讀者，以及想進一步學習機器學習和深度學習技術的讀者，還可以作為大專院校相關專業的師生用書和培訓學校的專業性教材。

本書將基礎理論和案例實戰相結合，循序漸進地介紹了關於機器學習領域中的經典和流行算法，全面、系統地介紹了使用Python實現機器學習算法，並通過PyTorch框架實現機器學習算法中的深度學習內容。第一部分為基礎篇，包括第1～8章，系統地介紹了機器學習基礎、數據預處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、神經網絡與多層感知機； 第二部分為綜合篇，包括第9～12章，介紹了CNN、RNN、GNN及GAN等經典深度學習方法及其在計算機視覺與自然語言處理領域中的應用實踐； 第三部分為拓展篇，包括第13～15章，以百度飛槳和曠視天元為例介紹了具有代表性的國產開源框架及其應用案例，最後簡要介紹了國內外兩個主流機器學習競賽平臺。本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，從事高等教育的專任教師，高等學校的在讀學生及相關領域的科研人員。

本書介紹了機器翻譯和評估的挑戰――包括歷史、語言和應用環境，然後提出了用於自然語言應用的核心深度學習方法。內含Python代碼示例，為讀者提供理解和實現自己的機器翻譯系統的實際藍圖。本書還提供了廣泛的機器學習技巧，涉及的問題包括處理各種形式的數據、模型的增強、當前的挑戰以及方法分析和可視化。本書包含機器翻譯領域的前沿研究，適用於該領域的本科和研究生，以及對神經方法在更廣泛的人類語言處理領域的其他應用感興趣的研究人員，也可以作為開發人員的重要參考。

人工智能和大數據是當今時代的兩個鮮明的技術特徵，而數據可視化一直是伴隨著這兩大技術領域的熱門研究方向，促進了眾多智能化應用的發展。本書系統性講解了數據可視化技術的原理和實現方法，並給出一些簡單實用的案例。全書共10章，其中第1至8章以VTK數據可視化平臺為基礎，利用Python編程語言，系統性地講解了數據可視化的原理和實現，包括緒論、可視化的圖形基礎、可視化原理與過程、可視化數據表示、可視化算法設計、可視化建模技術、圖像處理技術、體可視化；第9、10兩章側重于利用Matplolib工具實現數據可視化，用於繪製統計圖表、時間序列數據等一些功能。各章均附有一定量的習題，方便讀者掌握相關知識。本書為浙江省省級新形態教材，配有豐富的教學資源，可通過掃描二維碼獲取。本書可作為高等院校相關專業的教材，也可作為大數據和數據可視化領域應用開發人員及編程愛好者的參考材料。

本書是根據教育部教育考試院制訂的《全國計算機等級考試二級Python語言程序設計考試大綱》的要求而編寫的。本書共分為11章，第1章介紹程序設計的基本方法，主要包括Python語言概述和開發環境配置；第2章和第3章主要介紹Python語言基本語法元素和基本數據類型；第4章介紹程序的控制結構；第5章介紹函數和代碼複用；第6章介紹組合數據類型；第7章介紹文件和數據格式化；第8章至第11章介紹Python的計算生態、標準庫和第三方庫。本書立足自學，在內容上力求新穎，選材採用一批實用有趣的例子，以增加學習的樂趣。本教程配套自學電子教案ppt一套，以及全部行文代碼和程序資源，可以掃碼知識導圖上的二維碼訪問這些資源，這些資源只對第一個防偽碼綁定手機的讀者免費使用，其他情況需付費使用。防偽碼只可以綁定一次。本教程不僅可以作為全國計算機等級考試教材，也可以作為普通高等院校及各類學校或機構的教學用書，更是一本程序設計愛好者的自學參考用書。

