Python

《應用回歸及分類》第一版自2016年出版以來，經過兩版的沉澱，已經成為一本全面介紹回歸和分類方法的權威教材，它涵蓋了從傳統統計學到現代機器學習的各種內容。本書旨在為讀者提供一套完整、系統的數據分析工具和方法，幫助他們更好地理解和應用回歸及分類技術。1.在回歸方面：本書詳細介紹了經典線性回歸和廣義線性模型，這些模型是回歸分析的基礎，適用於各種實際問題的建模和預測。此外，本書還深入探討了縱向數據（分層模型）的處理方法，為讀者提供了處理複雜數據結構的有效手段。2. 在機器學習回歸方法方面：本書涵蓋了決策樹、bagging、隨機森林、mboost、人工神經網絡、支持向量機、k最近鄰方法等多種技術。這些方法在現代數據分析中得到了廣泛應用，具有強大的預測能力和靈活性。通過本書的學習，讀者將能夠熟練掌握這些方法的原理和應用技巧。3.在分類方面：本書首先介紹了經典判別分析與logistic回歸分類方法，這些方法在分類問題中具有重要地位。隨後，本書深入探討了機器學習分類方法，包括決策樹、bagging、隨機森林、adaboost、人工神經網絡、支持向量機、k最近鄰方法等。這些方法在處理複雜分類問題時具有顯著優勢，能夠幫助讀者提高分類準確性和效率。

無

《強化學習基礎、原理與應用》循序漸進地講解了使用Python語言實現強化學習的核心算法開發的知識，內容涵蓋了數據處理、算法、大模型等知識，並通過具體實例的實現過程演練了各個知識點的使用方法和使用流程。《強化學習基礎、原理與應用》共分為17章，主要內容包括強化學習基礎、馬爾可夫決策過程、蒙特卡洛方法、Q-learning與貝爾曼方程、時序差分學習和SARSA算法、DQN算法、DDQN算法、競爭DQN算法、REINFORCE算法、Actor-Critic算法、PPO算法、TRPO算法、連續動作空間的強化學習、值分布式算法、基於模型的強化學習、多智能體強化學習實戰：Predator-Prey 遊戲及自動駕駛系統。本書內容簡潔而不失技術深度，以極簡的文字介紹了複雜的案例，易於閱讀和理解。《強化學習基礎、原理與應用》適用於已經瞭解Python語言基礎語法的讀者，想進一步學習強化學習、機器學習、深度學習及相關技術的讀者，還可作為大專院校相關專業的師生用書和培訓機構的教材使用。

全書共分九章，內容包含信息技術應用基礎、圖文編輯、電子表格處理、演示文稿製作、網絡應用、Python程序設計基礎等。內容設置緊扣考綱要求，習題難易程度、內容比例嚴格按照考綱規定編寫，貼近教學實際，符合考試複習規律，可讓考生更有針對性地應對考試。

本書以基金與編程基礎為出發點，面向零基礎或基礎知識較少的讀者，由淺入深地介紹了從零編寫基金分析與交易的量化系統的方法與實踐。本書內容由Python的基礎知識與編程和投研常用的Python工具開始，逐步介紹常用的交易指標與投資組合管理，最終介紹系統的優化與管理。本書共分為七章，第1～3章分別介紹基金的基礎知識、Python環境的搭建與常用的編程與分析工具，為後幾章代碼編寫鋪墊；第4章著重介紹了如何從零開始搭建量化分析系統，其中包含不同模塊的設計；第5章與第6章介紹了在量化系統中實現不同的交易框架和策略；第7章介紹將量化系統上線，並配置監控進行運營管理的方法。本書以通俗易懂的語言和實例闡述量化在基金產品上的分析與應用，適於對基金交易與量化分析有興趣的讀者。書中附有詳細注釋的代碼會幫助讀者加深量化系統的構建過程與交易策略的思想。

