Python

本書分為三部分：基礎理論、大數據可視化、大數據可視化工具及應用。基礎理論部分包括第1章、第2章。第1章回顧了可視化發展進程，介紹可視化領域的一些基礎概念及應用；第2章介紹可視化的一般流程及設計組件。大數據可視化部分包括第3章～第7章，主要介紹了不同類型數據（比例數據、關係數據、文本數據、複雜數據）的可視化方法。大數據可視化工具及應用部分包括第8章～第14章，選取了市場上主流的一些可視化工具，圍繞它們的使用方法和應用案例展開。這些工具包括商業軟件（Tableau、DataV、FineBI、Excel）、開源包Echarts,以及編程語言R、Python。本書既可以作為高等院校計算機與軟件相關專業的教材，也可以作為軟件從業人員、計算機愛好者的學習指導用書。

本書基於Linux操作系統的操作、管理和運維的實際需求，主要講解Linux桌面操作系統Ubuntu的配置管理、桌面應用、編程和軟件開發。本書共12章，內容包括Ubuntu概述、安裝與基本操作，用戶與組管理，文件與目錄管理，磁盤存儲管理，軟件包管理，系統高級管理，Ubuntu桌面應用，Shell編程，C/C++編程，Java與Android開發環境，PHP、Python和Node.js開發環境，Ubuntu服務器。本書內容系統、全面，結構清晰，在內容編寫方面注意難點分散、循序漸進；在文字敘述方面注意言簡意賅、重點突出；在實例選取方面注意實用性和針對性。為強化實踐性和可操作性，本書中的大部分知識點都有相應的操作示範，便於讀者快速上手。本書可作為高等院校、職業院校計算機相關專業的教材，也可作為Ubuntu Linux系統操作人員的參考書，以及各類培訓班教材。

本書結合具體實例循序漸進地講解了金融大模型開發的核心知識。全書共12章，分別講解了大模型基礎、大模型開發技術棧、數據預處理與特徵工程、金融時間序列分析、金融風險建模與管理、高頻交易與算法交易、信用風險評估、資產定價與交易策略優化、金融市場情緒分析、銀行應用大模型開發實戰、區塊鏈與金融科技創新和未來金融智能化發展趨勢。本書內容豐富全面，是學習金融大模型開發的優秀教程。本書既適合已經掌握Python基礎開發的初學者學習使用，也適合想進一步學習大模型開發、模型優化、模型應用和模型架構的讀者閱讀。本書不僅可以作為證券、保險、銀行等行業從業者的參考書，還可以作為大專院校和培訓學校的專業性教材。

數據科學是從單純的“大”數據提煉出“智慧”的數據，以供人們發現新知識並輔助決策的綜合交叉學科．本書簡要闡述數據科學的數學基礎．全書共11章，內容包括線性代數基礎、線性空間與線性變換、向量與矩陣範數、矩陣分解、概率統計基礎、隨機過程、最優化基礎、線性規劃、常用無約束最優化方法、常用約束最優化方法以及綜合案例．除第11章外，每章都有應用實例與該章內容緊密結合，以進一步加強讀者對知識點的理解和掌握．所有的應用實例和第11章綜合案例的代碼都在Windows操作系統下利用Python 3.7編寫，並在交互式解釋器IDLE上調試通過．本書可作為高等院校大數據、人工智能等相關專業的教材，也可供從事大數據、人工智能及相關領域教學、研究和應用開發的人員參考．

機器人開發是一項複雜的系統工程，ROS 2為智能機器人開發提供了強有力的支持，極大地提高了機器人軟件開發效率。本書首先對ROS 2的基礎概念、通信機制、常用庫和工具進行介紹，帶領讀者入門ROS 2機器人開發；接著引導讀者完成移動機器人的建模和仿真、建圖和導航、自定義控制器和規劃器等一系列實踐；然後在真機實戰環節，通過製作一個基於ROS 2的真實機器人，幫助讀者打通仿真與真機之間的壁壘；最後，本書深入講解了ROS 2進階使用的相關知識，為讀者進一步在實戰中使用ROS 2進行機器人開發打下夯實基礎。考慮讀者基礎，書中示例均以C++和Python兩種語言實現，同時加入了關於C++新特性、Git工具、多線程和回調函數等基礎知識的講解。