特色1. 數據處理和數據分析並重。針對金融大數據結構複雜、數據源和格式變換大的特點，充分講述SAS軟件DATA步強大的數據處理功能，強化金融數據處理內容。2. 將SAS數據分析能力強和R和Python靈巧和業界流行的特點相結合，建立融合SAS和R及Python的數據處理和分析教材構架，進行教學大綱、授課教案到教材、案例集和習題集等課程要件建設。3. 以《金融計量經濟學》為知識依托，以海通證券金融工程部、天風證券金融工程部、等有名券商量化金融策略為具體案例內容，以權益（股票）市場和債券（固定收益）市場為主要應用領域，以日數據（daily data）為主、高頻日內數據（intraday data）為輔，建立從數據搜集到數據清理、從投資組合到交易策略和算法交易等金融量化方法的教學案例。創新點1. 填補國內教材空白。作為一款權威的數據處理和統計分析軟件，多年來SAS在國內（尤其是銀行系統）得到了廣泛應用。已出版的教材多以操作和數據處理編程為主，針對金融數據處理和分析的書籍並不多見，尤其講解金融數據分析的SAS過程步（Proc step）的教材難以見到。本教材擬對分析金融時間序列的SAS過程進行詳細和全面的介紹，充分揭示SAS在處理和分析金融時間序列數據上的優勢，填補國內教材空白。2.SAS Viya平臺介紹和R、Python的軟件融合。SAS Viya 2016年推出以來，得到了很快的發展，出現了基於SAS Viya 云分析服務CAS的很多應用，國內一些金融機構也採用了SAS Viya構建自己的數據分析平臺。但國內介紹SAS Viya的書很少，沒有發現介紹利用SAS Viya中的ACTION進行金融數據分析的書籍。對SAS Viya的介紹以及利用SAS Viya中的Econometrics8.4 ACTION、Visal Statistical Analysis ACTION、Deep Learning ACTION等進行金融數據處理和分析的內容，是本教材的創新之處。

《基於國產數據庫的項目實訓教程》以項目開發過程為主要框架，貫穿數據庫課程的主要知識點，完整地記錄了基於國產數據庫(HighGo Database)和Python語言平臺開發管理信息系統的全過程。本書以學生常見並易於理解的學生選課系統為例，以項目開發的主要階段(需求分析、數據庫設計、界面設計、功能實現)為組織提綱，以數據庫應用及Python開發為技術要點，引導讀者從無到有、循序漸進地完成一個完整項目的開發。

本書涉及到知識圖譜建模、知識圖譜構建、知識圖譜存儲、知識圖譜應用等各個階段的模型、算法和工程實踐的項目，並統一使用python語言編寫。包括知識圖譜概述 、知識圖譜常用機器學習算法基礎 、知識表示、知識體系構建、實體抽取 、關係抽取(任務介紹)、事件抽取(任務介紹)、知識融合和驗證 、知識推理、知識圖譜數據管理 、知識問答與對話 知識圖譜構建與應用實例：金融知識圖譜及問答系統等12章。 本書為算法實踐教材，不僅提供了重點難點內容的圖片、視頻二維碼資源，還提供了核心算法的配套項目，讀者可以登錄Abook網站跟隨完整項目自主學習相關任務算法和源代碼。本書可以作為自然語言處理、知識工程、人工智能等相關課程的本科生和研究生教材，也可供計算機科學技術領域相關工程技術人員學習參考。

matplotlib 2D到3D資料視覺化 王者歸來 | 全彩印刷 | ★★★★★ 【國內作者第１本】【全彩印刷】【資料視覺化】 ★★★★★ ☆☆☆☆☆ 【國內作者第１本】【matplotlib書籍】 ☆☆☆☆☆ 本書包含【32個主題】、【509個程式實例】，整本書內容如下： ★ 完整解說操作matplotlib需要的Numpy知識 ☆ 認識座標軸與圖表內容設計 ★ 繪製多個圖表 ☆ 圖表的註解 ★ 建立與徹底認識圖表數學符號 ☆ 折線圖與堆疊折線圖 ★ 散點圖 ☆ 色彩映射Color mapping ★ 色彩條Colorbars ☆ 建立數據圖表 ★ 長條圖與橫條圖 ☆ 直方圖 ★ 圓餅圖 ☆ 箱線圖 ★ 極座標繪圖 ☆ 階梯圖 ★ 棉棒圖 ☆ 影像金字塔 ★ 間斷長條圖 ☆ 小提琴圖 ★ 誤差條 ☆ 輪廓圖 ★ 箭袋圖 ☆ 幾何圖形 ★ 表格製作 ☆ 基礎3D繪圖 ★ 3D曲面設計 ☆ 3D長條圖 ★ 設計動畫 本書程式實例豐富，相信讀者只要遵循本書內容必定可以在最短時間精通使用Python + matplotlib完成資料視覺化。