本教材包含12章，與理論教材中的章節相對應，內容涵蓋了Python的基本語法知識以及GUI界面設計、數據分析、網絡爬蟲等高級應用。每章包含選擇、判斷、編程三部分，選擇和判斷涵蓋了理論內容的各知識點，實驗操作部分的題目緊扣本章知識點，難易結合，題目內容在涵蓋重要知識點的基礎上儘量取材於解決生活、學習、未來科研中遇到的實際問題，同時增加了考查學生綜合應用能力的綜合訓練題目，在培養讀者編程能力的同時，又不失實用性和趣味性。本教材是面向高等院校非計算機專業的實踐教學用書，建議與《Python程序設計》教材配套使用，也可以作為愛好Python編程的學習者和參加Python語言程序設計等級考試人員的參考用書。

本書是一本Python入門書，適合對計算機瞭解不多，沒有學過編程，但對編程感興趣的讀者學習使用。這本書以習題的方式引導讀者一步一步學習編程，從簡單的打印一直講到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟件開發的基本過程。本書是基於Python 3.6版本編寫的。本書結構非常簡單，除“準備工作”之外，還包括52個習題，其中26個覆蓋了輸入/輸出、變量和函數3個主題，另外26個覆蓋了一些比較進階的話題，如條件判斷、循環、類和對象、代碼測試及項目的實現等。每一章的格式基本相同，以代碼習題開始，按照說明編寫代碼，運行並檢查結果，然後再做附加練習。

本書深入講解神經網絡和深度學習技術，側重於闡釋深度學習的核心概念。作者以技術原理為導向，輔以貫穿全書的MNIST手寫數字識別項目示例，介紹神經網絡架構、反向傳播算法、過擬合解決方案、卷積神經網絡等內容，以及如何利用這些知識改進深度學習項目。學完本書後，讀者將能夠通過編寫Python代碼來解決複雜的模式識別問題。

《推薦系統核心技術與實踐》循序漸進地講解了使用Python語言開發推薦系統的核心知識，並通過實例的實現過程演練了各個知識點的使用方法和使用流程。全書共分 12 章，內容包括推薦系統基礎知識介紹、基於內容的推薦、協同過濾推薦、混合推薦、基於標簽的推薦、基於知識圖譜的推薦、基於隱語義模型的推薦、基於神經網絡的推薦模型、序列建模和注意力機制、強化推薦學習、電影推薦系統、動漫推薦系統等。本書內容講解簡潔而不失技術深度，內容豐富全面，用簡練的文字介紹了複雜的案例，易於讀者學習。 《推薦系統核心技術與實踐》適用於已經瞭解了Python語言基礎語法，想進一步學習機器學習、深度學習、推薦系統技術的讀者，還可以作為高等院校相關專業師生和培訓機構的教材。

本書通過正在學習機器學習的程序員綾乃和她朋友美緒的對話，結合回歸和分類的具體問題，逐步講解了機器學習中實用的數學基礎知識。其中，重點講解了容易成為學習絆腳石的數學公式和符號。同時，還通過實際的Python 編程講解了數學公式的應用，進而加深讀者對相關數學知識的理解。

