Python

“終於出了一本以Java實作資料科學應用程式的書，且它還討論到機器學習所需的線性代數與統計。這本書是Michael Brzustowicz在這個領域中經驗的精華，我強力推薦”。-Terence Parr舊金山大學分析學院創辦人、ANTLR解析產生器創建者資料科學因R與Python而蓬勃發展，但Java為今日的資料科學應用帶來堅實、方便與擴展性。Java軟體工程師可透過本書循序學習資料科學技能。作者

本書編寫時配合的硬體設計環境採用料多實在的KTM-600plus嵌入式開發平台，搭配KTM-600多功能開發平台，嵌入的系統為免費的作業系統Raspbian，並應用Python程式語言，展現樹莓派(Raspberry Pi) 各部分功能以及應用實例，是一本讓微電腦應用實習教學與應用更有效率的教材，也是學習KTM-600plus嵌入式系統的快速自學參考書。 全書共有以下八章： 第1章介紹設計環境

歡迎光臨普格碼！拿起指南，你也可以遨遊程式的奇幻世界。程式學習就從這本開始！讓你迅速認識4大類7種程式語言：Scratch/Python/Haskell/HTML/CSS/JavaScript/Java+Arduino一起修練入門魔法，奠定初級程式能力基礎！ 科技越來越進步，機器越來越「聰明」。當你正閱讀這行文字時，數以百萬計的程式也在世界上悄悄運作著。這個時代，我們更該學會駕馭電腦，而不是被電腦

人工智慧時代來臨，必須學習的新技術輕鬆學會「深度學習」:先學Keras再學TensorFlow★成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。★應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。★實作快速上手：只需Python基礎，本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。Tensorflow功能強大

本書簡介本書主軸在於使用聯發科技創意實驗室（MediaTek Labs）的物聯網開發板―LinkIt Smart 7688／7688 Duo，並在各章節中以多個範例來介紹其在物聯網的各種應用與互動。您會學到各種不同類型的資料通道、上傳／下載機制以及事件觸發方式。本書系列文章將以Arduino IDE搭配Node.js與Python來開發各種互動聯網專題。本書特色本書除了介紹聯發科技的7688 Du

 圍繞三大主線：神經網路、智慧推理、矩陣計算 提供豐富案例：近25個經典的演算法講解 解剖具代表性的演算法：Scikit-Learn、OpenCV、Theano 本書以機器學習原理和演算法編碼學習為主，內容分二大主線：單個演算法的原理講解和機器學習理論的發展變遷。演算法除包含傳統的分類、聚類、預測等常用演算法之外，還新增深度學習、貝氏網、隱馬克夫模型等內容。每個

《信號與系統》不僅是一本教科書，更是一趟橫跨數學、工程與藝術的深度旅程。它融合嚴謹的理論基礎與實務應用，從自然現象的建模到人造系統的設計，帶領讀者以邏輯與美感兼備的視角，理解這個世界如何透過「信號」與「系統」彼此連結與運作。 本書由淺入深，逐步建立讀者對信號與系統的完整認知，涵蓋內容廣泛且深入，包括：樂高般可組合的基本函數、連續與離散時間系統的性質、LTI 系統的建模、傅立葉與拉普拉斯轉換、數位取樣、濾波器設計，以及在無限維度希爾伯特空間中的頻譜解析。這些理論不僅涵蓋信號處理領域的核心概念，也為深入機器學習、電腦視覺、生醫工程、通訊技術等應用領域奠定堅實基礎。 書中以豐富的比喻與實例，將抽象概念具象化：阿爾罕布拉宮的幾何對稱激發數學美感；羅傑‧潘羅斯的視覺幻象帶出不可能的結構之思；音樂的和聲則引導讀者感受複指數函數的頻率美學。這些設計不僅啟發思考，更讓艱深的內容充滿人文與藝術的溫度。 每章節都精心編排，結合理論推導、Python 程式實作與大量範例，讓讀者不僅理解公式，更能實際操作、觀察與驗證。從簡單的時間平移與反轉，到進階的卷積運算與傅立葉轉換，透過實作，讀者將能直觀掌握信號如何變化、如何被解構與重建。