本书是Python数据分析入门书，每个概念都通过简单实例来阐述，便于读者理解与上手。具体内容包括：Python及Pandas基础知识，加载和查看数据集，Pandas的DataFrame对象和Serie

企業資料的分析始於讀取、過濾和合併來自多個資料來源的檔和資料流程。Spark資料處理引擎是這方面的佼佼者，可處理各種量級的資料，其傳送速率比Hadoop系統快100倍。得益於SQL的支援、直觀的接口和簡單的多語言API，你可輕鬆使用Spark，而不必學習複雜的新型生態系統。《Spark實戰（第2版）》將引導你創建端到端分析應用程式。在書中，你可學習基於Java的有趣示例，包括用於處理NASA衛星資料的完整資料管道。你還可查看託管在GitHub上的有關Java、Python和Scala的代碼示例，並探索、修改此代碼。此外，《Spark實戰（第2版）》的附錄為你提供速查表，幫助你安裝工具和理解特定的Spark術語。主要內容用Java編寫的Spark應用程式Spark應用架構提取檔、資料庫、資料流程和Elasticsearch的資料使用Spark SQL查詢分散式資料集閱讀門檻《Spark實戰（第2版）》讀者不需要具備有關Spark、Scala或Hadoop的經驗。

本書根據教育部高等學校大學計算機課程教學指導委員會編制的《大學計算機基礎課程教學基本要求》，針對非計算機專業學生的計算機教學培養目標進行編寫。 全書共14章，內容包括中文操作系統Windows10、文字處理軟件Word2019、電子表格軟件Excel2019、演示文稿製作軟件PowerPoint2019、計算機網絡基礎與Internet應用、圖像處理技術及應用、動畫處理及應用、醫學信息系統及常用軟件的使用、大數據與數據挖掘、人工智能基礎知識、Python語言基礎、Python的數據與表達式、Python的基本結構、Python的應用。

本教材介紹了城鄉規劃常用的定量分析技術方法及其應用。內容分為基礎篇、提高篇和應用篇，由淺入深，從操作技術基礎到編程開發應用，涵蓋ArcGIS、遙感、SPSS、Matlab和Python等多種工具在城市規劃中的應用。具體包括GIS空間分析、ENVI遙感圖像處理、數理回歸統計、Python空間建模和人工智能技術應用等，並附有操作數據與程序代碼。除傳統規劃空間數據分析外，本教材還介紹了公交刷卡數據、街景數據和房價數據的爬取方法與分析應用。以案例串講形式貫穿全書，充分面向讀者，採用邏輯歸納、技術路線闡釋，使得技術方法易懂且適用。本教材可作為城鄉規劃、交通規劃等相關領域和專業的本科生、研究生教材，也適用於城鄉規劃設計的一線工作人員。

本書從人工智能初學者的視角出發，通過通俗易懂的案例，系統講述了機器學習中的建模方法、模型結構和訓練過程，詳細講解了回歸、分類、聚類、降維、神經網絡等模型和算法的概念及原理。通過Python語言中流行的NumPy、Pandas、Matplotlib、Sklearn等工具庫解決案例中的問題，使讀者既能理解處理問題背後的原理和思路，又能學習實際解決問題的方法和過程，提高使用機器學習模型和算法解決實際問題的應用能力。本書可以作為各類職業院校人工智能及相關專業的教材，也可以作為機器學習愛好者的參考用書。本書配有電子課件等教學資源，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。

本書根據教育部高等學校大學計算機課程教學指導委員會編制的《大學計算機基礎課程教學基本要求》，針對非計算機專業學生的計算機教學培養目標進行編寫。 全書共14章，內容包括中文操作系統Windows10、文字處理軟件Word2019、電子表格軟件Excel2019、演示文稿製作軟件PowerPoint2019、計算機網絡基礎與Internet應用、醫學圖像處理技術及應用、醫學動畫處理及應用、醫學信息系統及常用軟件的使用、大數據與數據挖掘、人工智能基礎知識、Python語言基礎、Python的數據與表達式、Python的基本結構、Python的應用。