https://youtu.be/dDWiAF1WQ8A AI視覺 最強入門邁向頂尖高手 王者歸來 【書籍內容】 ◎ 台灣作者第一本「AI視覺」專書！五大最強亮點 ✔1. AI 影像技術全解析，從入門到頂尖高手 ✔2. 影像不只是影像，讓 AI 賦予它智慧與靈魂 ✔3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案 ✔4. AI 影像應用無極限，打造你的專屬智慧影像系統 ✔5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代 ◎ AI視覺最強入門，從新手到頂尖高手！ 在 AI 影像技術的浪潮下，你是否曾想過，如何讓影像處理不只是單純的圖像變換，而是賦予它智慧，讓程式「看見」並理解世界？本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始，一步步掌握 AI 視覺的核心技術，讓你的影像程式不再只是空洞的代碼，而是充滿靈魂與創意的智慧應用！ ◎ 這本書，適合誰？ ★ Python & AI 初學者：從影像基礎開始，循序漸進學習。 ★ 影像處理 & OpenCV 愛好者：探索影像創意與高級應用。 ★ 開發者 & 工程師：打造 AI 監控、人臉識別、物件追蹤專案。 ★ 學生 & 研究人員：數學 + 演算法 + OpenCV，全方位掌握 AI 視覺技術。 ◎ AI 影像技術，從基礎到進階 ★ 影像處理基礎：影像讀取、色彩空間（BGR、RGB、HSV）、影像儲存與計算。 ★ 影像創意與特效：數位浮水印、動態影像（GIF、MP4）、藝術畫作設計。 ★ 影像增強與變換：圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。 ★ AI 影像識別應用：手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。 ★ AI 監控與自動追蹤：動態車道偵測、AI 監控系統、模板匹配物件搜尋。 ◎ 為什麼選擇這本書？ ★ 獨家「三步驟」學習法： ★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作，讓你學得深入又靈活應用！ ★ 從基礎到高階 AI 視覺應用，完整解構影像處理技術！ ★ 結合 OpenCV x MediaPipe x Python，打造創新影像應用專案！ ◎ AI 影像技術，開啟無限可能！ 影像處理與 AI 的結合，正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是

本書共7章，凝聚了51Testing軟件測試網在軟件測試培訓方面的精華內容。主要內容包括Linux系統入門知識、Linux Shell編程技術、Oracle和MySQL兩大主流數據庫的基本操作、配置管理工具SVN及Java和Python編程。本書從測試的角度講述了軟件測試人員需要掌握的開發技術，有助於讀者提升測試技能。本書既適合測試人員閱讀，也可供相關專業人士參考。

本書的目標，是讓非機器學習領域甚至非計算機專業出身但有學習需求的人，輕鬆地掌握機器學習的基本知識，從而擁有相關的實戰能力。本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內容輕鬆，實戰性強，主要包括機器學習快速上手路徑、數學和Python 基礎知識、機器學習基礎算法（線性回歸和邏輯回歸）、深度神經網絡、卷積神經網絡、循環神經網絡、經典算法、集成學習、無監督和半監督等非監督學習類型、強化學習實戰等內容，以及相關實戰案例。本書所有案例均通過Python及Scikit-learn 機器學習庫和Keras 深度學習框架實現，同時還包含豐富的數據分析和數據可視化內容。本書適合對AI 感興趣的程序員、項目經理、在校大學生以及任何想以零基礎學機器學習的人，用以入門機器學習領域，建立從理論到實戰的知識通道。

本書以實踐為導向，將理論與實踐相結合，深入淺出地介紹了使用Python與OpenCV進行計算機視覺實踐的基本知識和具體方法。本書旨在為各種背景的讀者提供通向計算機視覺世界的路徑，從零基礎的初學者到有編程經驗的開發者都能夠受益。其中，第1章介紹了人工智能的歷史與發展，第2章提供了Python編程的基礎，而第3章至第9章詳細介紹了OpenCV的安裝、配置和應用，幫助讀者構建堅實的計算機視覺基礎。最後，第10章為實例練習，鞏固了所學知識，可以作為課堂和課後作業的良好補充。本書作為普通高等院校計算機科學、人工智能、數學等專業相關課程的材。學習本書無需前置知識。本書也可作為所有專業學生瞭解計算機視覺與編程地參考書。

PyQt是一個創建GUI應用程序的工具包，是Python編程語言和Qt庫的成功融合。本書旨在通過深入淺出的講解和簡明的程序示例教讀者掌握PyQt的開發技巧。本書分為10章，從PyQt的安裝和基礎知識講起，陸續介紹了基礎控件（如標簽控件、消息框、文本框、按鈕及控件等）、高級控件（如組合框、滾動條、容器控件及各類視圖等）、窗口（如屬性、坐標、事件等）、Qt Designer（如安裝與配置、編輯模式等）、PyQt高級應用（如數據庫、多線程、動畫、音視頻、網頁交互等）、圖形視圖框架（如圖元、場景、視圖、事件傳遞等）、打包（如PyInstaller、Nuitka等）等內容。此外，本書還通過兩個開發實例（可視化爬蟲軟件和《經典貪吃蛇》遊戲）帶領讀者鞏固了書中介紹的相關知識點。本書內容簡潔實用、實操性強，適合對Python編程及GUI開發感興趣的讀者閱讀。