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow：Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 TensorFlow編程實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫學應用和Seq2Seq+attention 模型及其應用案例。 本書最大特色是既有由淺入深的理論知識，又有從入門到高深的應用編程的技術知識。本書涵蓋了深度學習的理論、Python 編程語言以及TensorFlow編程知識和代碼解讀，為深度學習初學者以及進階人員提供了詳盡的必要知識。本書可用于大學本科生高年級以及研究生人工智能教材，也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。

書通過通俗易懂的文字、翔實的案例，系統地介紹MySQL 8.0數據庫應用技術。全書共11章，可以歸納為4個部分。第1部分(第1、2章)介紹數據庫技術和MySQL基礎，第2部分(第3～6章)介紹以SQL為核心的數據庫應用，第3部分(第7～10章)介紹MySQL編程、數據安全、事務及併發控制等內容，第4部分(第11章)介紹應用Python與MySQL數據庫技術實現信息系統的方法與技巧，從而培養讀者對數據庫的應用能力。 為了幫助讀者快速掌握知識要點、驗證學習效果，編者精心為本書設計知識結構思維導圖，並提供示例源碼和核心知識點的微課視頻。 本書可作為高等院校信息技術及相關專業數據庫應用課程教材，也可作為參加全國計算機等級考試二級 MySQL數據庫程序設計的參考書。

作為第一個戰勝圍棋世界冠軍的人工智能機器人AlphaGo，我們知道其主要工作原理是深度學習。隨著AlphaGo Zero和Alpha Zero的相繼發佈，作為機器學習經典算法之一的強化學習在人工智能領域受到了更多的關注。《強化學習算法入門》就用通俗易懂的語言，按照“原理-公式-程序”的方式對強化學習的基礎知識進行了詳細講解。書中先讓大家從熟悉的“平均值計算”作為切入點學習強化學習的基本概念，然後結合實例學習了函數近似方法、深度強化學習的原理和方法等，比較了各算法的特點和應用，並用Python和MATLAB兩種語言進行了編程實現。 《強化學習算法入門》內容豐富，實踐性強，特別適合高校人工智能相關專業學生，機器學習、深度學習工程師學習強化學習算法。

數字圖像處理與分析在現代農業生產中得到了越來越多的應用。《數字圖像處理與分析》系統地介紹了數字圖像處理與分析的理論、方法和代表性成果及其在農業領域中的應用。《數字圖像處理與分析》介紹了數字圖像處理中的數字圖像基礎、數學基礎、圖像增強、圖像形態學、圖像分割、圖像特徵提取與描述、圖像壓縮和機器學習基礎等內容，突出專業知識和農業生產需求的緊密結合，由淺入深，循序漸進，並通過豐富的應用案例，力求使學生在掌握基本理論和專業知識的同時，具備承擔農業領域數字圖像處理與分析任務的能力。《數字圖像處理與分析》配備了電子課件、課後習題參考答案和大部分章節實驗結果的源代碼(Python + OpenCV)，供教師授課使用。

本書作者在Copilot、ChatGPT等人工智能的輔助下，解出了24道具有挑戰性的正則表達式謎題。本書分為許多單獨的謎題，這些謎題被歸入與解謎需要的正則表達式的複雜性和特徵有關的主題，並包含了其傳統的人為解決方案，以及流行的人工智能助手所給出的答案。除了這些謎題，讀者還將學習如何編寫提示，整合人工智能生成的編碼建議，並與助手互動以獲得想要的結果。通過閱讀本書，讀者將清楚地瞭解人工智能助手在哪些方面可以可靠地編寫代碼，在哪些方面還需要人力的協助。此外，本書介紹了很多關於正則表達式的知識。本書面向瞭解Python簡單技能和正則表達式的讀者，不需要有使用人工智能編碼工具的經驗。