本書以神經網絡為線索，沿著從線性模型到深度學習的路線講解神經網絡的原理和實現。本書將數學基礎知識與機器學習和神經網絡緊密結合，包含線性模型的結構與局限、損失函數、基於一階和二階信息的優化算法、模型自由度與正則化、神經網絡的表達能力、反向傳播與計算圖自動求導、卷積神經網絡等主題，幫助讀者建立基於數學原理的較深刻的洞見和認知。本書還提供了邏輯回歸、多層全連接神經網絡和多種訓練算法的Python實現，以及運用TensorFlow搭建和訓練多種卷積神經網絡的代碼實例。

TensorFlow Lite移動端深度學習循序漸進地講解了在移動設備中使用TensorFlow Lite開發機器學習和深度學習程序的核心知識，並通過具體實例演練了各知識點的使用方法和流程。全書共9章，分別講解了人工智能開發基礎、編寫第一個TensorFlow Lite程序、創建模型、轉換模型、推斷、優化處理、微控制器、物體檢測識別系統和姿勢預測器。全書簡潔而不失技術深度，內容豐富全面，以簡明的文字介紹了複雜的案例。同時書中配有二維碼視頻，結合視頻講解可加深對相關內容的理解，是學習TensorFlow Lite開發的實用教程。TensorFlow Lite移動端深度學習適用於已經瞭解Python語言基礎語法和TensorFlow基礎，希望進一步提高自己Python開發水平的讀者閱讀，還可以作為大中專院校和相關培訓學校的專業教程。

Qt是當前非常流行的C++可視化開發軟件。《Qt 6開發及實例（第5版）》全面升級到新的Qt 6.0平臺，通過豐富的實例介紹Qt和QML編程及其應用開發。全書分為7個部分。第1部分為Qt基礎，在上一版的基礎上基於Qt 6.0的全新類模塊和接口，重新實現了所有基礎實例的功能。第2部分為Qt 6綜合實例，設計了電子商城系統、簡單字處理軟件、微信客戶端程序這三大實用案例。第3部分為Qt擴展應用OpenCV，介紹OpenCV的配置及典型圖片處理實例。第4部分為QML和Qt Quick及其應用，基於Qt 6.0支持的Qt Quick Controls 2.5新庫實現了諸多典型應用實例。第5部分是Qt Quick 3D開發基礎，先從基礎的場景、相機、視圖、光源等概念入手，通過程序實例介紹Qt 6 3D開發的基礎知識，然後通過一個綜合的“益智積木”學習軟件來演示Qt 6在3D開發上的強大功能。第6部分是Qt 6跨平臺開發技術，介紹了Qt 6在Visual Studio、Android、Python及Linux（Ubuntu）等多種主流平臺上的環境配置和程序開發。第7部分為附錄，介紹了C++相關知識和Qt 6的簡單調試。 《Qt 6開發及實例（第5版）》提供配套的視頻，分析典型案例，通過掃描二維碼播放。為了方便讀者上機練習，書中實例提供源代碼，其編號為CH×××。源代碼工程文件可從華信教育資源網（http：//www.hxedu.com.cn）免費下載。 《Qt 6開發及實例（第5版）》既可作為Qt學習不可多得的一本全面翔實的學習資料和參考用書，也可作為Qt開發技術培訓用書。

本書系統地闡述機器學習的數學基礎知識，但並非大學數學教材的翻版，而是以機器學習算法為依據，選取數學知識，並從應用的角度闡述各種數學定義、定理等，側重於講清楚它們的應用和實現方法。所以，書中將使用開發者喜歡的編程語言（Python）來實現各種數學計算，並闡述數學知識在機器學習算法中的應用體現。

本書將帶領讀者學習如何實施各種機器學習技術及其日常應用的開發。本書分為9章，從易於掌握的語言基礎數據和數學模型開始，向讀者介紹機器學習領域中使用的各種庫和框架，然後通過有趣的示例實現回歸、聚類、分類、神經網絡等，從而解決如圖像分析、自然語言處理和時間序列數據的異常檢測等實際問題。本書適合機器學習的開發人員、數據分析人員、機器學習領域的從業人員，以及想要學習機器學習的技術愛好者閱讀。使用任何腳本語言的編程人員都可以閱讀本書，但如果熟悉Python語言的話，將有助於充分理解本書的內容。

