Python

★在最熟悉的作業系統、IDE中，用Tensorflow開發深度學習專案★☆使用Tensorflow.NET在Visual Studio下完成AI開發☆坊間幾乎所有和AI、深度學習、機器學習有關的書籍或教材，均是以Python及相對的框架進行開發，並且建議架設在Linux上。雖然這個環境非常適合進行AI專案的開發，但對於已經熟悉Visual Studio下.NET架構的大部分Windows開發者來說，如果能使用Tensorflow的強大，再加上早就上手的.NET甚至是C#語言，學習曲線真的就只剩下深度學習，排除了Linux及Python的困難。微軟在.NET平臺上引入機器學習，努力使機器學習技術跨越鴻溝，普及至大多數人手中。微軟的ML.NET旨在實現人工智慧的「民主化」，讓每個人都能使用並受益於人工智慧技術。在.NET生態中，人工智慧領域的SciSharp Stack團隊為TensorFlow提供了.NET Standard Binding，使得.NET開發人員可以使用C#在跨平臺的.NET Standard框架上開發、訓練和部署機器學習模型。他們還打造了TensorFlow.NET這個專屬於.NET開發人員的機器學習平臺，簡化了使用TensorFlow的過程。本書即是針對這個族群的使用者，讓.NET眾多的使用者直接跨入AI的領域，在最親切的環境學習，一定會事半功倍。本書為介紹TensorFlow.NET的詳細指南，共有23章。探討雲端運算、人工智慧、巨量資料和雲端原生應用對生活產生了深遠影響，之後說明機器學習.NET開發者的特點，在.NET生態中，SciSharp Stack的團隊，為TensorFlow提供了.NET Standard Binding，使.NET開發人員可以使用C#開發、訓練和部署機器學習模型。其中的產品就是TensorFlow.NET。書中包括資料型態與張量詳解、Eager Mode詳解、自動求導原理與應用、線性回歸實操、MNIST手寫字元分類邏輯回歸、tf.data資料集建立與前置處理、深度神經網路實踐、AutoGraph機制詳解，以及.NET Keras簡明教學等。最後一部分是生產應用與案例，包含CPU和GPU環境下的TensorFlow.NET應用、工業生產環境應用案例、在C#下使用TensorFlow.NET訓練自己的資料集、視覺影像分類

《信息技術與人工智能(微課版)》整合信息技術基礎與人工智能(AI)應用兩大板塊，為職業院校量身打造項目化教材。全書設置10個教學項目，內容涵蓋計算機與計算思維、計算機中信息的表示、配置和管理操作系統、網絡組建與安全維護、WPS AI智能辦公、Python編程實戰、人工智能核心技術及實戰應用等。《信息技術與人工智能(微課版)》堅持理論與實踐一體化的教學理念，融入國產信息技術、智能工具應用與職業素養培育，搭配豐富案例與項目自測習題，著力培養學生的數字化應用能力、計算思維及人機協同綜合素養。《信息技術與人工智能(微課版)》可作為職業院校信息技術、人工智能及相關專業的基礎課程教材，也可供職場人員學習使用，助力提升數字素養與人工智能應用水平。

線性代數是一門高度通用且具備廣泛應用的基礎工具，無論是在人工智慧、數據分析或是各類工程領域，專業人士都需要對其具有紮實素養，方能在實際問題中建立準確的數學模型。本書的核心特色是擺脫傳統冗長而抽象的理論推導，轉而以直覺化的概念闡釋和高效的實戰應用為主軸。在解題風格上，本書不同於一般教科書完全按照理論框架進行推導。作者憑藉多年的實戰教學經驗，在許多計算技巧上提供了獨家捷徑，幫助學生有效提升解題速度，達到事半功倍的學習效果。同時，本書強調與現代科技趨勢的接軌，於附錄中提供 MATLAB 與 Python 雙程式平台的程式碼範例與腳本教學，專門針對複雜的線性代數計算提供電腦輔助實作指導。

產品特色： 隨著 APCS 程式設計先修能力檢測成為升學重要指標，如何有效備考、精準得分，已成為每位高中職學生與教學者關心的課題。 本書從考試介紹、程式識讀、演算法演練，到歷屆試題詳解，提供最貼近命題趨勢的備考資源。不只是教語法，更強調「解題實力」的養成！ 本書特色如下： 1. 完整解析 APCS 檢定架構與準備要點，方向明確不迷路。 2. 跨語言程式識讀教學（C語言＋Python），多元語感一次搞懂。 3. C++ 實作演算法與資料結構重點精華，強化邏輯與寫作力。 4. 歷屆實作題詳解，解題技巧與命題方向一次掌握。 5. 模擬題實戰訓練，題感培養、舉一反三，穩步提升實力。 無論您是初次挑戰 APCS 的新手、苦於突破實作題的考生，或是想找系統教材的教學者，本書都是您邁向高分通過、穩紮程式基礎的最佳選擇！

《生成對抗網絡GAN：從理論到PyTorch實現》系統地講解了生成對抗網絡(GAN)的基本原理以及PyTorch編程技術，內容較全面，可操作性強，將理論與實踐相結合。讀者通過理論學習和編程實踐操作，可瞭解並掌握生成對抗網絡的基本原理和PyTorch編程技能，拉近理論與實踐的距離。《生成對抗網絡GAN：從理論到PyTorch實現》共分8章，主要內容包括生成對抗網絡介紹、簡單全連接GAN、深度卷積GAN、Wasserstein GAN、條件GAN、StyleGAN、Pix2Pix、CycleGAN，涵蓋了豐富多彩的生成對抗網絡的原理和示例。此外，本書源碼已全部在Python 3.10.9 + PyTorch 1.13.1 + CUDA 11.6版本上調試成功。《生成對抗網絡GAN：從理論到PyTorch實現》適合生成對抗網絡愛好者和PyTorch編程人員作爲入門和提高的技術參考書，也適合用作計算機專業高年級本科生和研究生的教材或教學參考書。