OpenCV作為一個應用廣泛的開源計算機視覺庫，正在受到越來越多的關注。目前OpenCV的各類教程基本上以Python和C++為主，基於Java的OpenCV書籍則少之又少，本書旨在彌補這一空白。 本書共13章，前4章是基礎部分，包括OpenCV概述和安裝配置、數字圖像基礎及圖像基礎操作等內容；第5到11章則包括了圖像的幾何變換、圖像平滑、形態學操作、直方圖、邊緣檢測與輪廓、霍夫變換、特徵點檢測和匹配等進階內容；第12～13章屬￿提高內容，主要介紹機器學習和視頻跟蹤技術。 本書以通俗易懂的語言，圖文並茂的講解力圖使初學者能夠快速高效入門。本書面向的讀者是包括高校學生在內的各類初學者、研究計算機視覺的業餘愛好者及需要快速上手的專業人員。

本書從爬蟲項目開發環境搭建開始，詳細講解從數據采集到內容可視化的全過程。本書從7個網站爬蟲項目出發，根據項目需求選取不同的數據采集和處理技術，並有針對性地講解幾種Python網絡爬蟲。本書共8章，前3章是入門篇，第4、5、6章是進階篇，第7、8章是高級篇。涵蓋的內容有Scrapy爬蟲、Requests爬蟲、Selenium模擬瀏覽器、XPath語言、CSS選擇器、CSV存儲、MySQL存儲、JSON讀取、Parsel解析、Flask框架、ECharts可視化等。本書參考企業項目開發的工作流程，圖文並茂地講解每個操作步驟，並提供運行結果讓讀者檢驗自己的代碼，中間也穿插介紹相關知識點和疑難問題。本書適用于高職高專院校大數據技術專業開展項目化教學和畢業設計指導，也可作為網絡爬蟲愛好者的啟蒙資料。

本書首先從Python 基本語法開始討論，逐步介紹必備的數學知識與神經網絡的基本知識，並利用討論的內容編寫一個深度學習框架TensorPy，有了這些知識作為鋪墊後，就開始討論生成對抗網絡（GAN）相關的內容。然後，本書使用比較簡單的語言來描述GAN 涉及的思想、模型與數學原理，接著便通過TensorFlow實現傳統的GAN，並討論為何一定需要生成器或判別器。接下來，重點介紹GAN 各種常見的變體，包括卷積生成對抗網絡、條件對抗生成網絡、循環一致性、改進生成對抗網絡、漸近增強式生成對抗網絡等內容。本書從模型與數學的角度來理解GAN 變體，希望通過數學符號表達出不同GAN 變體的核心思想，適合人工智能、機器學習、計算機視覺相關專業的人員學習使用。

本書分為三個部分：基礎理論、數據可視化、數據可視化工具及應用。基礎理論部分包括第一、二章。第一章回顧了可視化發展進程，介紹了可視化領域的一些基礎概念及應用；第二章介紹了可視化的一般流程及設計組件。數據可視化部分包括第三到七章，主要介紹了不同類型數據的可視化方法，分別為：比例數據、關係數據、文本數據、複雜數據。數據可視化工具及應用部分包括第八到十四章，選取了市場上主流的一些可視化工具，圍繞它們的使用方法和應用案例展開。這些工具包括商業軟件：Tableau、DataV、FineBI、Excel，開源包Echarts,以及編程語言R、Python。本書既可以作為高等院校計算機與軟件相關專業的教材，也可以作為軟件從業人員、計算機愛好者的學習指導用書。

本書為深入理解學習Go語言必經之路中的重點知識領域，採用大量精美詳細的圖文介紹，文章講解深入淺出，極大降低了理解Golang底層精髓的學習門檻。 本書包含3篇：第一篇為深度理論篇(第1章～第4章)，包含深入理解Golang中GPM模型、深入理解Golang垃圾回收GC三色標記與混合寫屏障、深入理解Golang內存管理模型、網絡IO複用模型等。第二篇為Golang實戰中需要進階的知識盲區介紹(第5章～第12章)。第三篇為基於Golang從0到1的實現輕量級網絡服務框架Zinx及相關應用案例。 本書主要的面向讀者是已經具有軟件編程開發經驗的工程師、系統開發工程師、期望由Python、PHP、C/C++、Ruby、Java等編程語言轉職到Golang開發的後端工程師、期望深入理解Go語言特性的計算機軟件學者等。