★★★【機器學習】+【演算法】★★★ ★★★★★【PyTorch】+【Jupyter】★★★★★ 一步一腳印、腳踏實地 機器學習經典演算法全面講解 我們平常視為理所當然的L1、L2、Softmax，Cross Entropy，都是基礎的機器學習所推導出來的，很多人以為不需要學的機器學習演算法，才是站穩腳步的基本大法！ 本書就是讓你可以用Python來真正真槍實戰上手機器學習。從最基礎的資料清理、特徵工程開始，一直到資料集遺漏值的研究，包括了特徵變換、建構，降維等具有實用性的技巧，之後說明了模型是什麼，接下來全書就是各種演算法的詳解，最後還有一個難得的中文自然語言處理的案例，不像一般機器學習的書千篇一律MNIST手寫辨識、人臉辨識這麼平凡的東西，難得有深入「機器學習」的動手書，讓你真的可以在人工智慧的領域中走的長長久久。 大集結！聚類演算法 ✪K-means 聚類 ✪系統聚類 ✪譜聚類 ✪模糊聚類 ✪密度聚類 ✪高斯混合模型聚類 ✪親和力傳播聚類 ✪BIRCH 聚類 技術重點 ✪資料探索與視覺化 ✪Python實際資料集特徵工程 ✪模型選擇和評估 ✪Ridge回歸分析、LASSO回歸分析以及Logistic回歸分析 ✪時間序列分析 ✪聚類演算法與異常值檢測 ✪決策樹、隨機森林、AdaBoost、梯度提升樹 ✪貝氏演算法和K-近鄰演算法 ✪支持向量機和類神經網路 ✪關聯規則與文字探勘 ✪PyTorch深度學習框架

Artificial Intelligence-Aided Materials Design: AI-Algorithms and Case Studies on Alloys and Metallurgical Processes describes the application of artificial intelligence (AI)/machine learning (ML) concepts to develop predictive models that can be used to design alloy materials, including magnetic alloys, nickel-base superalloys, titanium-base alloys, and aluminum-base alloys. Readers new to AI/ML algorithms can use this book as a starting point and use the included MATLAB and Python implementation of AI/ML algorithms through included case studies. Experienced AI/ML researchers who want to try new algorithms can use this book and study the case studies for reference. Offers advantages and limitations of several AI concepts and their proper implementation in various data types generated through experiments and computer simulations and from industries in different file formats Helps readers develop predictive models through AI/ML algorithms by writing their own computer code or usin

本書是一本系統介紹區塊鏈理論知識和應用開發的教程。全書共10章，主要分為兩部分，區塊鏈理論知識(第1～3章)：包括區塊鏈概述、區塊鏈中的密碼學以及區塊鏈的核心機制；區塊鏈應用開發(第4～10章)：包括打造自己的第一個區塊鏈―基於Python、智能合約開發實踐―基於Solidity、以太坊之DApp開發實戰―基於Truffle框架、超級賬本開發實戰―基於Go語言、Libra開發實踐―基於Move語言、區塊鏈即服務平臺(BaaS)以及區塊鏈綜合應用開發實踐。本書在系統介紹區塊鏈理論知識的基礎上，結合豐富的案例進行實踐操作的講解，力求引領讀者在實踐中深入理解區塊鏈技術，具備基於主流的區塊鏈平臺開發區塊鏈實際應用的能力。本書可以作為區塊鏈開發者的自學用書，也可作為開設區塊鏈開發相關課程的各類院校、培訓機構的教材。

The ultimate box set for fans of Jerry Pallotta and Rob Bolster's bestselling Who Would Win series!Which dangerous animals would win in a fight? Find out in this amazing box set, which includes 10 books in the bestselling Who Would Win? series, including: Alligator vs. Python; Green Ants vs. Army Ants; Hyena vs. Honey Badger;Triceratops vs. Spinosaurus;Rhino vs. Hippo; Lobster vs. Crab; Rattlesnake vs. Secretary Bird; Jaguar vs. Skunk; Falcon vs. Hawk; and Wolverine vs. Tasmanian Devil.Kids will learn all about each animal's anatomy, behavior, and more alongside photos, charts, illustrations, and amazing facts. This collection features a range of mammals, birds, sea creatures, reptiles, and dinosaurs to satisfy all kinds of animal fans, and is the perfect gift!