《生成式AI賦能一本通：編程、數據科學與專業寫作》全面介紹了生成式AI在編程、數據科學及專業寫作領域的廣泛應用與深刻影響。主要內容涵蓋生成式AI的核心原理、技術挑戰、治理策略，以及如何通過提示詞工程與AIGC方法論提升工作效率。讀者將從中獲得與AI高效溝通的技巧，掌握利用大模型進行Python程序設計、數據分析、數學與機器學習自學的方法，並通過豐富案例瞭解AIGC在科技論文寫作、金融數據分析及創建AI智能體等方面的實際應用。本書旨在幫助讀者理解使用大模型的方法和思路，以在AI時代保持競爭力，實現個人與組織的數字化轉型。本書主要讀者群體包括計算機專業學生、AI從業者、程序員、數據分析師、科研人員及對未來科技感興趣的廣大讀者。

《大模型Agent應用開發》深入探討了LLM的核心概念、前沿技術和實際應用，最終為擴展AI能力邊界的大型基礎模型(Large Foundation Models，LFM)的崛起鋪平道路。 本書開篇詳細介紹了LLM的基本原理，隨後探討了多種主流架構框架，既涵蓋專有模型(如GPT-3.5/4)，也分析開源模型(如Falcon LLM)的獨特優勢與差異。接下來，我們以基於Python的輕量級框架LangChain為核心，引導讀者逐步構建智能體。這些智能體能夠從非結構化數據中提取信息，並利用LLM和強大工具包與結構化數據交互。此外，本書還將深入探索LFM領域——該類模型融合了視覺、音頻等多態能力，可以覆蓋更廣泛的AI任務。 無論你是經驗豐富的AI專家，還是初入該領域的新人，本書都將為你提供解鎖LLM全部潛力的路線圖，助力開創智能機器的新紀元。

這本書引導讀者從廣闊的人工智慧來到深度學習的核心概念，深化對機器學習的理解，並揭示電腦視覺如何利用機器學習來模仿和擴展人類的視覺能力。深度學習顯著提升了電腦視覺技術的效能，而成功的電腦視覺案例又進一步推進深度學習領域的發展，形成一個良性循環。　書中不僅提供扎實的理論基礎，更搭配豐富實用的範例，這些範例都是用強大且被廣泛運用的 Python 程式語言編寫。透過這些範例，讀者能更直觀地掌握書中所述的概念，並將理論付諸實踐。　本書特別為對影像處理與電腦視覺懷抱熱情的讀者而設計，無論是大學部或研究所的學生，或是渴望自學精進的其他族群，都能從中獲益良多。

本書基於Python編程語言，以實戰為導向，主要介紹中文自然語言處理的各種理論、方法及應用案例，幫助讀者快速熟悉理論知識，理解相關技術原理，為讀者選擇自然語言處理相關的研究方向或從業領域提供參考。全書共分為三個部分：第一部分（第1～3章）是“基礎篇”，側重介紹自然語言處理的基礎知識，並在相應的知識板塊中設置實驗案例；第二部分（第4～12章）是“技術篇”，主要講解自然語言處理核心技術的原理及實現方法，以及文本分類、特徵提取、RNN等技術在自然語言處理中的應用；第三部分（第13章）是“應用篇”，主要介紹自然語言處理比較典型的應用場景。本書適合作為人工智能相關課程的教材，也可作為人工智能的普及讀物供廣大讀者自學或參考。

本書詳細介紹了 eBPF 核心技術及其應用。全書可分為 eBPF 基礎知識、進階應用和實際案例三大部分，覆蓋了 eBPF 的編程接口、架構及其在性能分析、安全監控和網絡協議等方面的應用。讀者將通過 C、Go 和Python 等語言學習 eBPF 編程，並掌握其在系統監控、數據分析和性能提升方面的實際技巧。本書適合不同層次的讀者，包括對操作系統或應用程序監控感興趣的學生和初學者、希望利用 eBPF 進行內核代碼調試和優化的 Linux 內核開發人員、使用 eBPF 監控系統事件和分析惡意軟件的安全工程師和逆向工程師、通過 eBPF 收集性能數據以優化軟件和系統性能的性能分析師和應用程序開發者，以及希望優化虛擬化軟件性能和管理的虛擬化開發人員。

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套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。 本書是使用PyTorch建構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、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。 本書適合對深度學習領域感興趣且希望一探PyTorch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。 本書範例檔： https://github.com/PacktPublishing/Deep-Learning-with-PyTorch