本書採用嵌入式人工智能開發板EAIDK 310和嵌入式虹膜門禁EAIDK-310-P20實驗平臺，使用Qt和PyQt作為UI設計和運行框架，通過在嵌入式Linux系統中使用Python和C++語言編寫程序代碼，實現視頻採集、物體分類、人臉識別、虹膜圖像預處理、虹膜圖像特徵提取與匹配、虹膜圖像採集與定位顯示、虹膜識別門禁系統、智能音箱等實踐案例。本書重實踐、重應用、重開發、重創新，以人工智能主流應用場景落地為導向、理論與實踐相結合、強化學生應用型能力的培養為目標，詳細闡述解決實際問題的前沿技術和方法。 本書可作為高等院校軟件工程、電子信息工程、人工智能等專業本科生與研究生的課程教材，也可供人工智能、嵌入式等相關領域的技術人員學習使用。

本書根據現有的大數據技術理論，綜合介紹了大數據技術的相關基礎理論知識，並提供了部分實踐操作介紹。全書共 8 個章節，內容包含大數據的概念與特徵，大數據計量，大數據生命週期，大數據與雲計算，大數據處理架構Hadoop，分布式文件系統 HDFS，MapReduce，大數據編程語言Python，Spark，R語言，爬蟲技術，MINIST 數字識別技術，數據建模，k- 鄰近分類算法，聚類分析，數據預處理，數據可視化，大數據應用，大數據安全與威脅。本書分別在大數據采集與預處理、數據挖掘與分析等重要章節中安排了入門級的實踐操作，以便讀者更好地學習和掌握大數據關鍵技術。本書可以作為高等院校數據科學與大數據等相關專業的課程教材，亦可作為大數據愛好者的科普讀物。

《數據分析與可視化》主要介紹目前非常流行的數據分析和數據可視化工具，首先介紹數據分析“三劍客”，即NumPy、Matplotlib和Pandas。NumPy側重於科學計算，Matplotlib側重於數據可視化，Pandas側重於數據分析。然後介紹微軟推出的交互式數據分析和可視化工具Power BI。 《數據分析與可視化》分為上篇和下篇，上篇介紹使用Python實現數據的分析和可視化，通過4個項目介紹NumPy、Matplotlib和Pandas的使用。下篇共4個項目，介紹使用微軟的Power BI Desktop實現數據的分析和可視化。 《數據分析與可視化》適合作為高職院校大數據、人工智能等專業數據分析和可視化課程的教材，也可作為《人工智能數據處理》1+X證書的學習用書，同時也適合數據分析初學者、數據分析愛好者、數據分析工程師以及相關培訓機構學員學習。

本書比較全面和系統地闡述了營銷調研大數據分析的基本理論和方法，全書共分七個項目。包括認知營銷調研大數據分析、市場調查方案的設計、市場調查的技術方法、市場調查資料的整理與分析、營銷大數據分析、市場調查報告的撰寫、市場預測方法七個項目。每個項目既相互獨立，又都由一條主線貫穿：採用一個真實的項目、以工作過程為基礎貫穿全篇，學生學完課程後就熟悉並完成了整個的一個市場調查，真正使學生學以致用。本書的特點是借鑒和吸收了國內外營銷調研大數據分析的最新研究成果，既有理論性闡述，又有較強的實用性和可操作性，結構新穎，內容全面。書中還介紹了數據分析軟件excel、Python、spss等在營銷調研大數據分析中的應用。

本書從人工智能時代說起，通過項目學習(PBL)的方式由淺入深地剖析圖像處理、人臉聚類、語音識別、人臉簽到、慧眼識人、自動駕駛小車等人工智能的相關應用案例，並在此基礎上推出5個生動有趣的典型綜合實踐項目――裸眼3D、無人機+智慧農業、創建自己的語音識別庫、語音播報智能垃圾桶、垃圾分類機器人。本書項目在實施過程中，依託人工智能學習網站、拖拽式積木編程、Python編程等軟硬件相結合的形式， 讀者輕鬆學習深奧的人工智能知識，讓他們在體驗人工智能學習樂趣的同時，進一步培養其人工智能的意識和能力。 本書可作為青少年學習人工智能知識和開展人工智能實驗的基礎用書，也可作為人工智能愛好者的自學讀物。