無

本書系統地講解了數字圖像處理的基礎和進階知識，涵蓋基礎概念、系統構建、算法及其應用，輔以豐富的教學和科研案例，詳細介紹了如何利用C++和Python語言，結合OpenCV庫進行圖像處理算法的編程實現。同時，本書介紹了深度學習在數字圖像處理中的應用前沿技術，如GoogleNet、ResNet、Transformer、YOLOv10等，具備較強的實用性和參考價值。本書為讀者提供了理論與實踐相結合的學習平臺，幫助其深入理解並應用數字圖像處理技術解決實際問題。適合作為高等院校計算機科學與技術、電子信息工程、自動化、通信工程等相關專業的本科生、研究生教材，同時適合數字圖像處理、計算機視覺等領域的科研和工程技術人員參考使用。本書還為讀者提供了豐富的配套資源，包括PPT、彩圖和源代碼。讀者可通過登錄化學工業出版社網站或掃描書中二維碼，根據自身需求選擇相應的資源進行下載。

本書遵循網絡自動化運維工程師職業素養和專業技能的要求進行內容組織，採用“項目化教學”和“任務驅動”方式展開。本書分四篇，共計12個項目。內容覆蓋網絡自動化Python編程基礎、用於網絡自動化的Python模塊、用於配置與管理網絡的協議以及網絡自動化運維的常用工具。基礎篇共一個項目，項目1為Python編程基礎；部署實施篇共四個項目，項目2為使用telnetlib下發網絡配置；項目3為使用paramiko實現網絡自動化巡檢；項目4為使用 netmiko發現網絡拓撲；項目5為使用 PySNMP獲取網絡數據；協議篇共三個項目，項目6為使用議NETCONF協議配置網絡；項目7為使用Telemetry實時監控CPU和內存使用率；項目8為使用RESTCONF協議配置網絡；工具篇共四個項目，項目9為使用Ansible實現網絡自動化運維；項目10為使用Nornir收集網路日誌；項目11為使用scapy處理數據包；項目12為使用NMAP掃描網絡。本書是一本介紹網絡自動化運維理論知識和應用技能的教材，既可作為高職或應用型本科電子信息類專業學生的教材，也可作為參加華為HCIP Datacom網絡自動化開發者認證的學習者的閱讀材料，還可以作為網絡架構師、網絡運維工程師、網絡運維開發工程師、網絡與系統管理工程師等從業人員的閱讀材料。

本書以Python機器學習常用技術與真實案例相結合的方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共11章，分別介紹了機器學習概述、數據準備、特徵工程、有監督學習、無監督學習、智能推薦的相關知識，並介紹了市財政收入分析案例、基於非侵入式電力負荷監測與分解的電力分析案例、航空公司客戶價值分析案例、廣電大數據營銷推薦案例以及基於TipDM數據挖掘建模平臺實現航空公司客戶價值分析案例。每章都包含了課後習題，幫助讀者鞏固所學的內容。本書可以作為高校數據科學或人工智能的相關專業教材，也可以作為機器學習愛好者的自學用書。

近年來，Python語言成為了廣受歡迎的編程語言，而它在機器學習領域也有很好的表現。scikit-learn是一個用Python語言編寫的機器學習算法庫，它可以實現一系列常用的機器學習算法，是一個好工具。本書通過14章內容，詳細地介紹了一系列機器學習模型和scikit-learn的使用技巧。本書從機器學習的基礎理論講起，涵蓋了簡單線性回歸、K-近鄰算法、特徵提取、多元線性回歸、邏輯回歸、樸素貝葉斯、非線性分類、決策樹回歸、隨機森林、感知機、支持向量機、人工神經網絡、K-均值算法、主成分分析等重要話題。本書適合機器學習領域的工程師學習，也適合想要瞭解scikit-learn的數據科學家閱讀。通過閱讀本書，讀者將有效提升自己在機器學習模型的構建和評估方面的能力，並能夠高效地解決機器學習難題。