大數據時代，數據分析成為各行各業非常重要的工作，如機器學習、深度學習、數據科學、市場營銷分析、企業決策制定等，都離不開數據分析。《Python 數據分析教科書》就是一本介紹使用Python 進行數據分析的入門書，詳細介紹了成為數據分析工程師必備的技能，如數據獲取和加工、數據可視化、編程基礎、數據分析所需的基礎數學知識、機器學習的流程和執行方法等。學完本書，讀者能掌握 Python 的基本語法和 Jupyter Notebook 的使用方法，數據預處理知識，NumPy、pandas、Matplotlib 和 scikit-learn 等軟件庫的使用方法，以及利用現有算法實現機器學習的方法。另外，對網絡爬蟲、自然語言處理和圖像數據處理等機器學習中經常用到的知識也進行了簡要介紹。本書采用雙色印刷，語言淺顯易懂，並用中小實例輔助理解，特別適合有一定編程基礎想從事數據分析工作的人員學習，也適合作為想從事人工智能工作的人員學習數據處理的參考書。

《寫給新手的深度學習 2——用 Python 實現的循環神經網絡 RNN 和 VAE、GAN》一書以Python 為基礎，不借助 TensorFlow、PyTorch 等任何框架，以淺顯易懂的語言對循環神經網絡RNN 及生成模型中的 VAE、GAN 的構建方法進行了詳細解說。其中在前 3 章對深度學習和Python 編程及數學的相關知識進行了簡要概括，然後依次介紹了 RNN、LSTM、GRU、VAE、GAN 的工作原理及編程實現，這也是本書的主要內容，最後一章作為進階準備，介紹了化算法、機器學習的一些技巧以及幾種便於開發、試錯的數據集。通過本書，讀者可以從根本上理解深度學習技術的本質和相關算法原理，能夠構建簡單的深度學習模型，特別適合作為零基礎讀者學習深度學習技術的入門書，也適合作為高校人工智能相關專業的教材和參考書。

本書以實戰為主，通過豐富的實戰案例向讀者介紹深度學習可應用和落地的項目，書中所有案例都基於Python+TensorFlow 2.5+Keras技術，可用於深度學習課程的實戰訓練。本書配套示例源碼、PPT課件、思維導圖、數據集、開發環境與答疑服務。全書共分11章。第1章講解深度學習的概念、流程、應用場景、模型分類和框架選擇，第2～11章列舉深度學習的項目實戰案例，包括手寫體識別、數據集分類、情感分類、文本情感分類、編碼器、漢字拼音轉換、中文文本分類、多標簽文本分類、人臉檢測、人臉識別、語音漢字轉換。本書內容詳盡、案例豐富，是深度學習初學者必備的參考書，適合有基礎、亟待提升自己技術水平的人工智能從業人員，也可作為高等院校和培訓機構人工智能及相關專業的教材使用。

人工智能是一門研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的新的技術科學，涉及機器人、語音辨識、圖像識別、自然語言處理和專家系統等方面。本書第1章主要講解了人工智能的重要概念、發展現狀和相關技術等，為下文進一步研究人工智能打基礎；第2章對人工智能目前主要用到的Python進行了簡單的介紹，有利於下文程式的編寫；第3章介紹了機器學習，主要對機器學習的常用算法、卷積神經網絡和迴圈神經網絡進行了深入的闡釋；第4～11章詳細講解了8個人工智能應用案例。本書特色鮮明、內容易讀易學，適合作為相關專業的大學生，以及不具有人工智能研究背景，但是想要快速補充人工智能知識，以便在實際產品或平臺中應用的工程師等人員的參考書。

本書對想學習數據分析的人來說是一本非常實用的參考書，書中有多個真實的數據分析案例，幾乎是以手把手的方式教你一步一步地完成從數據分析的準備到分析結果報告的整個流程。無論是數據分析工作的從業者，還是有志于未來從事數據分析工作的在校大學生，都能從本書中獲取一些新知識、新思想。同時，本書也是一本學習和提高R及Python編程的參考書。很多人有這樣的感觸，單純地學習編程語言是很枯燥的過程，但利用本書學習R和Python語言可以很好地解決這個問題，生動實用的數據集以及非常有意思的分析結果會極大地激發讀者學習的興趣。本書案例包括汽車數據分析、稅收數據分析、就業數據分析、股市數據分析、社交網絡分析、大規模電影推薦、Twitter數據分析、新西蘭海外遊客預測分析以及德國信用數據分析等。