自ChatGPT上市滿週年以來，其熱潮未見減弱，OpenAI官方更積極拓展其應用範圍，推出了Plugins與GPTs等服務，進一步豐富ChatGPT的使用場景。這些創新的大型語言模型（LLM）應用，正在逐步轉變我們的軟體操作方式，將自然語言作為輸入介面，以生成的內容作為輸出回應。舉例來說，僅需輸入「明天10點安排業務會議，並通知相關人員」，LLM應用即可自動完成會議的建立與相關通知。這種方式，無疑是人類溝通中最為自然的模式。面對如此劃時代的變革，我們迫切需要適當的開發指導與策略。 本書旨在提供此類指南，專門解析目前市場上兩大主流的LLM應用開發框架—LangChain與Semantic Kernel。無論您是Python或.NET的開發人員，都能從本書中獲得寶貴的知識與技能。除此之外，本書還特別介紹了當前最受企業青睞的知識庫應用架構—RAG實作，以及提示工程的視覺化工具，每個主題都配有專章詳細介紹與實作教學，旨在為讀者提供全面而深入的學習體驗。 本書特色 1.首本涵蓋LangChain與Semantic Kernel框架教學指南在人工智慧領域，ChatGPT已成為不可忽視的焦點。雖然市場上有許多書籍從探討Prompt提示的調用出發，但真正深入探討如何整合外部系統或進行複雜Prompt提示的資料卻寥寥無幾。本書將填補這一空白，專注於兩大主流開發框架：LangChain與Semantic Kernel，為讀者提供深入指南。 2.內容涵蓋向量資料庫、RAGRAG是目前企業打造知識庫LLM應用的首選架構，其技術層面涵蓋向量、詞嵌入、提示工程，本書一一拆解為讀者提供詳細的RAG設計過程與實作。 3.提示流程視覺化工具提示流程視覺化工具是一種開發工具，目的在簡化由大型語言模型（LLM）提供之 AI 應用程式的整個開發週期。可簡化原型設計、實驗、反覆運算和部署 AI 應用程式的程式。本書手把手教學，甚至可以實現零程式碼建造LLM應用。適合非專業開發者使用。 4.本書適合的「讀者族群」a.想瞭解如何使用LangChain與Semantic Kernel的開發者b.想瞭解向量資料庫與RAG架構的開發者c.想瞭解Prompt提示工程視覺化設計的使用者d.想瞭解在企業面如何整合ChatGPT導入應用的技術主管 專業推薦

從零開始帶你了解雲端運算的組成！ 本書主要是針對雲端運算的從業人員所編寫的入門教材。內容以 AWS Academy 所提供的 AWS Academy Cloud Foundations 教材為主，並提供額外的練習實驗；主要的程式語言會以 Python 來示範，使用者可以在自己的帳號下完成，或是利用 AWS Learner Lab 學習帳號下完成。本書將內容規劃成5個部分，從零開始帶你了解雲端運算的組成，透過每個單元的實作讓你一步一步完成這份專案。 ● AWS 學習地圖：說明 AWS 專業證照的學習路徑。 ● 雲端運算概念：包含雲端運算簡介、成本、AWS 基礎設施與雲端安全責任共擔模型。 ● AWS 核心服務：介紹雲端網路配置、運算服務、儲存種類與資料庫等。 ● 雲端運算架構與監控：雲端運算架構設計原則，如何進行自動擴縮與監控。 ● AWS 認證與勳章：如何透過 AWS Academy 取得半價優惠券，準備考試練習與如何結合社群網路讓公司看到學習成效。 本書適合的「讀者族群」 ☑ 大專院校內雲端運算相關課程的學生 ☑ 擔任公司內部部署 IT 或雲端，但對 AWS 雲端不熟悉的人 ☑ 想在 AWS 雲端中探索職業生涯的人 ☑ 想考 AWS 雲從業人員認證（AWS Certified Cloud Practitioner）的人 ◇筆者 Github 專案網址◇ ｜https://github.com/yehchitsai/AWS_ACF｜

SAP是目前企業使用最普遍的ERP系統，其由R3版到目前最新版的HANA版，數以萬計的Table不容易熟悉與了解，致查核人員對SAP常有「不知從何開始查核的疑慮」。傳統稽核方式只能找到冰山的一角，唯有改變傳統無效的查核方式，方能確保查核的有效性，事先偵測冰山下的風險。AI人工智慧稽核技術快速發展，將先進的AI資料分析技術應用於銷售資料分析性的查核，可有效協助廣大使用SAP ERP系統的企業，善用資料分析與智能稽核，快速掌握風險，提升價值。 本講義經國際電腦稽核教育協會(ICAEA)認證，由具備國際專業稽核實務顧問群精心編寫，檢附完整實例演練資料，並可申請取得AI稽核軟體JCAATs教育版，讓學員以實務案例上機操作，充分學習如何運用AI人工智慧銷售資料分析技巧協助SAP ERP查核，快速找出異常掌握風險，提升工作成效。 JCAATs 為Python-Based AI新世代的通用稽核軟體，具有更多的AI人工智慧功能包含機器學習、文字探勘及OEPN DATA連結器等，讓稽核工具的使用從傳統的大數據資料分析，升級到AI人工智慧新稽核。歡迎會計師、稽核、財會、管理階層、大專院校師生及對智能稽核等有興趣的專業人士，加入智能稽核(Smart Audit)行列共同交流與學習。◎代理經銷 白象文化

文字探勘技術（Text Mining）與自然語言處理（NLP）被美國麻省理工學院（MIT）評選為未來十大最重要的技術之一，傳統合約查核對法務或稽核人員來說是一項耗時且耗人力的工作。然而，隨著AI人工智慧技術的快速發展，AI合約審查機器人能夠提供智能審查，提升審查效率和效果，避免合約控制失效所帶來的停工或違約損失裁罰等重大營運風險。 本講義經國際電腦稽核教育協會(ICAEA)認證，由具備國際專業稽核實務顧問群精心編寫，檢附完整實例演練資料，並可申請取得AI稽核軟體JCAATs教育版，讓學員以實務案例上機操作，充分學習如何結合AI人工智慧文字探勘技術快速辨識PDF 文字、PDF 上表格資料或透過OCR(光學字元辨識)對PNG 等圖檔格式進行文字辨識相關的合約文字。 JCAATs 為Python-Based AI新世代的通用稽核軟體，具有更多的AI人工智慧功能包含機器學習、文字探勘及OEPN DATA連結器等，讓稽核工具的使用從傳統的大數據資料分析，升級到AI人工智慧新稽核。歡迎法遵、會計師、內稽、各階管理人員、大專院校師生等有興趣的專業人士，加入智能稽核(Smart Audit)行列共同交流與學習。◎代理經銷 白象文化

