Python

建構AI應用程式，您不必拿PhD「這是程式員精通深度學習的最佳資源之一。」—Peter NorvigGoogle研究總監「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」—Curtis Langlotz史丹佛大學醫學及成像人工智慧中心主任深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就

本书共8章，内容包括计算机与计算思维概述、数据编码、数据存储、数据结构、算法设计与分析、数据库、软件开发、网络与信息安全等。每章结束，都附有计算思维启迪，并配有相应的思维导图，对本章的知识结构、思维过程进行梳理总结，以引导学生计算思维的养成。本书为修订再版教材，对第1版中的部分陈旧内容进行了更新，在软件开发部分增补了Python语言的介绍。

asyncio是Python 3.4版本引入的標準庫，直接內置了對異步IO的支持。syncio模塊提供了使用協程構建併發應用的工具。它使用一種單線程單進程的的方式實現併發，應用的各個部分彼此合作, 可以顯示的切換任務，一般會在程序阻塞I/O操作的時候發生上下文切換如等待讀寫文件,或者請求網絡。本書講解了使用asyncio過程中發生的問題並提供解決方案。

Learning to program isn't just learning the details of a programming language: to become a good programmer you have to become expert at debugging, testing, writing clear code and generally unsticking yourself when you get stuck, while to do well in a programming course you have to learn to score highly in coursework and exams. Featuring tips, stories and explanations of key terms, this book teaches these skills explicitly. Examples in Python, Java and Haskell are included, helping you to gain transferable programming skills whichever language you are learning. Intended for students in Higher or Further Education studying early programming courses, it will help you succeed in, and get the most out of, your course, and support you in developing the software engineering habits that lead to good programs.

讓你快速上手新語言，掌握面試訣竅，一舉拿下夢想中的程式開發工作 暢銷書作家JOHN SONMEZ繼《Soft Skills軟實力：軟體開發人員的生存手冊》最新力作！ ‧應該學JavaScript、C#、Python還是C++？本書會教你如何決定最適合自己學習的程式語言，以及如何有效地掌握程式語言。 ‧取得電腦科學學位是否有其必要性，或者根本是浪費時間？本書會教你如何在背負最低學貸的情況下，拿到聲譽

Deep learning is revolutionizing how machine translation systems are built today. This book introduces the challenge of machine translation and evaluation - including historical, linguistic, and applied context -- then develops the core deep learning methods used for natural language applications. Code examples in Python give readers a hands-on blueprint for understanding and implementing their own machine translation systems. The book also provides extensive coverage of machine learning tricks, issues involved in handling various forms of data, model enhancements, and current challenges and methods for analysis and visualization. Summaries of the current research in the field make this a state-of-the-art textbook for undergraduate and graduate classes, as well as an essential reference for researchers and developers interested in other applications of neural methods in the broader field of human language processing.

本書是“人工智能導論”課程的輔助實驗性教材，配合主教材《人工智能導論》(徐潔磐編著，中國鐵道出版社有限公司出版)一起使用。全書共5章：其中，第1章主要對實驗平臺進行介紹，第2～4章主要對平臺的工具進行介紹，如Python、Numpy、TensorFlow、PyTorch等，第5章主要介紹與人工智能相關的11個實驗，如人工神經網絡、決策樹、深度學習、計算機視覺等。本書堅持操作性、解釋性、趣味性的編寫

《Linux系統與大數據應用》主要內容包括Linux基本命令，大數據主要框架Hadoop的搭建和應用，Spark框架的應用，大數據科學計算、Python語言、網絡爬蟲分析等主要大數據分析應用的工具等。本書分別從系統使用者、網絡管理者、shell程序開發者、應用程序開發者和內核開發者的角度，全方位地介紹Linux操作環境、操作命令，以及基本的開發方法；同時，本書面向大數據應用的開發者，介紹基於Lin

《從零開始學Scrapy網絡爬蟲》從零開始，循序漸進地介紹了目前流行的網絡爬蟲框架Scrapy。即使你沒有任何編程基礎，閱讀《從零開始學Scrapy網絡爬蟲》也不會有壓力，因為書中有針對性地介紹了Python編程技術。另外，《從零開始學Scrapy網絡爬蟲》在講解過程中以案例為導向，通過對案例的不斷迭代、優化，讓讀者加深對知識的理解，並通過14個項目案例，提高讀者解決實際問題的能力。《從零開始學S