當前，機器人操作系統(Robot Operating System, ROS)已成為機器人研發領域的主流通用軟件平臺和事實標準。本書較為系統地介紹了ROS的基本概念及開發方法，提供了大量的實例代碼和具體的實驗，能夠幫助ROS零基礎讀者瞭解並快速走上ROS的開發實踐之路。本書共10章，分別為ROS概述、Ubuntu系統基礎、Python語言基礎、ROS架構與體系、ROS編程基礎、機器人傳感系統、機器人視覺系統、機器人建模與仿真、ROS綜合實例以及ROS實驗。 本書可作為高等院校機器人工程或機電、自動化、計算機等相近專業的本科生教材，也可作為相關專業的研究生參考教材，還可供其他類型院校相關專業師生、工程技術人員及自學者參考。 本書配有電子課件和源代碼，歡迎選用本書作教材的老師登錄www.cmpedu.com註冊下載，或發jinacmp@163.com索取。

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。

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。

全書分為4部分。第1部分對基礎知識展開講解，包括Linux基礎和ROS入門。第2部分主要關注一個實際的機器人中的硬件和核心傳感器模塊的構造，重點講解機器人上的傳感器、差分底盤、樹莓派主板開發方面的知識。第3部分是SLAM地圖構建的核心算法，SLAM中的數學基礎、基於激光的SLAM系統、基於視覺的SLAM系統、混合SLAM系統、新型SLAM系統。第4部分是自主導航相關的核心技術與應用，包括自主導航中的數學基礎、基於地圖的導航、基於環境探索建圖的導航、強化學習在機器人導航中的應用。通過閱讀本書，讀者不僅可以自己設計出一套SLAM導航機器人出來，還可以在軟硬件結合的環境中提高自己的C++/Python/Java方面的編程能力，同時還可以接觸到流行的SLAM算法的實際應用。

介紹了機器學習中關於監督學習和無監督學習的相關理論及其在金融領域中的應用。從機器學習基礎概念入手，由淺入深，由概念理論延伸至實際應用。其中，理論篇深入淺出地闡述了常見的監督學習算法和無監督學習算法，以更為直觀和形象的方法來介紹相關複雜理論，尤其適合經管類專業學生閱讀。此外，應用篇闡述了機器學習算法在金融各領域中的應用，其中的案例以現實金融問題為基礎，利用機器學習算法來解決金融問題（部分案例給出具體的算法和Python代碼實現）。在每章最後給出了複習思考題，有利於學生更好地掌握本書內容。本書是經管類學生進入大數據金融和金融科技領域較好的入門教程。

本書是一線骨幹教師多年數學實踐教學的成果，旨在指導學生掌握數學實踐的思想和方法，通過大量實例幫助學生實現從“新手”到“老手”的蛻變。 本書共分為四篇：第一篇就數學實踐提出幾點改革思考；第二篇就全國大學生數學建模競賽、美國大學生數學建模競賽、全國大學生數學競賽等幾個參與面較廣和影響力較大的數學實踐賽事進行介紹，從報名參賽、選擇隊友、作品撰寫到提交作品都予以詳細的解讀；第三篇重點介紹三款數學軟件――MATLAB、Python和R軟件，包括它們的功能、語法及基本使用方法，並舉例說明在數學實踐中如何運用這些軟件；第四篇收集展示近年來武漢科技大學本科生數學實踐的優秀典型範例，並邀請專家進行點評。

本書將包括四個部分：第一篇基礎篇，概述學習的基礎性內容，包括互聯網地圖電子數據、Python數據采集與分析簡介和ArcGIS 10.4軟件與操作簡介；第二篇矢量數據獲取與分析，包括興趣點（POI）數據獲取與分析、興趣線（LOI）數據獲取與分本書擬作為城市規劃、交通規劃、地理學、計算機等專業選修課教材。當前，國際範圍對於大數據的分析給與了足夠的關注。我們一方面可以利用手機數據等展開豐富的分析研究，同時可以利用國內多種互聯網地圖公司的數據開展研究。析和興趣面（AOI）數據獲取與分析；第三篇柵格數據獲取與分析，包括街景圖片獲取與分析和熱力圖片獲取與分析；第四篇交通出行數據篇，包括動態交通出行數據獲取、動態交通出行數據應用等。