內容簡介這是一本從架構設計、工作原理、設計原則、代碼實現、工程實踐等維度全面講解自動化測試框架的著作，既講透了當下流行的各種自動化測試框架，又詳細講解了從0到1搭建自動化測試框架的方法和步驟，能指導讀者快速實現從測試工程師向測試開發工程師的轉型，完成職業生涯的飛躍。具體內容方面，全書共16章，分為如下幾個部分：第1部分(第1～2章)：全面介紹了自動化測試框架的概念、原理、類型及通用模塊，詳細論述了自動化測試框架的設計原則，以及微服務測試下自動化測試框架應該如何規劃和組織。第二部分(第3～5章)：著重介紹了Python語言體系下的兩個經典開源框架unittest和pytest，以及如何用它們搭建自動化測試框架。第三部分(第6～14章)：是本書的重點，全面講解了如何從0開始、不依賴任何開源框架、自主開發自動化測試框架，手把手帶領讀者完成自研測試框架開發。第四部分(第15章)：講解了持續集成的核心原理和所用工具，以及如何將自研的自動化測試框架集成到企業現有的自動化測試流水線中，從而實現持續測試。第五部分(第16章)：介紹了如何將自研的自動化測試框架發佈至Python官方倉庫供他人下載使用。

大數據分析與挖掘已經廣泛應用於各行各業。本書以項目實踐為基礎，對大數據分析與挖掘的基礎知識進行了介紹，總結了機器學習、大數據分析與挖掘過程、數據分析挖掘框架和庫，分析了當前的研究熱點與前沿技術。為了增強本書的實用性、提高讀者的動手能力，本書結合案例討論了爬蟲與數據處理、Echarts和Python可視化、描述性分析、並聯分析、回歸與分類、聚類、序列挖掘等基本方法的實現與實踐。本書結合實際案例，探討了文本分析、主題模型、推薦系統、知識圖譜、情感分析等高級實現與實踐。此外，本書還介紹了大數據分析與挖掘在管理領域的應用案例。本書配有電子課件等教學資源，讀者可登錄華信教育資源網（www.hxedu.com.cn）下載使用。本書適合作為高等學校數據挖掘、商務智能、數據分析等課程的教材，也可供數據分析與數據挖掘從業人員閱讀，還可供從事數據挖掘、機器學習應用研究的科研人員參考。

本書分為上篇（基礎篇）、中篇（編程篇）和下篇（應用篇）三篇，共13章。書中主要內容包括大數據技術概述、大數據處理平臺Hadoop、分布式文件系統HDFS、分布式計算框架MapReduce、內存型計算框架Spark、分布式數據庫HBase、數據倉庫Hive、Pig語言、Python語言、分布式數據收集系統Chukwa、分布式協調服務ZooKeeper、大規模微博傳播分析案例和圖書 案例等。 本書將理論與科研實踐相結合，注重大數據技術的系統性、實用性和 性，配有大量的應用案例，不僅能夠幫助讀者提高大數據技術的應用與研究水平，而且能夠提高讀者的綜合應用創新能力。 本書可作為高等院校計算機科學與技術、物聯網工程、數據科學與大數據技術等專業，或新工科相關專業本科生、研究生的教材，也可供從事大數據技術應用與開發，以及大數據系統運營與維護的科研、工程技術人員參考使用。