本書通過豐富的例程，深入講解了micro:bit各部分的使用方法和使用技巧，可以幫助讀者快速掌握micro:bit的編程方法，深入瞭解其系統結構、功能參數、擴展性能、硬件效能，工作原理以及它的使用限制等內容。全書包括五個部分講解。每個部分通過makecode和python的編程方法對比，不但可以幫助讀者學習makecodePython的編程方法，也可以方便讀者快速從圖形化編程轉換到代碼編程。

麥昆機器人是一款體積小巧，功能完備的迷你機器人小車，搭載當下流行的microbit微型電腦開發板，青少年可以通過microbit進行編程和創造，學習成本低，符合創客教育初衷。Microbit一塊開發板上精心的集成了加速度、光線、溫度等多種傳感器，同時可使用藍牙和無線進行通訊。在學習的過程中，鍛煉學生解決問題的能力以及邏輯思維。同時也是學習python語言的途徑。本書分三章，分別介紹microbit

micro:bit 是BBC 推出的一款微型電腦開發板，目前廣泛應用於青少年創客硬件開發教育和編程教育中。本書為引進的優質外版圖書，詳細講解了micro:bit 的Python 編程和硬件開發知識，符合國內讀者需要。本書分為9 章和2 個附錄。9 章分別是：準備、顯示屏和圖案、使用按鈕、使用輸入和輸出、使用加速度計和羅盤、使用音樂、使用語音、存儲和操作文件、建立有線或無線網絡。附錄分別是：“更新D

本實驗教程是以計謝希仁教授編著的《計算機網絡（第7版）》作為理論基礎進行設計的。本教程的實驗內容主要分為四大部分：第一部分為個小型校園網絡的GNS3仿真設計與實現，這一部分是第二部分內容的基礎。第二部分為wireshark協議抓包分析，在第一部分的網絡中抓包分析網絡協議。第三部分為常用網絡命令的使用。第四部分為Python與scapy協議仿真。

本書主要以ArcGIS 10.5版本為講解依託，95%的內容適合ArcGIS 10.0以上的用戶。內容共分16章，包括ArcGIS入門、數據庫管理、坐標系統、數據轉換、數據處理、數據建模、地圖打印到DEM製作、三維製作和分析等。書中提供了大量的實際應用案例和Python源碼，並把很多案例做成了模型。書中附帶了作者自己開發的接幅表生成和標準分幅打印工具軟件，以及配套數據資源和視頻。本書注重實用性，既

本書是在借鑒國內外教育教學經驗的基礎上，結合小學數學課程內容，將1～6年級數學學習過程中的實踐練習、應用問題求解等一系列知識按照其課程標準的內在邏輯納入到Scratch圖形化編程中。通過"問題描述”――"目標設定”――"程序分析”――"動手操作”――"練一練”――"評一評”六步實現編程的一般性思維訓練，並實現編程能力的進一步拓展，為將來的Python等語言的學習打下堅實的基礎。

本書主要介紹了深度學習在計算機視覺方面的應用及工程實踐，以Python 3為開發語言，並結合當前主流的深度學習框架進行實例展示。主要內容包括：OpenCV入門、深度學習框架介紹、圖像分類、目標檢測與識別、圖像分割、圖像搜索以及圖像生成等，涉及到的深度學習框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通過本書，讀者能夠瞭解深度學習在計算機視覺各個方向的應用以

「人工智慧」在最近幾年內以驚人的速度進步，而運用「機器學習 / 深度學習」製作的軟體系統對未來人類社會的衝擊，可說是來的又快又猛，沒有人能置身事外。其中又以導入「運算思維」這個「問題解決」的方法來教導「計算問題」之相關課程，越來越受到各級學校的重視。 全書分成三個部分，第一部分介紹「邏輯推理」與「Prolog 一階邏輯程式設計」，也就是所謂的「非資料驅動人工智慧」。第二部分則介紹「Python

MicroPython是近年國外開源硬件（也是智能硬件）中最熱門的主題之一，它使用Python語言在嵌入式中編程，不需要瞭解底層寄存器、數據手冊、廠家的庫函數，大部分外設和常用功能都有自己的庫，使開發和移植變得容易和快速。MicroPython已經可以真正用於開發產品，這是其迅速吸引智能硬件開發者的原因。本書帶領初學者逐步瞭解MicroPython的基礎知識、硬件平臺、開發技巧，採用大量淺顯易懂的