機器學習最強入門 基礎數學/機率/統計 邁向 AI真實數據 x 專題實作 ★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★ ★★★★★【最簡明的數學、機率、統計知識】★★★★★ ★★★★★【最完整的機器學習演算法】★★★★★ ★★★★★【最豐富的真實數據 x 專題實作】★★★★★ 本書特色如下： ★ 最白話解釋數學原理 ☆ 從簡單的數據開始理解機器學習的演算法 ★ 將理論知識轉化為實際的程式碼 ☆ 實際案例分析 全書有約416個Python程式實例，讀者可以由本書內容，了解下列與機器學習有關的基礎數學、機率、統計知識： ★ 方程式與函數 ☆ 完整Python語法 ★ 一元函數到多元函數 ☆ 最小平方法 ★ 基礎統計 ☆ 機率與單純貝式理論 ★ 指數與對數 ☆ logit函數與logistic函數 ★ 向量與矩陣 ☆ 二次函數、三次函數與多項式函數 當讀者有了上述知識後，筆者從簡單的實例開始介紹下列機器學習的演算法，每一種演算法皆是從基礎數據開始解說，然後跨入真實數據，解說應該如何將演算法應用到真實案例環境： ★ 線性迴歸 – 波士頓房價 ☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病 ★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail ☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析 ★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球 ☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料 ★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論 ☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價 ★ K-means分群 – 購物中心消費/葡萄酒評價 ☆ PCA主成分分析 – 手寫數字/人臉數據 ★ 階層式分群 – 小麥數據/老實泉 ☆ DBSCAN演算法 – 購物中心客戶分析 在講解上述演算法時，筆者同時介紹下列機器學習應該知道的知識： ★ 特徵選擇 ☆ 用直方圖了解特徵分佈 ★ 用箱型圖了解異常值 ☆ 數據預處理 ★ 殘差圖(Residual plot) ☆ 機器學習性能評估 ★ 過擬合(overfitting) ☆ 欠擬合(underfitting) ★ 數據洩漏(Data leak

★★★★★ 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

本書系統地介紹人工智能基礎理論與應用實踐，內容包括人工智能概述、Python編程基礎、機器學習概論、深度學習概論、神經網絡、網絡信息採集與處理、大數據分析與可視化、數據挖掘技術、人工智能倫理、人工智能研究熱點與發展趨勢。書中通過具體項目案例和實踐任務講解各個知識點，幫助學生在動手實踐中掌握理論知識。本書旨在適應高等學校各工科專業的人工智能通識課教學需求，內容涵蓋從編程基礎到數據實踐、從人工智能理論到技術前沿。書中特別設計了多個符合課程特點的專項智能體，以助力學生學習。本書理論與實踐相結合，既適合作為本科高校工科專業人工智能通識課的教材，也可供廣大人工智能愛好者、工程師和研究人員作為入門參考書。

本書簡明闡釋數據庫系統基本概念、關係數據模型與設計原理，是《數據庫應用技術教程(SQL Server 2017)微課視頻版》的修訂升級版。全書以 SQL Server 2022 為實踐平臺，涵蓋數據庫創建與管理、數據查詢、視圖與索引、TSQL編程、存儲過程與觸發器、安全性管理、事務管理及數據庫的日常維護等核心內容，新增 Python 連接庫的開發實踐。本書以“學生選課”為典型案例，搭配大量實操實例與微課視頻資源，注重理論與實踐結合，助力讀者快速掌握數據庫知識體系與SQL Server 2022實操技能。通過本書學習與實踐，讀者可夯實數據庫基礎，熟練運用相關技術進行數據處理與系統開發。本書適用于普通高校計算機及相關專業“數據庫原理與應用”“數據庫系統”等課程教學，也可作為培訓機構參考書及數據庫學習者自學指南。