本書的主要內容有: 創建並理解經典和現代k線圖模式所需的條件。學習這些模式背後的市場心理。使用一個框架來學習如何進行交易策略的回測。探索不同的製圖系統並理解它們的局限性。在Python中導入不同時間框架的OHLC歷史外匯數據。使用算法發現和再現模式。學習模式的特性和應用。

本書基於豐富的圖示，詳細介紹了有監督學習和無監督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經網絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現，讀者可一邊運行代碼一邊閱讀，從而加深對算法的理解。

新版《牛津給孩子的信息科技通識課》共 9 冊，旨在向 5 ～ 14 歲的學生傳授重要的計算思維技能，以應對當今的數字世界。本書是其中的第 7 冊。 本書共 6 單元，每單元包含循序漸進的 6 部分教學內容和一個自我測試。教學內容包括學習目標和學習內容、活動、 額外挑戰和更多探索等。自我測試包括一定數量的測試題和以活動方式提供的操作題，讀者可以自測本單元的學習成果。 第 1 單元介紹數據存儲及進制轉換；第 2 單元介紹如何安全、負責任地使用互聯網；第 3 單元介紹 Python 編程入門，並比 較 Scratch 和 Python 的差異；第 4 單元深入介紹 Python 編程；第 5 單元介紹如何設計並製作播客；第 6 單元介紹如何創建並高效使用數據表。 本書適合 11 ～ 12 歲的學生，可以作為培養學生 IT 技能和計算思維的培訓教材，也適合學生自學。

Streaming now on Amazon Prime!A clever and hilarious fantasy retelling of the rise to power of Lady Jane Grey, now an Amazon Prime Video series starring Emily Bader, Edward Bluemel and Jordan PetersA comical, fantastical and witty re-imagining of the Tudor world, perfect for fans of The Princess Bride. Lady Jane Grey, sixteen, is about to be married to a total stranger – and caught up in an insidious plot to rob her cousin, King Edward, of his throne. But that’s the least of Jane’s problems. She’s also about to become Queen of England. Like that could go wrong.“The Tudors meets Monty Python. Prepare to laugh and gasp and clutch your pearls.” Tahereh Mafi, New York Times bestselling author

OpenCV 是一個開源的計算機視覺庫，可以實現計算機視覺算法。本書從 OpenCV 用 Python 實現的基礎語法講起，逐步深入計算機視覺的進階實戰，並在最後配合項目實戰案例，重點介紹使用 OpenCV 進行人工智能項目以及日常生活中小應用程序開發的方法。通過本書讀者不但可以系統地學習有關計算機視覺的知識，而且還能對圖像處理的算法有更為深入的理解。本書基於 Python，由淺入深、循序漸進地介紹了 OpenCV 從入門到實踐的內容。本書共 13 章，內容涵蓋OpenCV 基礎知識、常見的圖像操作、圖像去噪、圖像輪廓的提取與分析，以及人臉識別、目標追蹤等計算機視覺的項目實戰。

本書介紹了數字圖像處理技術和深度學習技術，以及這些技術的應用，全書由12章組成。前九章主要介紹數字圖像處理技術，內容包括：Python 環境搭建、位圖基礎、圖像的顯示、圖像的幾何變換、圖像灰度變換、圖像的平滑處理、圖像銳化處理、圖像分割及測量、圖像的形態學處理，後三章主要介紹深度學習技術，將數字圖像處理技術和深度學習技術相結合應用于項目開發，內容包括基於卷積神經網絡CNN 模型的漢字識別、基於Faster RCNN 模型的手勢識別、基於卷積神經網絡CNN 模型的語音識別共三個項目的開發技術。本書僅僅介紹基本的理論知識，同時介紹將理論轉化為代碼的實現步驟和基於Python 開發工具的編程代碼，並且可以將處理前與處理後的圖像進行對照比較。實例程序的框架結構簡單，代碼簡潔，使初學Python 者很快就掌握圖像處理與圖像識別技術。