本書詳細闡述了與Spark實時大數據分析以及Spark Streaming框架相關的基本解決方案，主要包括大數據漫遊指南，實時RDD，高速流：鏈接外部數據源，邊界效應，實時ETL和分析技術，大規模機器學習，雲、Lambda及Python等內容。此外，本書還提供了豐富的示例以及代碼，以幫助讀者進一步理解相關方案的實現過程。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發

《零基礎入門學習Python》本書適合學習Python3的入門讀者，也適用對編程一無所知，但渴望用編程改變世界的朋友們！本書提倡理解為主，應用為王。因此，只要有可能，小甲魚(作者)都會通過生動的實例來讓大家理解概念。 雖然這是一本入門書籍，但本書的“野心”可並不止于“初級水平”的教學。本書前半部分是基礎的語法特性講解，後半部分圍繞著Python3在爬蟲、Tkinter和遊戲開發等實例上的應用。 編

本書是根據大學電腦基礎教學大綱編寫的電腦應用基礎教材。主要內容包括電腦概述、電腦硬體組成、作業系統、Word2010應用技術、Excel2010應用技術、PowerPoint2010應用技術、電腦網路應用基礎、Python程式設計與軟體工程概念、資料庫基礎及Access2010應用技術、多媒體技術等。根據普通高等學校非電腦專業學生的認知特點，從電腦基本應用技術入手，引導學生由淺入深、循序漸進地學習

Node.js是一門開源的，為Web而生的語言，具有高併發、異步等特點，並且擁有一個十分活躍的開發者社區。與PHP、Python等語言相比，Node.js更年輕，更易於沒有經驗的人上手使用，因此，很快在世界各地的開發者中收穫了一大批擁躉。本書以實戰為主旨，從不同的視角介紹了Node內在的特點和結構，通過Node.js開發中常用的原生模塊和典型的項目案例，涉及Node的各個方面，主要內容包含模塊機制

“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

Node.js是一門開源的、為Web而生的語言，具有高并發、異步等特點，并且擁有一個十分活躍的開發者社區。與Ruby、Python等語言相比，Node.js更年輕、更易于沒有經驗的人上手使用，因此很快在世界各地的開發者中收獲了一大批擁躉。在，Node.js在許多企業中獲得了廣泛應用，并取得了一系列的應用成果。然而，隨著技術的不斷更新、ECMAScript2015等新標準紛紛確定，現有的中文書籍就變

機器學習可用來處理由用戶產生的、數量不斷增長的Web資料。 本書講解如何用Python語言、Django框架開發一款Web商業應用，以及如何用一些現成的庫和工具（sklearn、scipy、nltk和Django等）處理和分析應用所生成或使用的資料。本書不僅涉及機器學習的核心概念，還介紹了如何將資料部署到用Django框架開發的Web應用，包括Web、文檔和伺服器端資料的挖掘和推薦引擎的搭建方法。

本書提供了一系列將資料轉化為重要結論的現實案例。書中覆蓋了廣泛的資料分析工具和演算法，用於進行分類分析、聚類分析、資料視覺化、資料類比以及預測。本書的目標是幫助讀者瞭解資料從而找到相應的模式、趨勢、相互關係以及重要結論。書中所包括的實用專案充分利用了MongoDB、D3.js和Python語言，並採用代碼片段和詳細描述的方式呈現本書的核心概念。

本書基於Python與Pytorch對人工智能算法基礎知識與實戰應用進行了介紹，主要包含兩部分內容。第一部分為人工智能算法知識的相關理論介紹，主要包含：人工智能的線性代數基礎、概率統計基礎、數據分析基礎、機器學習基礎以及深度學習基礎。對機器學習中的回歸、聚類以及分類等經典算法進行了介紹。對深度學習中的卷積、循環、Transformer等深度學習網絡在計算機視覺與自然語言中的應用，以及大模型與微調相關的內容進行了介紹。第二部分為基於Python與Pythoch的人工智能算法實戰案例應用，主要介紹：數據的預測回歸分析案例；數據無監督學習中的聚類、降維以及關聯規則案例；數據有監督分類模型的應用案例，以及深度學習中圖像分類、圖像語義分割、圖像遷移學習、自然語言聚類與分類等經典算法的實戰案例。本書為讀者提供了Notebook形式的源程序和使用的數據集，方便讀者邊學邊實踐。本書適合數據分析、機器學習、人工智能以及大數據領域的工程師學習，也可用作高等院校相關專業的教材及參考書。