本書特色1.多元又豐富的年輕化、生活化個案，協助讀者更親近人力資源。(1)「人資聚焦─經理人講堂」：運用章前個案引導觀念，並以問題討論加深思考方向。(2)「人資個案探討」：利用人資相關的實務案例來呼應本書內文，使讀者更能貼近理論意含。2.專欄「人資補給站」：補充相關新知或時事，讓讀者認識人資趨勢。3.附錄「勞工法令幫幫忙」：更新至2022年常用的60個勞工法令問題，協助讀者建立基本的法規觀念。4.各章末「課堂實作」：透過思考演練或分組互動的模式，探討人資相關議題。5.附錄C「離職員工的Python分析」：以離職員工統計為例，結合人資專業與數據分析趨勢。6.豐富圖表代替繁瑣文字，教學、閱讀上更加容易。內容簡介第一，參考美國人力資源認證協會在2018年發表之國際人力資源管理師證照，將整本書依照其最新的人資權重予以調整架構；第二，大幅度更新多元風格的個案，例如：Neuralink草創成員接連出走、星展銀行導入數位徵才、遠程辦公再來一年，福利制度會改嗎、皮克斯的便條日、Z世代年輕人好難帶？、Gamania橘子集團在創業路上一路打怪等，協助讀者更親近人力資源；第三，每章節後課堂實作，讓讀者學習人資相關的技術與遊戲，有助於思考及培養讀者理論與實務的整合力，不僅是未來從事人資工作，或是成為不同部門的主管，都能順利地銜接相關的經驗。人力資源管理的知識傳遞，以及為讀者提供職場實務上的經驗，成為本書在寫作時很重要的核心概念。

帳務舞弊與資金挪用案例頻傳，傳統稽核方式只能找到冰山的一角，唯有改變傳統無效的查核方式，方能確保查核的有效性，事先偵測冰山下的風險。AI人工智慧稽核技術快速發展，將先進的AI資料分析技術應用於帳務與費用的查核，協助組織提升韌性，確保內部控制與公司治理的成效，增加子公司遠端場外監理效能，迎向後疫時代數位轉型的機會與挑戰。 本講義經國際電腦稽核教育協會(ICAEA)認證，由具備國際專業稽核實務顧問群精心編寫，檢附完整實例演練資料，並可申請取得AI稽核軟體JCAATs教育版，讓學員以實務案例上機操作，充分學習如何運用AI人工智慧離群分析技巧協助帳務與費用查核，有效找出高風險項目提升工作成效。 JCAATs 為Python-Based AI新世代的通用稽核軟體，具有更多的AI人工智慧功能包含機器學習、文字探勘及OEPN DATA連結器等，讓稽核工具的使用從傳統的大數據資料分析，升級到AI人工智慧新稽核。歡迎會計師、內部稽核、財會主管及各階管理者等有興趣的專業人士，加入智能稽核(Smart Audit)行列共同交流與學習。◎代理經銷 白象文化

近幾年 ESG 意識抬頭，上市櫃公司 2023年起需要進行溫室氣體盤查與查證資訊揭露，其內容包括溫室氣體直接排放及能源間接排放量。本講義主要以管理者角度，用深入淺出的方式，帶領讀者了解何謂碳邊境關稅及後續發展對成本的差異與影響，透過 Python-Based 的AI稽核工具 JCAATs 內建之OPEN DATA連結器，上機實例演練如何善用 OPEN DATA，將各項公告溫室氣體排放係數，透過人工智慧資料融合技術與資料分析，快速整理出乾淨與可信的內外部 ESG 資料，協助組織進行排放源鑑別分析及碳足跡計算，提升工作效果與效率。 本教材檢附完整實例練習資料，並可透過申請取得 AI 稽核軟體 JCAATs 教育版，充分體驗如何運用 AI 人工智慧協助 ESG 之落實實踐，歡迎會計師、內外部稽核人員、永續報告書專責人員、管理階層、大專院校師生及對ESG落實實踐有興趣深入了解者，共同學習與交流。◎代理經銷 白象文化