https://youtu.be/9E_99Kmgdj0☆★☆好評熱銷再上市☆★☆【書籍特點】● x86組合語言基礎知識，通用暫存器、常用指令，記憶體分頁● 指標的實現原理，指標組成、相關操作，以及Go語言的unsafe套件等。● 函數、堆疊框佈局、呼叫約定、變數逃逸、Function Value、閉包、defer和panic● 方法，實現原理，接收者類型、Method Value和組合式繼承● 介面，Go語言動態特性，括裝箱、方法集、動態派發、類型斷言、類型系統和反射● goroutine實現，GMP模型、goroutine的建立與退出、排程迴圈、先佔式排程、timer、netpoller和監控執行緒● 同步，記憶體亂數、原子指令、自旋鎖、runtime互斥鎖和訊號量、ync.Mutex、hannel● 堆積記憶體管理，heapArena、mspan，mallocgc函數、C的三色抽象、寫入屏障● 堆疊記憶體管理，goroutine堆疊的分配、增長、收縮和釋放【內容簡介】想要有C語言的高速和Python的便利性嗎？Go是最棒的選擇，Go語言在語言層面上支援程式碼協同（goroutine）和通道（channel），這使得併發程式設計變得非常簡單和高效。在多核CPU時代，高效的併發程式設計已經成為軟體開發的必備技能之一。此外Go語言的語法設計簡單清晰，注重可讀性和簡潔性，使得初學者能夠快速入門。Go語言的標準函數庫提供了豐富的功能，可以直接使用，避免了一些繁瑣的工作。另外在跨平臺支援方面，Go語言的編譯器可以將程式編譯成機器碼，支援跨平臺編譯，可以在不同的作業系統和硬體平臺上運行，這對於開發跨平臺應用程式非常有幫助。Go最有名的就是其高性能。Go語言的編譯速度非常快，生成的二進位檔案也很小，運行速度也非常快。Go語言在一些性能要求較高的應用領域，如Web服務、巨量資料處理、容器等方面表現出色。另外其開發效率高，Go語言在一些方面與Python、Ruby等動態語言相似，但又具有靜態語言的優點。Go語言的編譯器能夠在編譯期間捕捉一些錯誤，這使得程式的穩固性更高。同時，Go語言的工具鏈非常完善，如go fmt、go vet等工具可以幫助開發者規範程式，提高開發效率。

零基礎也能打造AI物聯網， 用Node-RED整合YOLO與LLM， 全方位建構你的AIoT與邊緣AI應用！ 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 內容重點 ➤ 使用Node-RED視覺化流程建立監控儀表板（Dashboard）、MVC網站、REST API和使用MySQL資料庫儲存感測器數據。 ➤ 詳細說明MQTT通訊協定、取得網路OpenData與JSON資料剖析、寄送Email電子郵件與Telegram通知。 ➤ 使用Teachable Machine與YOLO訓練自己的AI模型，並且串接LLM來輕鬆使用Node-RED整合生成式AI，建立你的AIoT智慧物聯網應用。 ➤ 完整YOLO模型訓練步驟，只需執行各步驟的Python工具程式，就可以使用LabelImg標註圖片建立資料集，訓練出你自己的YOLO物體偵測模型。 ➤ 提供綠化版Node-RED+Python整合套件fChartEasy，免安裝輕鬆幫助你建構學習本書內容所需的Windows開發環境。 你將學會以下實作專案： ✔ 建立溫溼度監控儀表板、繪製Node-RED圖表、送出天氣通知 ✔ 使用Teachable Machine 模型、標註圖檔、YOLO客製化模型 ✔ 打造透過MQTT控制的ESP32-CAM相機與IP Camera，輕鬆建立你的AI之眼 ✔ 建立AI猜拳遊戲、OCR車牌辨識、物體偵測、即時串流偵測、路況分析 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 本書特色  視覺化開發×無痛入

相較於多數經濟理論，「投入產出分析」兼具理論嚴謹、數學式簡單、計算快速且結果直觀易解讀等優點。其分析所需的「投入產出表」通常可由國家統計單位直接取得，因此長期以來被廣泛應用於各國政策影響評估工作。本書作者長期受政府及企業單位委託，運用投入產出分析及其相關方法進行各類政策影響評估，成果也被採納為政策或決策依據，因此累積了豐富的實務案例。 本書特別擷取其中具代表性的案例，說明如何將投入產出分析應用於不同的政策情境，期望能為讀者提供有益的參考，激發創新思考，並進一步運用於自身關注的議題分析。此外，本書另一特色則是介紹如何以 Python 程式執行投入產出分析，讓讀者在傳統的 Excel、GAMS、Eviews、SAS 等工具之外，擁有新的選擇。

本書系統闡述了智能控制的核心理論和工程實現方法，旨在構建從基礎理論到設計實踐的完整知識體系。全書主要內容涵蓋智能控制概述、模糊集合、模糊規則與模糊推理控制、模糊控制與案例分析、人工神經網絡原理，以及神經網絡控制與強化學習概述。本書不僅深入剖析了模糊邏輯、神經網絡、自適應動態規劃等關鍵方法的數學基礎與工作機制，更強調工程實踐，提供了基於MATLAB與Python雙平臺的控制器設計範例與詳細實現流程。本書旨在實現理論深度和實踐價值的統一，可作為自動化、人工智能、智能科學與技術等相關專業高年級本科生或研究生“智能控制”課程的核心教材，同時也非常適合從事智能系統研發的工程師，以掌握智能控制系統從理論推導、算法設計到代碼實現的完整路徑。

本書面向高校人工智能通識教育需求，融合前沿AIGC技術與計算機基礎教育，針對通識教學中技術過深或流於表面的難題，遵循“基礎先行、應用驅動、前沿拓展”的編寫原則。書中圖文深度融合AI輔助生成，是人機協作的生動實踐。全書共9章，分三篇。第一篇(1～4章)築牢根基，從計算機思維過渡到AI思維，重點講解多模態大模型、Python基礎與算法邏輯；第二篇(5～7章)聚焦應用技術，涵蓋深度學習、自然語言處理及視聽智能，剖析核心算法並結合前沿技術；第三篇(8～9章)關注新型應用，闡釋人工智能平臺環境，並以智能機器人為載體探討具身智能。本書主要作為高等院校多學科人工智能通識課以及相關課程教材,也可供人工智能初學者參考。書中配有豐富案例與模塊化教學方案，滿足不同專業背景學生的學習需求。