本書從Python基礎入手，循序漸進地講到機器學習、深度學習等領域的算法原理和代碼實現，在學習算法理論的同時也強調了代碼工程能力的逐步提高。本書共6個章，第1章從零基礎介紹Python基礎語法、Python數據處理庫NumPy、Pandas、Matplotlib、OpenCV的使用；第2章主要介紹機器學習算法的原理並配有代碼實例，方便在理解原理的同時也能寫出代碼；第3章主要介紹深度學習框架TensorFlow、Keras、PyTorch的API和網絡模型的搭建方法，力保讀者能夠掌握主流深度學習框架的使用；第4章主要介紹CNN卷積神經網絡各種卷積的特性，並同時代碼實戰了多個經典分類網絡；第5章介紹目標檢測領域中多個經典算法的原理，並配套展現了代碼調試的過程，將算法原理與代碼進行了結合，方便更深入地理解算法原理；第6章分享深度學習項目的分析和實現過程。本書精心設計的算法原理講解、代碼實現，不僅適合對深度學習感興趣的初學者，同時對高校學生、教師、相關技術人員、研究人員及從事深度學習工程師都有參考價值。

本書從計算思維的角度介紹計算機硬件和軟件系統、計算機網絡、信息安全、Python程序設計、文檔處理與排版、數據處理與分析、數據庫技術和演示文稿設計等內容，以及物聯網、雲計算、大數據和人工智能等新一代信息技術。本書還配有相應的實驗和課後習題。

本書著重在新工科背景下為所有工科計算機及非計算機專業的本科新生提供完整的計算機科學思維框架，以Python高級程序設計語言作為線索，簡化計算機領域中的各個分支為模型，使用Python語言進行簡易實現。全書共8章，第1章從計算思維的角度概述計算機學科的整體脈絡；第2章著重介紹計算機中對於數據和信息的編碼原理；第3章對基礎的Python語法做出介紹；第4章主要描述使用計算機解決問題的各類經典算法思想；第5章從底層出發介紹計算機的硬件系統和軟件系統；第6章介紹計算機網絡及網絡安全；第7章介紹數據庫系統；第8章對新時代下的計算機新技術——人工智能進行發散式介紹。本書還提供了大量應用實例，每章後均附有習題。本書適用於高等院校工科專業本科一年級的相關課程，也可供教學工作人員設計本科實踐課程時參考。

新手的第一本Linux入門手冊！ 帶你學會操作Docker容器，輕鬆建立多種開發環境 本書是一本Linux作業系統和Docker技術的入門書，也是一本探討虛擬化技術的書，可以讓初學者輕鬆在Windows作業系統學習Linux和Docker技術，並且教你如何使用Linux作業系統來建構專案所需開發環境的書。 本書首先會詳細說明Linux作業系統的命令，接著實際建構PHP、Node.js和Python開發環境，最後進入Docker主題，讓讀者擁有足夠的Linux能力，可以自行打造Docker容器的開發環境，並且透過Visual Studio Code進行專案開發。 讀完本書，你除了能學會基本Linux作業系統的使用，在Linux作業系統架設伺服器、建立Node.js、Python和Keras深度學習開發環境，還可以進一步學習如何使用Docker容器化技術，透過Docker命令來建立、啟動、停止、暫停和移除容器。最後，你還能使用ChatGPT提問模板來建立Dockerfile，建構部署專案所需的DevOps開發與運維環境。 ▍你將學會 ◆ 理解虛擬機與容器的原理與差異 ◆ 利用WSL 2在Windows中安裝Linux虛擬環境 ◆ 建構PHP、Node.js和Python開發環境 ◆ 搭配Visual Studio Code進行專案開發 ◆ 使用Gradio介面快速部署AI預訓練模型 ◆ 介紹Docker映像檔、容器和倉庫的基本操作 ◆ 使用Docker技術來建立軟體開發與部署環境