【本書特色】 著重PyTorch的實作與應用， 輕鬆進入深度學習與人工智慧領域！ ☛詳細說明深度學習的實作流程，以系統化步驟來處理各式的任務問題。 ☛介紹深度學習原理，實作DNN、CNN、RNN、LSTM、RL各種演算法。 ☛提供完整的程式範例，程式力求淺顯易懂，說明深入淺出。 ☛注重數據集的探索處理，可強化數據分析能力。 【內容簡介】 深度學習是人工智慧的一個分支，相較於傳統的機器學習，深度學習在某些領域中更接近人類智慧，而逐漸走進我們的生活中，常見的應用如人臉辨識、語音識別、智慧駕駛等。 PyTorch是一個開源的Python深度學習函式庫，這個軟體主要由Facebook的人工智慧研究團隊開發，而由於PyTorch的語法簡單，且擁有完善的文件說明，目前已成為開發深度學習的主要框架之一。 本書內容由淺入深，不只對PyTorch進行系統化的介紹，也詳細說明了神經網路、CNN網路、RNN網路及強化學習等主題。本書還安排了18個實習，以PyTorch實作深度學習的各種演算法，經由實作的過程，可有效幫助讀者學習，進入深度學習的世界。 【目標讀者】 ☛對深度學習有興趣的初學者，可讓讀者兼顧理論與實作。 ☛適用於大專院校「深度學習」課程的學生，可作為教師授課之用。 ☛已學過TensorFlow且想再學習PyTorch框架者，可對學習、研究及求職有很大的幫助。 ☛專案設計者、AI工程師、數據分析工程師，也很適合閱讀本書。

《誰說不能從武俠學程式？》破譯武林招式，看懂程式設計！‧郭靖的小紅馬在Scratch裡能任意變色？‧韋小寶加盟天地會誓詞是高階程式語言？‧黃蓉的計算能力比Python還強？‧用費波那契數列就能進入桃花島？以武俠小說的場景為媒介，讓武林絕招和程式設計理論緊密結合。只要你摸過電腦、玩過電動遊戲，熟悉鍵盤和滑鼠的操作，就能讀懂本書的程式邏輯。讀者朋友可以一邊學習編寫程式的基礎知識，一邊跟著範例練習編寫代碼，不但能真正感受到程式設計的樂趣，還能解決生活中很多意想不到的大小問題。本書從用PowerPoint製作基本動畫講起，再進入麻省理工學院開發的入門級動畫軟體Scratch，最後敲開程式設計的利器Python，循序漸進帶領讀者朋友理解程式世界的奧祕，並享受數位科技帶來的樂趣。《誰說不能從武俠學數學？》如果大俠懂數學，就能成為天下第一？‧《笑傲江湖》岳靈珊「屈指一算」就擊敗泰山派高手？‧《倚天屠龍記》張無忌被成崑誤導後就懂「負負得正」？‧《射鵰英雄傳》瑛姑如何用「算籌」開平方？‧《神鵰俠侶》楊過若懂「海倫－秦九韶公式」，就能算出活死人墓的面積？‧《天龍八部》虛竹飛渡峽谷救人前應該先學「相似三角形」？數學不只是生活的算帳工具，舉凡大地測量、工程規劃、汽車製造、飛機設計、導彈防禦、基因研究、疫情控制、金融創新、行銷調查、影視特效、電腦程式設計等領域，都發揮了不可替代的作用，如果沒有數學，這些發展都將停擺。李開周老師將數學知識掰開揉碎，用淺顯易懂的語言，撒進刀光劍影的武俠世界，讓知識能在江湖上載沉載浮，泛起可愛的小泡泡，讓對數學望而生畏的讀者一一戳破，進而感受到數學的用處與趣味。《誰說不能從武俠學化學？》跟楚留香一起上基礎化學課，用屠龍刀破解化學的奧祕！‧世上真有削鐵如泥的倚天劍嗎？如果存在，它的化學原理是什麼？‧蒙汗藥、斷腸散、五鼓斷魂香、含笑半步跌，這些毒藥到底包括哪些化學成分？‧五行陣加八卦陣，不如一個「鈧」的電子排列？‧《俠客行》的石破天和石中玉兄弟，恰好說明了生長環境對同素異形體的影響？‧黃金明明愈純愈軟，用牙齒都咬得出痕，江湖人物為何愛用金刀？我們的生活周遭，不論是植物或動物、海洋或陸地，無論是自然形成的物質，還是人為創造的物體，歸根究柢都是化學，都是化學元素的神奇組合，而那些我們無比熟悉又誘人的武俠故事，正是打開化學之門的最佳鑰匙。《誰說不能從武俠學物理？》物理學說明