本書通過具體的案例，循序漸進地講解了計算機視覺和模型調優的相關內容。首先介紹基礎知識，包括人工智能基礎、計算機視覺基礎、圖像基礎和編程基礎相關知識。然後講解傳統計算機視覺和基於深度學習的計算機視覺，如卷積神經網絡等。接著深入探討算法原理，包括卷積、池化、批歸一化、激活函數、殘差結構、全連接、SoftMax等，並提供手寫算法示例。最後介紹了模型在 Python 和 C++中的實際應用以及性能優化技巧，如計算向量化、權值預加載和多線程等。本書內容實用，由淺入深，案例典型，講解通俗易懂，隨書提供全部程序代碼，且代碼注釋詳細，方便讀者理解，並上手實踐。本書非常適合人工智能、機器學習、深度學習、計算機視覺初學者學習使用，也可用作高等院校中相關專業的教材及參考書。

本書以ROS 2核心原理為主線，以機器人開發實踐為重心，在詳細講解ROS 2核心概念、組件工具的基礎上，介紹ROS 2構建仿真/實物機器人系統的方法，剖析ROS 2用於視覺識別、地圖構建、自主導航等應用的方法，配有大量圖表、源碼等，幫助讀者在實現ROS 2基礎功能的同時，深入理解基於ROS 2的機器人開發方法，從而將書中的內容用於實踐。 本書採用最新穩定版本ROS 2系統和全新一代Gazebo機器人仿真平臺，讀者只需準備一台計算機，就可以快速上手學習。同時，本書介紹了實物機器人的搭建方法及相應功能的實現，書中源碼都加入了中文注釋，並針對核心內容提供C++和Python兩個版本。為方便讀者閱讀和學習本書，筆者團隊還專門創建了一個網頁，供讀者下載配套源碼、查看操作指令、學習配套視頻教程。

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！▌本書特色☆機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定☆充分展現出日本書的細膩流暢又簡單清楚☆想了解機器學習又怕被數學公式轟炸的AI小白最適合☆作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射☆懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路☆高中文組數學程度就可以100%看得懂的Python程式☆雖然簡單但十分詳細的公式推導☆L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎☆無監督學習也有詳細說明，K-means和混合高斯模型☆使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

全書分六篇共十四章。第一篇為初識AI，引導學生與AI直接對話，建立第一印象並掌握提示工程核心方法；第二篇為理解計算機，從計算思維、信息編碼到硬件系統，揭示AI運行的底層地基；第三篇為學會編程，以Python為工具，帶領學生從變量、函數到數據清洗，完成編程入門全過程；第四篇為從規則到智能，從代碼中的if-else出發，逐步深入到監督學習、神經網絡與大模型原理，揭示機器從“執行規則”到“自己學規則”的演進邏輯；第五篇為整合應用，聚焦大模型時代的實用技能，覆蓋API調用、提示鏈設計與智能體開發；第六篇為用好AI，專設安全倫理章節，並在最終綜合實踐中引導學生完成一個完整的數據分析敘事項目。本書適合作為普通高等學校人工智能通識、計算機基礎及非計算機專業的信息技術類課程教材，也可供對AI感興趣的社會學習者作為自學入門讀本。

本書特色1.學習目標：每章的最前面都有引言說明學習目標，啟發學習動機。2.圖解說明：以圖文並茂的方式，解說「資料庫」的概念知識。3.課後評量：提供「選擇題」與「問答題」題型，協助讀者課後練習與自我測驗。4.本書主要以SQL Server 2019寫成，可往上、往下相容於2017、2022版本。內容簡介本書依照作者多年的教學與實務經驗，為讀者量身打造一本適合初學者的入門及實作書。內容輔以大量圖形和範例解說，完整說明資料庫系統理論與實作，不僅適合大專院校的課程，也適用於準備國家考試的參考。內容涵蓋資料庫導論、SQL Server的安裝與環境介紹、關聯式資料庫、ER Model實體關係圖、資料庫正規化、關聯式模式的資料運算、結構化查詢語言SQL、SQL的查詢語言、合併理論與實作、檢視表、預存程序、觸發程序。並進一步介紹Python如何連接SQL Server資料庫來學習SQL指令，以及整合SQL Server資料庫開發員工銷售系統。

內容介紹: 用自己的電腦也能從零開始建構 LLM 模型！LLM 的參數真的非常多~ 動輒就數千億個參數，一般家用電腦是跑不動的；再加上 LLM 模型架構、注意力機制的運作都非常複雜，要深入理解也有不小的門檻。★ 機器學習專家 Sebastian Raschka 特別規劃了一整套的教練式教學，透過較小型的資料集，讓您能在一般電腦上跟著步驟實作，並逐步理解大型語言模型的架構與技術！- 本書涵蓋了建構 LLM 的完整過程，包括處理資料集、實作模型架構、注意力機制、使用無標籤的資料進行預訓練，以及針對特定任務的微調技術 (分類任務微調與指令微調)。- 書中每一步驟都有清楚的文字、圖解和程式範例，帶著你從零開始撰寫一個基礎模型，並將其進化為文本分類工具，最終創建一個能夠理解並回應對話指令的聊天機器人。★ 經驗豐富的開發者與初學者，都可以學習到如何一步步建構一個 GPT，掌握創建 LLM 所需的基本概念與實作技巧！- 如果是具備基礎機器學習知識、中階 Python 技能的讀者，作者提供了許多額外資源，包含完整程式碼範例 (GitHub 儲存庫)、參考文獻與延伸閱讀 (像是如何應用更大規模的模型參數)、優化訓練迴圈與進階的 LoRA 微調方法，讓您可以再進一步深入學習，持續往專家邁進！- 對於初學者來說，作者在附錄中有提供 PyTorch 基礎知識與安裝解說，而小編則在內文中適當添加註解，幫助讀者能更好地理解內容。另外，旗標更準備了 Colab 線上資源，讓您理論、實作都能暢通無阻。就算是程式語言小白，初入門也能無痛學習、打好 LLM 的基礎~一起提前起跑，搶佔 LLM 理論知識與 GPT 模型實作的先機，為自己投資一個無限的未來！本書特色: 「親手實現LLM，就能破解AI落地應用的層層關卡！」——溫怡玲｜人工智慧科技基金會 執行長▌專業推薦 ▌林筱玫｜台灣人工智慧協會 執行長 馬偉雲｜中央研究院 資訊科學研究所 副研究員郭興安｜永豐餘投控 資安長暨元信達資訊 總經理黃逸華｜美商WSP集團 臺灣區分公司 策略長蕭安助｜和碩聯合科技 人工智慧發展處 副總經理● 長年 4.5 顆星好評並翻譯成多國語言的暢銷書《Python Machine Learning》作者 Sebastian Raschka 又一最新力作 ● 本書於 Amazon 上獲 4.7 顆星好評