★★★★★ 國內作者【第一本】×【全彩印刷】×【AI視覺】書籍 ★★★★★ ★★★★★ 完整解說【影像創意】×【AI視覺】的實例 ★★★★★ ★★★★★【31個主題】＋【423個Python實例】★★★★★ 筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明： ◤函數數學原理解說◢ ◤套用OpenCV函數講解影像創意與AI視覺的實例◢ 當讀者遵循這些步驟學習時，相信所設計的物件就是一個帶有靈魂與智慧的程式碼了。這本書從影像原理開始說起，逐一解說從影像到AI視覺所需的完整知識，本書的主題內容如下： ☆ 完整解說操作OpenCV需要的Numpy知識 ★ 影像讀取、輸出與儲存 ☆ 認識色彩空間、BGR、RGB、HSV ★ 建立藝術畫作 ☆ 建立靜態與動態影像，打破OpenCV限制建立中文字輸出函數 ★ 影像計算與影像的位元運算 ☆ 重複曝光技術 ★ 影像加密與解密 ☆ 閾值處理 ★ 數位情報員、深藏在影像的情報秘密 ☆ 數位浮水印、版權所有翻譯必究 ★ 影像幾何變換、翻轉、仿射、透視、重映射 ☆ 影像遮罩與影像濾波器 ★ 認識卷積 ☆ 認識與刪除影像雜質 ★ 數學形態學、腐蝕、膨脹、開運算、閉運算、禮帽運算、黑帽運算 ☆ 從影像梯度到內部圖形的邊緣偵測 ★ 影像金字塔 ☆ 影像輪廓特徵與匹配 ★ 輪廓的擬合、凸包與幾何測試 ☆ 醫學應用器官影像的徵兆 ★ 霍夫變換(Hough Transform)與直線檢測 ☆ 無人車駕駛車道檢測技術 ★ 直方圖、增強影像對比度、修復太曝或太黑影像、去霧處理 ☆ 模板匹配、找尋距離最近的機場、找尋某區域高山數量 ★ 傅立葉變換的方法與意義、空間域與頻率域的切換，進行影像處理 ☆ 分水嶺演算法執行影像分割 ★ 前景影像擷取 ☆ 影像修復—搶救蒙娜麗莎的微笑 ★ 辨識手寫數字 ☆ OpenCV的攝影功能、活用拍照與錄影 ★ 應用OpenCV內建的哈爾(Haar)特徵階層式分配器 ☆ 偵測人臉、身體、眼睛、貓臉、俄羅斯車牌 ★ 設計自己的哈爾偵測分配器，應用在偵測台灣汽車車牌 ☆ 人臉辨識原理與應用 ★ 執行車牌辨識

《圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFlow）》循序漸進地講解了使用Python語言實現圖像視覺識別的核心知識，並通過具體實例的實現過程演練了圖像視覺識別的方法和流程。全書共12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算法，face_recognition人臉識別，Scikit-Learn機器學習和人臉識別，TensorFlow機器學習和圖像識別，國內常用的第三方人臉識別平臺，AI人臉識別簽到打卡系統（PyQt5+百度AI+OpenCV-Python+SQLite3實現），基於深度學習的AI人臉識別系統（Flask+OpenCV-Python+Keras+Sklearn實現），AI考勤管理系統（face-recognition+Matplotlib+Django+Scikit-Learn+dlib實現），AI小區停車計費管理系統。全書講解簡潔而不失技術深度，內容豐富全面，並且易於閱讀，以極簡的文字介紹了複雜的案例，是學習Python圖像視覺識別的實用教程。《圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFlow）》適用於已經了解Python語言基礎語法的讀者，並且適應於希望進一步提高自己Python開發水平的讀者，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教材。

本書主要基於Autodesk Revit上的開源插件――可視化編程軟件Dynamo展開，面向建設工程領域，適用於建築行業各個專業的設計、施工、管理方面的專業人士和研究人員，高校師生，軟件開發工程師以及BIM愛好者。本書為讀者提供了大量的實戰技巧，具有較強的針對性、知識性、獨創性與實用性。本書第1章以例題的形式講解Dynamo基礎知識，串聯關鍵知識點，避免了枯燥的理論講解，增加了可讀性，同時為真實項目實戰打下基礎。在第2章案例應用，分別從案例背景、解決方案、案例知識點、案例詳解四個方面對每一個真實案例進行講解。通過提出項目需求，探究解決思路，解決項目問題，帶領讀者由淺入深，逐步掌握解決問題的思路和方法，舉一反三，解決自身的實際工程問題，並且借助BIM技術，從源頭提高項目的綜合應用與管理能力，為讀者今後的職業提升和項目經濟收益提供幫助。第3、4章深入地講解了DesignScript語法、Python調用Revit API等知識點，可以幫助有一定基礎的讀者進一步提升自身實力，為腳本優化和二次開發打下基礎。能更好地幫助讀者理解軟件的API，並為工程需求服務，這也是當今建設領域一名BIM工程師的必備技能。