【本書特色】 繼台灣人工智慧領域最暢銷著作《TensorFlow+Keras深度學習人工智慧實務應用》之後，大數據分析大師、暢銷名作家 林大貴最新力作《圖解TensorFlow 2初學篇：實作tf.keras + Colab雲端、深度學習、人工智慧、影像辨識》嶄新登場！解決學習TensorFlow 2的障礙，輕鬆進入深度學習與人工智慧領域！ ✪漸進式系統化學習TensorFlow 2 ✪圖解輕鬆理解深度學習與人工智慧 ✪Step by Step實作快速上手 ✪Colab節省訓練模型的時間與金錢 ✪養成深度學習模型直覺式的理解 ✪學會TensorFlow 2的最新技術 ✪學會影像辨識模型從原理到實作 ✪學會訓練深度學習模型的實務經驗 【內容簡介】 TensorFlow 2是最受歡迎的「人工智慧與深度學習」平台，學會了TensorFlow 2，對於你的現有工作提升與未來轉職都有很大的幫助，然而多數人在學習過程中卻遇到了很多困難，而本書能解決學習TensorFlow 2的障礙。 ✪漸進式系統化學習TensorFlow 2 本書是《圖解TensorFlow 2》系列叢書的第一本初學篇，本系列叢書主要是幫助初學者解決進入此領域的障礙，循序漸進有系統地學習「TensorFlow 2與人工智慧、深度學習」，本系列叢書詳細說明於本書序言。 ✪圖解輕鬆理解深度學習與人工智慧 很多讀者都是在百忙之中抽空學習，本書以很多的「圖解」來解說深度學習原理與程式系統的架構圖。由於「一張圖勝過千言萬語」，比起文字的說明，「圖解」更可讓原理易懂且印象深刻。 ✪Step by Step實作快速上手 你只需要有Python基礎，依照本書範例程式碼Step by Step的詳細解說，便可讓你快速學會實作不同的深度學習模型。 ✪節省訓練模型的時間與金錢 本書介紹Google Colab，只需要有Google帳號與瀏覽器，就能夠免費使用GPU訓練模型，加快訓練速度十多倍以上，可節省你採購與安裝顯示卡的昂貴費用。 ✪培養「深度學習模型」直覺式的理解 本書介紹玩TensorFlow Playground理解深度學習的原理。透過實際示範，讓你眼見為憑（有圖有真相），例如：什麼是「神經元」？什麼是「過度擬合」（overfitting）？並了解如何設定超參數等。 ✪學會TensorFlow 2的最新技術 本書介紹Ten

👉👉👉超好評！首版上市累積銷售數千本～ ☝ 感謝讀者熱情支持，再版推出暢銷回饋嘉惠更多朋友 ☝ 好評再上市，回饋發行中！ 專業的投資理財，需要金融知識、資料分析與資訊技術等三者的結合。而具備資訊技術的工程師學習金融理財，只欠東風，藉由本書提供的金融專業與資料分析的方法，將幫助工程師善用程式工具，來學習投資理財。 Python及R語言簡單好用，函數工具與套件齊全，延伸應用廣泛，並且在統計、圖形繪製、網路資料擷取上都很方便。藉由本書118個技巧與案例的逐步演練及說明，再加上工程師本身的資訊技能，學習金融科技理財，如獲降龍十八掌。 在資訊技術逐漸滲入金融領域的同時，傳統的交易與理財工具也不斷的改變與進化。另外，隨著網路的普及，許多的資料與行為數據公開在網路上，可讓使用者分析與取用，形成金融科技應用的一個領域。 本書的第一章先介紹商品，使你對於市面的商品及其應用有初步的認知，接著第二、三章則介紹資料的取得方式，能將資料載入程式中使用。後續的章節內容繼續說明常見的投資商品與應用方式，並加上程式的輔佐應用介紹，最後介紹國內券商的即時報價與下單，可給你基礎的金融交易概念。 【工程師為何要學習理財？】 ◎工程師具備資訊技能，能掌握資訊工具進行數據分析，易於進入量化與自動化的理財領域。 ◎工程師喜歡探索問題，並找出解決方案，透過方法與工具的學習，可找出屬於自己的理財方式，並交由程式執行。 ◎工程師有自己的職能工作，無法像專業操盤手一樣，有很多時間盯盤，交給程式輔助判斷或是自動執行，是最合適的方式。

內容介紹: 【世界發生劇變！銷售 AI 化勢在必行！】AI 議題已經講了好多年，然而絕大多數的企業仍然沿用老路子做生意，亂槍打鳥式的銷售方式也沒甚麼進步。然而時代不同了，既然有 AI 這個好工具為何不用？因為不懂不會所以不知該如何開始？眼睜睜看著 Google、Facebook 靠著 AI 化的銷售技術大賺特賺！其實，AI 不是大企業才能作，中小企業也可以，但不是全面做，而是挑選適合的做。最容易做到且很快就能換成實績的就是行銷、業務的銷售工作，只要利用自身累積的銷售與客戶等資料就行，讓 AI 自動找出其中隱藏的銷售密碼，並直接運用在工作中驗證，這就是本書的主軸：銷售 AI 化，讓機器學習來幫忙。【AI 不是打高空，要落實在工作中】許多工程師學了 AI 技術，卻不知道如何讓技術落地！其實開發以銷售為目的的 AI 並不需要高深的技術，只要用機器學習就能辦到。書中範例使用的都是真實企業產生的工作資料，例如要預測潛在客戶時，可讓 AI 從客戶職業、年齡與過去的銷售實績等資料自動學習，找出資料間的關係建出模型並做出預測，我們就可以對商品或客戶擬定策略去執行計畫。也可以依據過去幾年的每日銷量，考慮節假日的影響，利用 Facebook 提供的時間序列套件去預測未來一段時間的銷量等等。重要的商用實作範例包括：●銷售成交預測●銷量或來客數預測●季節週期性變化預測●推薦商品提案●根據客群制定銷售策略本書由世界 500 大企業 Accenture (埃森哲) 公司的 AI 集團資深總監親自執筆，規劃出開發 AI 專案的標準流程，從選擇適合引入工作中的 AI 開始，一路到訓練資料的取得、資料加工、選擇演算法及建立 AI 模型之後的評估與調整等 9 大步驟。即使沒有開發過 AI 專案經驗的人也不用擔心，只要跟著動手做，就能看到成果。書中的案例會實作監督式學習與非監督式學習中「分類」、「迴歸」、「時間序列」、「關聯分析」、「分群」、「降維」等各種演算法，讓讀者依照問題的類型選擇適用的處理模式。而且每個專案都不馬虎，從頭做到尾一遍一遍演練 SOP，將流程深深印入腦海，熟悉每個步驟之後才能順利應用到自己的專案。【邁向資料科學家之路】書中提供的所有 Python 程式都是可以運用在實務工作上的原型，每個人都可以利用這些原型建出自己想要的機器學習模型。了解如何從實務觀點建立 AI，藉由本