https://youtu.be/1n0pVNYezCg 【書籍簡介】 Apple Silicon 的統一記憶體，讓一台 Mac 就能執行過去要靠多張顯示卡才載得動的模型。 全書 25 章的操作、指令與畫面，都在 Mac 上實際執行過。 －128GB 統一記憶體全部可當 GPU 記憶體，單機載入 100B 級模型。 －Ghostty、Homebrew、uv 建好環境，Tailscale 與 macmon 遠端使用與監控。 －Ollama、Open WebUI、LM Studio、llama.cpp 四套推論工具實際操作一遍。 －四個方案同條件量測速度與記憶體，並與雲端 API 及 CUDA 主機對照。 －mlx-lm 直接使用 MLX 框架，從命令列、Python API 到相容伺服器。 －量化原理講清楚，實作 DWQ、AWQ、GPTQ 與 dynamic_quant。 －推測式解碼、量化 KV 快取與 prompt 快取，同一個模型輸出更快。 －mflux、Draw Things、ComfyUI 生圖，實測 FLUX.2、Z-Image 與 Wan 2.2。 －mlx-whisper 轉寫、Kokoro 與 Qwen3-TTS 合成、MusicGen 與 ACE-Step 作曲。 －mlx-vlm 與 FastVLM 看圖看影片，AnythingLLM 與 LightRAG 讀自己的文件。 －Claude Code、goose 接地端模型，sandbox-exec 與 Apple container 隔離。 －Foundation Models framework 呼叫系統模型，exo 與 MLX 分散式組叢集。 －mlx_lm.lora、mflux-train、mlx-lm-lora 微調，nanochat-mlx 從零預訓練。 適合手上已經有一台 Apple Silicon Mac，想把它當成地端 AI 主機使用的開發者與研究者。

https://youtu.be/1n0pVNYezCg 【書籍簡介】 Apple Silicon 的統一記憶體，讓一台 Mac 就能執行過去要靠多張顯示卡才載得動的模型。 全書 25 章的操作、指令與畫面，都在 Mac 上實際執行過。 －128GB 統一記憶體全部可當 GPU 記憶體，單機載入 100B 級模型。 －Ghostty、Homebrew、uv 建好環境，Tailscale 與 macmon 遠端使用與監控。 －Ollama、Open WebUI、LM Studio、llama.cpp 四套推論工具實際操作一遍。 －四個方案同條件量測速度與記憶體，並與雲端 API 及 CUDA 主機對照。 －mlx-lm 直接使用 MLX 框架，從命令列、Python API 到相容伺服器。 －量化原理講清楚，實作 DWQ、AWQ、GPTQ 與 dynamic_quant。 －推測式解碼、量化 KV 快取與 prompt 快取，同一個模型輸出更快。 －mflux、Draw Things、ComfyUI 生圖，實測 FLUX.2、Z-Image 與 Wan 2.2。 －mlx-whisper 轉寫、Kokoro 與 Qwen3-TTS 合成、MusicGen 與 ACE-Step 作曲。 －mlx-vlm 與 FastVLM 看圖看影片，AnythingLLM 與 LightRAG 讀自己的文件。 －Claude Code、goose 接地端模型，sandbox-exec 與 Apple container 隔離。 －Foundation Models framework 呼叫系統模型，exo 與 MLX 分散式組叢集。 －mlx_lm.lora、mflux-train、mlx-lm-lora 微調，nanochat-mlx 從零預訓練。 適合手上已經有一台 Apple Silicon Mac，想把它當成地端 AI 主機使用的開發者與研究者。

本書是一本面向工業智能化轉型的實戰型教材，結合邊緣計算系統的特點和運作方式，採用“基礎-進階-提高”三階遞進式架構，通過真實工業案例，系統講解邊緣計算技術和應用。基礎篇(項目1、項目2)重點講解工業現場層設備接入技術，包括PLC、傳感器等工業設備通過邊緣網關實現數據采集與協議轉換的方法；進階篇(項目3、項目4)深入邊緣計算的核心能力，通過Python腳本開發，實現數據聚合、規則告警等本地化處理，並建立與雲平臺的協同機制；提高篇(項目5、項目6)聚焦AI邊緣化應用，部署輕量化算法模型，實現作業安全監控、設備預測性維護等智能場景，最終構建完整的“雲-邊-端”協同解決方案。全書收錄的製造業真實案例，符合工業互聯網產業聯盟相關技術標準。本書可作為高職高專院校工業互聯網、物聯網、機電一體化、自動化、計算機類等相關專業及技術培訓的教材，也可作為工程技術人員的自學或參考用書。