為了適應數字經濟時代的新發展趨勢，培養新時代大數據專業人才，編者通過總結多年的教學經驗，借鑒國內外相關領域的教學優勢，詳細剖析大數據采集、預處理與可視化的基礎理論、關鍵技術、相關工具和應用案例，進而編成本書。本書是集理論與實踐于一體的應用型教材。全書共7章，包括大數據概述、Python程序設計、大數據采集、大數據預處理技術、Excel數據獲取與預處理、Python數據預處理、數據可視化技術。本書在編寫中著重介紹基本原理，同時突出工程應用，並以清晰、容易理解的方式展現大數據采集、預處理與可視化的基礎知識、基本任務、常用方法、實用場景和主要流程，力圖做到基本概念準確、闡述條理清晰、主體內容精練、重點難點突出、理論聯繫實際。此外，本書還將反映相關領域新技術的發展情況。本書可作為計算機、人工智能、大數據、電子商務、電氣、電子、統計學、會計學等相關專業的大數據技術類課程的教材，也可供相關領域的科技人員參考使用，還可作為數據分析及應用類認證培訓課程用書。

《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。

全書分為三篇，分別為概念篇（1-2章）、基礎篇（3-6章）和平臺篇（7-10章）。第1-2章為闡述了大數據的基本概念、相關理論和技術緒論。第3章包括數據獲取與存儲，介紹數據爬蟲等自動採集技術和基本的存儲技術。第4-5章的主要內容是數據預處理和可視化。第6章為大數據分析方法，介紹回歸、分類、聚類和文本分析等技術。第7章為大數據管理平臺概述，介紹了分布式思想和平臺技術。第8章為Linux操作系統基礎。第9-10章介紹了分布式存儲和處理技術。本教材以培養大學低年級學生的大數據應用能力、初步建立數據思維為主要目標，滿足“新工科”、“新醫科”、“新農科”、“新文科”建設背景下高校對數據素養能力培養的新要求。主要案例基於房屋買賣數據，易於理解；使用生活中的常識來類比科學原理，深入淺出；主要教學內容均有程序實現，實踐性強。本教材只要求讀者有初步的Python程序設計基礎，對數學知識要求不高。提供PPT課件，教學視頻，電子教案等，方便教學。面向有Python程序設計基礎的各專業學生，建議在大學低年級作為必修課開設。

本書依據**的“工科類本科數學基礎課程教學基本要求”編寫而成。本書注重培養學生用“已知”認識、研究、解決“未知”的能力；注重給學生營造一個啟發式、互動式學習的氛圍與環境，使學生在“邊框”提出的問題的啟發、引導、驅動下邊思考、邊讀書、邊總結；內容力求簡明、引出盡可能直觀，注重避免新的概念、新的結論、新的方法“從天而降”。同時注意為青年教師實施啟發式、互動式教學提供一定的借鑒。本版在保持第一版的內容特色基礎上，增添了部分章節內容；對數學軟件與數學建模的實例進行了修改，數學軟件改為了Python語言；更加注重文化育人，對“歷史的回顧”及“人物簡介”部分做了修改，並以二維碼形式呈現；對“邊框”做了修改；增添了注記，擴大學生知識面，並將知識點加以總結，方便學生掌握；以二維碼的形式增加了Python源代碼等資源。本書分為上、下兩冊，上冊內容包括微積分的基礎知識――函數與極限、一元函數微分學、微分中值定理與導數的應用、不定積分、定積分及其應用、微分方程等。本書可供高等學校非數學類專業學生使用，也可供科技工作者學習參考。

本書以俄羅斯方塊遊戲作為實戰案例分析了遊戲中的基礎元素。根據分析所得的數據結構和功能，依次切換使用C、Java、Python、JavaScript這4門不同的編程語言來開發俄羅斯方塊遊戲，並以此為契機，探討如何培養通用的編程能力，如何按需切換使用不同的編程語言。本書共6章。第1章介紹了跨語言編程訓練的背景和意義，以及本書中將用到的編程語言。第2章從基礎、規則和進階3個層面分析俄羅斯方塊遊戲的邏輯，從而得出關鍵的數據結構和功能。第3～6章分別使用C、Java、Python、JavaScript這4門語言，依據相同的邏輯，並結合語言自身的特點，依次編碼實現俄羅斯方塊遊戲。本書可作為計算機科學與技術、軟件工程、網絡工程、網絡空間安全、電子信息技術、通信工程等專業本科生和研究生的拓展參考書，也可以作為培訓機構的參考資料。本書定位於希望快速掌握多門編程語言，有一定編程經驗的自學者、學生、初入行的工程師。對於在相關IT企業中從事軟件研發的資深工程師，本書也具有很好的參考價值。