在Hadoo/Spark/Mahout/Tensorflow上跑多機器多片GPU的機器學習 機器學習在神經網路和GPU流行起來之後大放異彩，連販夫走足都CNN/RNN朗朗上口，然而許多企業/研究機關/學校在花了大筆預算購買昂貴的硬體時，卻不知如何採購，更不用說如何應用這些硬體來進行研發或產品開發了。本書作者是知名電商的創辦人，其不止在機器學習上有十足的實務經驗，在面對大量資料的場景下，更能利用前人的智慧，用上了Big Data最流行的Hadoop/Spark平台。尤有甚者，在新一代的AI函數庫面世時，也能充分利用這些函數庫的GPU加速，將多機器，多GPU的資源應用在大型專案上。 ▌業界獨有 全書以Hadoop/Spark為基礎，加上使用了最流行的TensorFlow on Hadoop，更使用了分散式系統最老牌的Mahout，有別於一般只介紹Python/TensorFlow的坊間書籍，是市場上唯一僅有完整從Hadoop一直延伸到神經網路。 ▌內容完整豐富 本書以分散式機器學習為主線，以實戰為主要目的。共分為8章，分別介紹網際網路公司巨量資料和人工智慧、巨量資料演算法系統架構、巨量資料基礎、Docker容器、Mahout分散式機器學習平台、Spark分散式機器學習平台、分散式深度學習實戰、完整工業級系統實戰（推薦演算法系統實戰、人臉辨識實戰、對話機器人實戰）等內容。 適合讀者 適合分散式機器學習的初學者閱讀，對於有一定經驗的分散式巨量資料方向的從業人員及演算法工程師，也可以從書中獲取很多有價值的知識，並透過實戰專案更佳地理解分散式機器學習的核心內容。

不會艱深晦澀、不再高深莫測 你一定能看懂的自然語言處理入門書！ INTRODUCTION TO NATURAL LANGUAGE PROCESSING ♘Java與Python雙實作：圖文並茂！演算法、數學公式、程式碼相輔相成。 ♘探索式學習路徑：循序漸進！從問題、演算法再到範例實作，一目瞭然。 編輯推薦 作者匯集多年經驗，從基本概念出發，逐步介紹中文分詞、詞性標註、命名實體識別、資訊抽取、文字聚類、文字分類、句法分析這幾個熱門問題的演算法原理與工程實作。透過講解多種演算法，比較它們的優缺點與適用場景，同時詳細展示實際專案導向的程式碼，協助讀者真正將自然語言處理（NLP）應用到正式環境之中。 儘管作者目前是NLP領域的翹楚，但他曾是非本科生，對自學入門有親身體驗，深諳初學者的學習痛點。希望透過這本與眾不同的入門讀物，為讀者打開另一扇機會之門，幫助你零起點上手NLP，讓你在通勤時也能把書讀完讀懂！ 隨著本書的學習，你將從普通程式設計師晉級為機器學習工程師，最後進化為NLP工程師。 專家好評 HanLP作者何晗寫的這本書值得一讀。這本書系統性地介紹NLP的基礎技術，深入淺出、容易理解，對初學者助益極大。 周明 微軟亞洲研究院副院長，國際計算語言學會會長 本書不僅介紹NLP的任務及演算法，也提供可以實際執行的線上程式碼，非常適合NLP初學者入門並快速部署到正式環境。 王斌 小米人工智慧實驗室主任、NLP首席科學家

本書提供穩固而札實的實務基礎，讓你有能力解決各種NLP任務。本書涵蓋NLP的各個面向，除了理論基礎之外，更強調實務方面的實作。在解決各種NLP任務時，如果能在實務方面擁有良好的基礎，一定有助於你順利過渡到更高級的理論架構。此外，若能在實務方面有更扎實的理解，也就可以讓你更充分利用特定領域的知識，進而對演算法做出更好的調整。透過本書，您將可以：．了解NLP的概念與各種自然語言處理方法．如何應用Ten

――――超人氣暢銷書《演算法圖鑑》姊妹作，機器學習初學者最佳入門書！―――― 人工智慧時代關鍵能力！深度學習深在哪裡？強化運算思維，建構邏輯概念，一次弄懂深度學習活用之道！ ★ 精闢剖析深度學習發展史，詳述機器學習的基礎知識！★ 完整解說熱門程式語言第一名Python的環境建構和基本語法！★ 圖像化示範TensorFlow和Keras的安裝，開發AI必學必讀！★ 介紹類神經網路