線上市場，「消費者足跡」有學問！Google Analytics解讀網站數據帶您擬定策略和方法！*在網路流量的時代，我們需要一個最好的數據分析工具，以做出最有效的商業決策。*行銷演算法(MarTech)為各族群的消費者量身訂做適合他們的銷售手段。無論您是正要去市場裡求職的行銷人員，又或者是想發展網路市場的高階主管，甚至是還在求學的學生，學會使用GA無疑是個必經之路。在智慧型裝置普及的世代，線上市場成為時下最新的潮流。不論是販賣商品的廠商、提供服務的服務業，或是傳遞知識與資訊的部落客、網路紅人，掌握線上消費者的流量與數據、發揮網站的最大價值，都將是致勝的關鍵。Google Analytics 從2012年發展至今已橫跨超過十年，擁有廣泛的使用者，是功能強大且操作方便的分析工具。本書按步驟介紹，從如何將GA替我們收集到的網站數據提取出來、運用行銷演算法(MarTech)，到透過Python 程式語言自己撰寫預測演算模型，透過分析結果，輔助行銷策略的制定。

APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」。APCS考試類型包括：觀念題及實作題。觀念題是以單選題的方式進行測驗，考試重點在於程式設計概念、解決問題的運算思維或理解演算法的基礎觀念。在程式設計實作題可自行選擇以C、C++、Java、Python撰寫程式，本書的實作題程式是以C語言為主。本書會以C語言的語法架構為主，並根據APCS公告的觀念題及實作題，分別安排到各章的主題之中，主要目的就是希望讀者在學習完某一特定主題後，可以馬上測試相關的APCS觀念題，如此的安排更可以幫助各位讀者學以致用，清楚掌握考試的重點。本書結合運算思維與演算法的基本觀念，並以C語言來實作，為了降低讀者的學習障礙，本書範例都是完整的程式碼，以實作來引導觀念，全書程式都已在DEV C++的環境下正確編譯與執行。期許本書能幫助各位具備以C語言設計程式的基本能力，並完全具備應試APCS的程式設計實作能力。

https://youtu.be/wXkyKiU9eu0 「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」 ◼ 建立穩定的開發與資料處理基礎 從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。 ◼ 將 Python 程式轉化為可操作的動態 APP 比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。 ◼ 完成 Hugging Face Spaces 部署與除錯 掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。 ◼ 理解開源模型、微調與量化技術 認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。 ◼ 串接知識庫、通訊工具與跨平台工作流 實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。 專業推薦 (排名不分先後) 國立中山大學物理系─莊豐權特聘教授 欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦 綠先農業科技國際股份有限公司─張靜雯經理 伽碩職訓中心─郭明洽執行長 嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授 元大─陳尚瑋副理 數位行銷顧問─佘昀 永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜 永達保經─李雅雯經理

https://youtu.be/wXkyKiU9eu0 「從模型到介面，從部署到串接，打造可操作、可擴充的語言模型應用」 ? 建立穩定的開發與資料處理基礎 從 Google Colab、Anaconda、Jupyter Notebook 到 Pandas，掌握 CSV、Google Sheets 與多種資料格式的讀取、整理與比對。 ? 將 Python 程式轉化為可操作的動態 APP 比較 Gradio、Streamlit、Tkinter 與 CustomTkinter 的介面特色，實作股價資料查詢與財報 RAG 應用。 ? 完成 Hugging Face Spaces 部署與除錯 掌握 requirements.txt、README、Secret、API Key、套件版本管理，以及常見平台部署流程。 ? 理解開源模型、微調與量化技術 認識 Llama、ChatGLM、TAIDE、Breeze、Qwen、Yi，並掌握 SFT、LoRA、QLoRA、模型量化、RLHF、PPO 與 DPO 的微調核心概念。 ? 串接知識庫、通訊工具與跨平台工作流 實作 RAG、AnythingLLM、MAKE、Line Bot、Google Sheets、Telegram、Claude API 與 MCP，延伸模型的查詢、推播與任務串接能力。 專業推薦 (排名不分先後) 國立中山大學物理系─莊豐權特聘教授 欣榮藝術行銷有限公司 執行長、吾料音樂創造工作室 創辦人─侯沛罧 敬薦 綠先農業科技國際股份有限公司─張靜雯經理 伽碩職訓中心─郭明洽執行長 嘉南藥理大學人工智慧與多媒體應用系─蘇致遠教授 元大─陳尚瑋副理 數位行銷顧問─佘昀 永義房屋高鐵自由加盟店 店長 / 第21 屆金仲獎楷模─王靚瑜 永達保經─李雅雯經理

本書以MySQL數據庫管理系統為教學平臺，以數據庫應用系統的生命週期為線索，從數據庫的應用與開發角度出發，介紹了關系數據庫在應用過程中所需要的知識和技能。本書以“電商數據庫”為案例，貫穿數據庫應用系統生命週期中的需求分析、設計建模、構建部署、應用開發、優化運維全過程，通過“項目-任務-子任務”三級結構組織內容，方便開展遞進式學習和模塊化教學。本書分為三大部分，第一部分六個項目，覆蓋了數據庫應用系統生命週期五個典型階段的知識和技能，其中應用開發階段內容較多，故用兩個項目來進行學習；第二部分通過一個實戰項目，進行Java、Python、.NET等典型語言環境下數據庫的應用學習和實踐；第三部分通過一個拓展項目幫助讀者學習SQLite嵌入式數據庫的應用，為在個人或輕量級團隊創業、快速原型驗證、軟硬結合項目、智能移動終端開發等場景下的應用打好基礎。本書可作為高職高專院校、職業本科院校、應用型本科院校數據庫技術及應用課程的教材，也可作為自學者的參考書。