學習熱門的機器學習演算法 本書介紹熱門的機器學習演算法及其實作方式。你將會了解如何在Spark ML這套開發框架之內，實作各種機器學習概念。首先，我們會帶你在單一節點與多重節點的運算叢集上，完成Spark的安裝工作；接著，說明如何執行以Scala和Python語言撰寫的Spark ML程式；然後以幾套資料集為範例，深入探索分群、分類與迴歸；最後，利用Spark ML來處理文字資料。 打造可以應用於工作中的機器學習程式 弄懂概念之後，便可運用來實作演算法，可能是從頭開始，或是將既有的系統轉移到這個新平台，像是從Mahout或Scikit轉移到Spark ML。當你讀完本書之時，應該能夠善加運用Spark，打造可以應用於工作中的機器學習程式。 本書將帶您： ．實際動手嘗試最新版的Spark ML ．以Scala與Python語言撰寫Spark程式 ．在本機以及Amazon ECS雲端平台上，安裝並設置Spark開發環境 ．取用公開的機器學習資料集，使用Spark進行資料的載入、處理、清理與轉換等動作 ．處理巨量的文字資料，包括特徵萃取，並使用文字資料作為輸入餵給機器學習模型 ．撰寫Spark函式，評估機器學習模型的表現能力

本書共分為9章。第1~3章主要介紹MicroPython以及Python語言基礎;第4~5章重點針對ESP32與MicroPython的實踐性操作;第6~7章重點闡述MicroPython在物聯網的應用;第8章展現如何修改MicroPython源碼與添加自定義庫的方法;第9章為一個智能農業的項目實踐。本書對智能物聯網時代面臨的挑戰,以及MicroPython的基礎知識做了清晰的闡述,有助於讀者整理思路,了解需求,並更有針對性、有選擇地深入學習相關知識。

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。

公文种类繁多，本书选取工作报告作为样本研究，分为理论模型与实操方法。 理论模型部分，利用大数据技术，对国务院政府工作报告进行文本挖掘，建立总结与 部署、开头与结尾、感谢与问题、体会与要求四个模块八大要素写作模型，分类提取 高频词汇，总结提炼工作报告写作步骤及要点。实操方法部分，运用 Python、PHP、 Mysql、Sqlite 等技术，构建个人知识库、公文语料库网站，提供全部源码，实现相关 功能。

Develop the analytical skills that are in high demand in businesses today with Camm/Cochran/Fry/Ohlmann's best-selling BUSINESS ANALYTICS, 5E. You master the full range of analytics as you strengthen descriptive, predictive and prescriptive analytic skills. Real examples and memorable visuals clearly illustrate data and results. Step-by-step instructions guide you through using Excel, Tableau, R or the Python-based Orange data mining software to perform advanced analytics. Practical, relevant problems at all levels of difficulty let you apply what you've learned. Updates throughout this edition address topics beyond traditional quantitative concepts, such as data wrangling, data visualization and data mining, which are increasingly important in today's business environment. MindTap and WebAssign online learning platforms are also available with an interactive eBook, algorithmic practice problems and Exploring Analytics visualizations to strengthen your understanding of key concepts.

‧用監督學習回歸模型開發算法交易策略和衍生品定價模型。 ‧用監督學習分類模型預測信貨違約概率，檢測欺詐行為。 ‧用降維技術解決投資組合管理和收益率曲線構造問題。 ‧為實現交易策略和管理投資組合，用降維和聚類技術尋找相似資產。 ‧用強化學習模型和技術開發交易策略、衍生品對沖策略，管理投資組合。 ‧用NLTK和scikit-learn等Python庫解決金融領域自然語言處理問題。

Computational thinking is increasingly gaining importance in modern biology, due to the unprecedented scale at which data is nowadays produced. Bridging the cultural gap between the biological and computational sciences, this book serves as an accessible introduction to computational concepts for students in the life sciences. It focuses on teaching algorithmic and logical thinking, rather than just the use of existing bioinformatics tools or programming. Topics are presented from a biological point of view, to demonstrate how computational approaches can be used to solve problems in biology such as biological image processing, regulatory networks, and sequence analysis. The book contains a range of pedagogical features to aid understanding, including real-world examples, in-text exercises, end-of-chapter problems, colour-coded Python code, and 'code explained' boxes. User-friendly throughout, Computational Thinking for Life Scientists promotes the thinking skills and self-efficacy req