新書上市即攻佔日本亞馬遜統計類書籍第一名很多資料科學、機器學習的書，內容充滿各種建模的技術展示、完美的案例分析，卻忘記了更重要的「資料」。唯有掌握好手中的資料，才是機器學習成功建模的第一步。無法了解資料，深度學習也救不了你；相反的，正確蒐集資料，輕鬆建模沒煩惱。如何了解資料？當然要從統計觀念開始。學習統計一定都要看抽象複雜的數學嗎？並不是！本書所使用的範例，會告訴大家「為什麼統計學要如此定義」、「為什麼技巧要那樣使用」。當讀者了解統計背後的觀念時，才不會迷失在複雜的數學。此外，有別於一般市售書籍總是用漂亮案例展示程式運行結果，此書用相當多的範例都是「專家也會犯的錯誤」，相信讀者同時學習成功以及失敗的案例後，可以更全面地了解資料科學的分析流程觀念。本書會介紹資料分析中的許多技術的基本觀念，如變異數分析、偏相關係數、自相關函數、Bonferroni校正、Holm校正、隨機對照試驗、斷點迴歸分析、傾向評分匹配、T檢定、F檢定、分層多階段抽樣法等，介紹的過程中會直擊分析技術的思維，而非僅展示漂亮的數學。本書亦會說明身為資料科學家該有的素養，來避免確認偏誤、倖存者偏誤、選擇偏誤、發表偏誤、自願者偏誤、可得性偏誤、樂觀偏誤、常態偏誤、後此謬論、賭徒謬誤、辛普森謬論、p-hacking、HARKing、單方論證、霍桑效應、畢馬龍效應等資料分析中可能踩到的陷阱。如果讀者曾經有以下問題，那這本書將是你的最佳解方。● 我想知道怎麼蒐集高品質資料來加速機器學習建模● 我想知道什麼樣的資料適合什麼分析技術● 我想知道分析過程中是否參雜不自覺的偏見● 我想知道分析完的結果代表什麼意思● 我想知道為什麼資料分析可以解決問題此外，中文版還提供免費Python程式下載，讓讀者可以實際演練書中的範例，加深對知識的理解。本書貫通從資料蒐集、資料分析、資料解讀每一個環節的觀念，讓你走上資料科學家的康莊大道！ 本書特色: ● 好評推薦（依姓名筆劃順序排列）國立政治大學統計學系副教授、台灣人工智慧學校講師 吳漢銘 推薦 國立政治大學統計學系助理教授 周珮婷 推薦「資料科學家的工作日常」版主 張維元 推薦國立臺灣大學名譽教授 謝南瑞 推薦● 概念性介紹資料分析的流程，探討過程中所需要的技術，解說分析結果的意義● 拒絕只展示漂亮數學，改變傳統一直寫程式的教學，帶你直擊資料分析流程的根本觀念● 分享

一書搞定：從初始化 LINE 聊天機器人到發送華麗的 FlexMessage！ 從 Heroku 跨足到輕量簡潔的 AWS Lambda！ ●深入淺出的教學，完全了解LINE聊天機器人的運作原理。 ●生動有趣的範例，完全活用LINE聊天機器人的各式功能。 ●勤勞樸實的開銷，完全探索LINE聊天機器人的免費資源。 本書改編自第11屆iT邦幫忙鐵人賽 Modern Web 組優選網路系列文章---《從

國內外最具代表性案例兩大雲端應用、15項分類實例、9大專題實戰自然語言、文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練！從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱

同時收錄Java/C#/Python類似指標的Reference主題 ‧探討C/C++語言指標的基本概念及它與變數、陣列、結構和檔案之間的應用。 ‧同時剖析Java、C#、Python類似指標的Reference主題。 ‧分別以指標和Reference實作鏈結串列、堆疊與佇列、二元搜尋樹、檔案的處理。 ‧針對下列14個主題，分別比較在C、C++、Java、C#、Python等五種語言的寫法: 01

Python語言易於學習，有效率良好的高階資料結構，物件導向程式設計也比Java/C++這類語言簡單，此外，功能還十分強大，Python語言功能強大的原因就在於Python有提供標準程式庫。本書是針對Python 3編纂的程式庫參考手冊，對Python標準程式庫的模組進行類別、方法以及函式之說明，搭配範例，列表成冊，提高參考價值。 本書的重點在於下列這幾個方面的模組：■ 內建函式■ 數學運算■

．進階封包分析技巧，掌握數據來源熟悉度。 ．逐步說明的實戰範例，輕鬆學會網站爬蟲技巧。 ．清楚分類網站類型，系統性了解網站全貌。 ．多語言開發技巧，快速提升程式開發能力。 ．多元開發技巧，節省自行搜尋與研究時間。 本書著重多語言操作應用（Excel VBA、Python、JavaScript）與多解法開發爬蟲程式、網路封包側錄分析、網站資料尋找分析，有別於坊間爬蟲書籍僅以Python作為爬蟲操作語