從傳統銀行到虛擬資產，洗錢風險無所不在。在全球法遵壓力升溫下，企業與金融機構迫切需要更精準的智能查核工具。本套書整合 ICAEA 國際電腦稽核教育協會認證之兩冊教材，聚焦「盡職調查與黑名單偵測」與「拆單與規避申報查核」兩大主題，搭配 JCAATs AI 智能稽核軟體與案例演練資料，協助讀者全方位強化 AML 查核能力。內容涵蓋黑名單偵測、拆單交易、規避申報、人頭戶洗錢、提現為名轉帳為實等高風險行為的 AI 查核技術，結合大數據分析、模糊比對（Fuzzy Join）、文字探勘與機器學習（ML）模型，提升異常識別效率與監控精準度。JCAATs 為 Python-Based 新世代 AI 稽核工具，支援七國語言與直覺式介面，內建近百項智能查核指令，包括模糊比對、拆單偵測（SPLIT）、風險預測分析等，操作簡易，實務導向，適用於數位轉型下的查核需求。本套書由 ICAEA 國際查核顧問團隊編撰，適用於會計師、內部稽核、監管機關、AML 合規與風控人員。讀者可申請 JCAATs 教育試用版授權，搭配演練快速上手，實現法遵數據化與查核智慧化轉型！◎代理經銷 白象文化

本書旨在向讀者交付有關深度學習的交互式學習體驗。書中不僅闡述深度學習的算法原理，還演示它們的實現和運行。與傳統圖書不同，本書的每一節都是一個可以下載並運行的 Jupyter記事本，它將文字、公式、圖像、代碼和運行結果結合在了一起。此外，讀者還可以訪問並參與書中內容的討論。全書的內容分為3個部分：第一部分介紹深度學習的背景，提供預備知識，並包括深度學習最基礎的概念和技術；第二部分描述深度學習計算的重要組成部分，還解釋近年來令深度學習在多個領域大獲成功的卷積神經網絡和循環神經網絡；第三部分評價優化算法，檢驗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編程或附錄中描述的線性代數、微分和概率基礎。

APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」。APCS考試類型包括：觀念題及實作題。觀念題是以單選題的方式進行測驗，考試重點在於程式設計概念、解決問題的運算思維或理解演算法的基礎觀念。在程式設計實作題可自行選擇以 C、C++、Java、Python 撰寫程式，本書的實作題程式是以C++為主。本書會以C++的語法架構為主，並根據APCS公告的觀念題及實作題，分別安排到各章的主題之中，主要目的就是希望讀者在學習完某一特定主題後，可以馬上測試相關的APCS觀念題，如此的安排更可以幫助各位讀者學以致用，清楚掌握考試的重點。為了降低讀者的學習障礙，本書範例都是完整的程式碼，以實作來引導觀念，全書程式都已在DEV C++的環璄下正確編譯與執行。期許本書能幫助各位具備以C++的程式設計基本能力，並完全具備應試APCS的程式設計實作能力，筆者相信經過本書的課程安排及訓練後，各位已紮實地培養了分析題目、提出解決方案及以C++設計程式的實作能力。

從A/B測試、通用啟發法、吃角子老虎機演算法，到貝氏最佳化「網頁搜尋、社交網路、手機app，它們每天都在最佳化！這種概念對許多今後要進行數位化的產業來說不可或缺，也會從根本改變我們在行銷、產品開發和設計的思維。即使不是理工背景，也請從內容感受基於資料的最佳化世界的氛圍。」-東京大學研究所工學系研究科 人工智慧工程研究中心／技術經營戰略學專攻 教授 松尾豐只要是網路服務相關開發人員，都無法迴避此課題：提供更好的使用者體驗。本書介紹如何定量評估及改善使用者行為，以達成網路服務的成長。本書從簡單的A/B測試開始，介紹線性模型、通用啟發法、吃角子老虎機演算法、貝氏最佳化，以及機器學習的各種知識，帶您了解如何用數學方式解決網站最佳化這個現實中的問題。透過Python範例程式碼與圖表解說的數學模型，仔細解釋機器學習和統計的基礎知識，對於想了解網站最佳化方式與機器學習基礎知識的讀者來說，本書是最適合的選擇。

AI編程Agent正在重塑軟件開發方式，而Claude Code是其中最具代表性的一個。本書是面向開發者的Claude Code入門與實戰指南，著力構建智能體時代可長期複用的工程工作流，而非羅列易變的命令與界面細節。全書分為五篇。入門篇帶讀者跑通對話式編程，講透需求表達、Superpowers專家級工作流、對話執行流，以及用CC Switch自由切換國產模型；熟練篇聚焦上下文管理、CLAUDE.md 項目長期記憶、調試與糾偏，以及Git版本控制的應用，把"能用”變成"用得穩”；精通篇深入大任務拆解、基於OpenSpec的規格驅動開發、代碼重構、測試與文檔，讓判斷力決定交付質量；擴展篇突破單實例天花板，系統講解自定義命令與Hook自動化、MCP連接工作世界、Skills與子Agent協同作戰；實戰篇則以Python CLI工具、iOS App、Web應用、Agent開源項目、日常辦公五個端到端案例，完整還原前四篇方法論在真實交付中的樣子。本書堅持實戰導向，每個概念都配以可複現的代碼、命令或對話示例，並用"對話即開發環境”"上下文是有限資產”"分解是新編程”"工具是神經末梢”"人負責判斷、AI負責執行”五個心智模型貫穿始終。示例代碼以Java為主，兼顧TypeScript與Swift。內容覆蓋Claude Code、AI編程、編程Agent、MCP、Hook、子Agent、Superpowers、OpenSpec、上下文管理、規格驅動開發、代碼重構與測試驅動開發等核心主題。

本書循序漸進、深入系統地講解了強化學習的核心原理、主流算法與工程實踐，內容豐富、層次清晰、通俗易懂。全書共12章，涵蓋從基礎知識、經典算法，到深度強化學習、策略優化方法，再到離線強化學習、模型強化學習、多任務與多智能體系統等前沿內容。書中不僅詳細介紹了Q-learning、DQN、PPO、TRPO、GRPO等算法的原理與推導，還配套了多個完整實戰案例，如Atari遊戲、CartPole平衡控制、迷宮導航系統、機械臂抓取、多智能體博弈等，幫助讀者快速掌握從算法理解到項目落地的全流程技能。本書語言簡潔直觀，圖文結合，配有大量實戰項目和訓練結果分析，同時覆蓋了市面上同類圖書較少涉及的內容，如強化學習在大模型中的新應用(GRPO)、元強化學習的系統構建，以及工業級多智能體訓練框架，極具實用性與前瞻性，是學習強化學習開發技術與實戰應用的理想工具。本書適合具有Python基礎、瞭解機器學習或深度學習初步知識的讀者閱讀，尤其適合人工智能開發者、AI工程師、機器人研究人員、自動化系統設計者，也可作為高校人工智能相關專業的教材或教學參考書，以及企業培訓課程的技術參考資料。

本書立足於高性能裝備設計的理論前沿，以界面微觀形貌的表徵為邏輯起點，深度融合了Persson多尺度接觸力學理論、功率譜密度分析方法及跨尺度數值分析技術，旨在揭示複雜工況下機械界面從微觀力學響應到宏觀系統功能映射的內在機制。本書重點論述了多尺度接觸力學的理論體系，詳細介紹了基於分形幾何的表面特徵提取方法，提出了牽引式傳動界面的零自旋設計理論與母線重構設計方法，並構建了基於特徵矩陣的HMCVT構型綜合設計分析體系；同時，針對工業領域關鍵的流體密封問題，本書系統展示了軌道球閥跨尺度密封性能的數值預測模擬與校驗過程。本書將理論模型、計算算法與工程實踐緊密結合，不僅包含了詳盡的數學模型推導，還使用基於Python開發的接觸比壓重構、形貌功率譜分析等實用研究工具，並結合大量試驗數據進行了實證分析。本書可供從事機械動力傳動、精密密封設計及界面力學分析的科研人員與工程技術人員參考，也可供高等院校機械工程、車輛工程及相關力學專業的在校師生參考。

☆好評熱銷再上市☆★ ML 最強套件 scikit-learn ? 經典演算法，帶領你徹底攻略所有 ML 必備理論與實踐技能！ ★機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以 Python 3 為基礎，使用 scikit-learn 解決實際問題。全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析 ? 資料獲取 ? 模型建構 ? 推斷 ? 演算法評估，讓你理論與實踐技能一次學會，輕易上手。本書特色ML 的最佳參考書，scikit-learn 的最紮實實戰應用，亦為深入 AI 技術的優良基礎！● 機器學習概述● 資料特徵提取● scikit-learn 估計器分類● 單純貝氏分類● 簡單線性迴歸到多元線性迴歸● k 近鄰演算法分類● 線性迴歸到邏輯迴歸● 非線性分類與決策樹迴歸● 決策樹到隨機森林● 感知機到支持向量機● 從感知機到類神經網路● 主成分分析降維

這是一本專為網絡工程師、運維開發人員及AI技術愛好者打造的實戰指南，旨在幫助其掌握如何利用大語言模型（LLM）提升網絡運維的智能化水平。本書以LangChain這一強大的Python框架為核心，結合在線LLM（如ChatGPT）和離線LLM（如LLaMA 3.2），詳細講解AI在網絡配置、故障排查、自動化運維等場景中的落地應用，同時兼顧國產網絡設備廠商及國產LLM（如DeepSeek、Qwen）的遷移和拓展。 本書亮點：LangChain實戰，深入解析LangChain各模塊，教你如何高效集成LLM，構建智能運維工具鏈；在線LLM與離線LLM相結合，既涵蓋基於ChatGPT的雲端AI應用，也詳細講解如何在本地部署LLaMA 3.2等開源模型，還探討DeepSeek、Qwen等國產LLM，滿足不同的安全與性能需求；RAG技術，利用外部知識庫提升LLM的準確性，從而在網絡運維中提供更精准、高效的解決方案；MCP策略，通過任務分解與多模型協作，優化複雜網絡問題的處理流程；真實案例驅動，涵蓋網絡配置生成、日誌分析、故障診斷等典型場景，提供可複現的代碼示例。無論你是希望提升運維效率的網絡工程師，還是渴望探索“AI+網絡跨界應用”的運維開發人員或 Al技術愛好者，本書都將為你打開一扇通往AlOps的大門，並通過理論與實踐的結合，讓你快速掌握LLM技術，將其轉化為實際生產力!

★☆★深度學習暢銷好書2025全新改版★☆★本書專為想掌握深度學習核心概念卻不希望陷入繁瑣數學推導的讀者而設計，以「以程式設計取代定理證明」為宗旨，透過實作引導理解，縮短學習曲線，提升學習趣味與成就感。內容著重於演算法的觀念理解，輔以大量圖解說明，捨棄冗長的理論鋪陳，讓讀者能夠輕鬆掌握深度學習的核心原理。全書提供完整範例程式與多種演算法的實務應用，強調實用性與延伸性，期盼能激發讀者靈感，將所學應用於實際專案或產品開發中。本次改版翻修實作的範例程式，並新增更多應用實例及演算法說明，例如Transformer、Diffusion Model等。《深度學習最佳入門與專題實戰：理論基礎與影像篇》內容包括：深度學習導論、神經網路原理、TensorFlow 基礎操作、物件偵測、生成式 AI、生成對抗網路、擴散模型等，全面涵蓋深度學習的基礎知識與影像應用領域。適合讀者?深度學習的入門者：必須熟悉Python 程式語言及機器學習基本概念。?資料工程師：以應用系統開發為職志，希望能應用各種演算法，進行實作。?資訊工作者：希望能擴展深度學習知識領域。?從事其他領域的工作，希望能一窺深度學習奧秘者。