本書說明目前最流行的Python 爬蟲架構Scrapy，它簡單好用、靈活易擴充、文件豐富、開發社區活躍，使用Scrapy 可以高效率地開發網路爬蟲應用。本書的讀者只需要有Python 語言基礎即可，我們從零基礎、逐步由淺入深說明。全書共14章，系統地介紹Python流行框架Scrapy的相關技術及使用技巧。第1～8 章說明Scrapy 開發的核心基礎部分，重點介紹Scrapy的核心元素，如spid

本書介紹量子電腦與量子計算的理論基礎，並結合IBM Q Experience實作，帶領讀者初步窺探這個嶄新而有趣的領域，迎接「量子霸權」時代的來臨。採主題介紹方式，循序漸進、深入淺出。內容涵蓋量子電腦、量子力學、數學、量子硬體、量子計算、量子演算法等理論基礎，並結合IBM Q Experience進行電路作曲家、Python與Qiskit程式等實作過程，強調理論與實務的緊密結合，實現「

建立智慧系統的概念、工具與技術“這是一本卓越的機器學習資源，有清楚、直觀的解說，以及大量實用技巧。”—François CholletKeras作者，《Deep Learning with Python》作者“這本書詳細介紹以神經網路解決問題的理論與做法；建議想要實際運用ML的人都要看這本書。”—Pete WardenTensorFlow行動主管深度學習經歷了一系列的突破之後，已經大幅推動了整個機

硬派學習 AI 才能紮穩根基！許多 Python 開發人員初接觸機器學習、深度學習, 往往一開始就使用當紅的 Tensorflow、Keras 等 AI 框架, 只用了短短六行就寫出一隻神經網路程式, 接著就針對參數開始東調西調、訓練模型, 為了提高神經網路模型的準確率 (Accuracy) 96.6% → 97.4% → 98.9%...而奮戰著。只需六行？調調參數？看起來 AI 好像也不難學的

PHP不支援MVC架構，Python+Django上的套件太少、Rails的速度慢，這些問題在Node.js中全部獲得解決。前後端都使用一樣的JavaScript，讓你可以不需要學多種語言就一統Fullstack。只要會JavaScript，將不再限制你的能力在前端的展現了。學習Node.js是前端工程師邁向全端的最後一塊拼圖，更是傳統php工程師昇級為更高級的MVC架構師，再加上豐富原生Java

本書的主要目標是，大家一起來「不寫程式，而學AI」。例如不知Python而亦能用TensorFlow。 當今的AI是屬於機器學習(Machine Learning)的一支，基於神經網路( NN: Neural Network)的深度學習。現在，人人都想去理解AI電腦(即機器)到底是如何學習的，以便掌握AI技術熱潮，捷足先登，踏進這項當今的主流產業(AI人工智慧)。 然而，AI機器學習的演算法(Algorithm)又非常依賴於高等數學的運算式，包括線性、非線性函數、N維矩陣(Array)、張量(Tensor)、微分導數、梯度(Gradient)下降、梯度消失等大家很陌生的數學概念和術語。這些複雜性大大阻礙人人親近AI的機會和途徑。俗語說：「面對複雜，唯有簡單」。所以，尋覓和創造一個簡單、親切的途徑，讓人人都能享受，就能彌平進入AI的高大門檻了。Google推出的AI平台：TensorFlow。雖然它還不能完全實踐的美好境界，但可望它是一個不錯的起點了。於是，本書就將Excel試算表與TensorFlow結合起來，就能實現了。不懂程式設計而能學AI，好比不懂車而能學開車。在本書裡，筆者把與分離開來。於是大多數不諳編程技術者，皆能直接切入，而輕鬆愉快地學習AI了。

 用PyTorch實作電腦視覺 零基礎掌握深度學習、Python、PyTorch、神經網路、移轉學習及相關數學知識電腦視覺、自然語言處理和語音辨識是目前深度學習領域熱門的三大應用方向，本書希望幫助零基礎或基礎較為薄弱的讀者入門深度學習，獨立使用深度學習知識處理電腦視覺問題。讀者透過本書將學到人工智慧的基礎概念及Python程式設計技能，掌握PyTorch的使用方法，學到深度學習相關的理論知識，

 涵蓋現有流行動態語言(PHP、Python、Perl、Java、Ruby 和ASP.NET)與Nginx伺服器的結合。 透過在生產環境中的具體應用，詳細講述每一種應用伺服器(包括開發架構)的多種不同結合方式。 詳細講述應用程式伺服器的緩存技術，特別是對Memcached伺服器的應用。 Nginx伺服器在網際網路推波助瀾的作用下脫穎而出，創下了高平行處理的記錄，

詳細說明PHP程式設計實用技術 460個範例，結合PHP 7開發模式和技術，快速成為PHP 開發高手 雖然老邁，但能量十足的PHP在7.0版出來之後有了非常大的改進，包括不同型態的宣告、Spaceship運算子，匿名類別、unicode變數等基本語法，更有新的階段選項，整數處理的函數。 在各大網頁語頁的競爭下，如果你還停留在舊的PHP5，相信馬上就被使用Node.js、Python+Django，