本書系統地講解開源聯盟鏈FISCO BCOS從原理到實戰的完整技術棧。全書以區塊鏈基礎概念為起點，深入剖析聯盟鏈特色、FISCO BCOS架構、共識、安全與隱私機制；詳細演示Air/Pro/Max三版本網絡搭建、WeBASE一鍵部署及多機集群運維；覆蓋Java、Go、Python多語言SDK開發實例，並逐一介紹跨鏈WeCross、分布式身份WeIdentity、事件框架WeEvent、預言機Truora、隱私計算WeDPR及數據治理、多方協作治理等高階組件；最後結合合約生命週期、賬戶管理、SmartDev腳手架與壓力測試，為讀者提供企業級應用落地與持續運維的全流程指南。本書適合具備基礎編程經驗、希望快速掌握聯盟鏈核心技術並將其應用于金融、政務、供應鏈等場景的開發者、架構師與運維工程師，也適用于高等院校區塊鏈、軟件工程、計算機、金融科技相關專業學生及企業數字化轉型決策者作為實踐教材或技術參考。

本書由長春汽車職業技術大學汽車工程學院與信息工程學院聯合編寫，專為職業本科學生設計，適用於汽車人工智能基礎課程。本書聚焦智能網聯汽車產業需求，破解傳統教材“技術與汽車場景脫節”痛點，以“立足基礎、面向應用”為核心，構建“認知—場景—實踐”遞進體系。共設6 個項目，從人工智能定義、發展及大語言模型車載應用切入，逐步深入計算機視覺(車載“電子眼”)、語音交互(車載“小耳朵”)、自然語言處理(車載“聊天達人”)、機器學習(車載“學習委員”)、深度學習(車載“超級大腦”)5大核心技術領域，每個項目均配套實車功能觀察、Excel 數據擬合、Python 駕駛習慣分析等實踐任務。編寫團隊兼具汽車工程與信息技術跨學科優勢，確保內容兼顧理論深度與汽車應用場景適配性，助力學生扎實掌握AI 基礎，銜接後續專業課程，為適應智能網聯汽車產業發展奠定基礎。

本書是一本面向開發人員的大模型及生成式AI實戰指南，基於作者在美國矽谷企業級應用項目經驗及企業培訓經驗編著而成。本書重點介紹企業級大模型應用開發、模型調優及部署運維等技能。全書共10章，內容涵蓋生成式AI概述、大模型提示詞深度解析、LangGraph+CrewAI案例、生成式AI應用開發項目實戰、大模型指令微調與PEFT技術、RLHF與DPO模型對齊、大模型應用開發案例實戰、為何Sora是通往AGI道路的里程碑、解碼Sora架構原理、Sora關鍵技術解密等，書中的每個知識點都有相應的實現代碼和實例。隨書附贈源碼，獲取方式見封底。本書的核心讀者是有Python基礎的大模型愛好者，主要面向廣大從事大模型應用開發、機器學習、數據挖掘或深度學習的專業人員，相關專業的在校師生及相關領域的科研人員。

計算機程序設計語言是高校理工科本科生必修的一門核心課程。傳統上，高校主要教授C/C++，但C++既非純粹的面向對象語言，編程界面也需依賴外部工具。將大量時間投入在面向過程的程序設計上，限制了學生對面向對象和可視化界面編程的掌握。近年來，Python 和C#受到青睞，後者作為微軟推出的面向對象語言，為理工科應用軟件開發提供了全方位支持。本書作者根據多年教學經驗，編寫了這本以C#面向對象程序設計為核心的高校教材，並包含了習題練習，旨在系統地講解C#基本語法及其應用，並培養學生面向對象的程序設計能力。本書可作為高等院校電子信息類、計算機類、自動化類、機電類等專業的C#語言教材，也可作為相關技術培訓教材，還可供從事相關技術開發的工程技術人員參考。

本書旨在提供一個全面、系統的LangChain學習指南。全書共7章，循序漸進地介紹LangChain的核心概念和使用方法。第1章討論人工智能、大語言模型的發展歷程和應用場景，闡述LangChain框架的設計理念和優勢；第2章詳細介紹如何搭建LangChain的開發環境，引導讀者編寫第一個LangChain程序；第3、4章深入剖析LangChain的基礎組件和領域特定語言LCEL，幫助讀者掌握構建大語言模型應用的關鍵技能；第5～7章通過多個實戰項目，展示如何使用LangChain構建智能問答系統、智能文檔助手和知識圖譜應用，將所學知識應用到實踐中。本書適合具備一定Python編程基礎、對人工智能（特別是自然語言處理、大語言模型）感興趣的讀者閱讀。通過學習本書，讀者可以掌握使用LangChain開發大語言模型應用的思路和方法，獨立設計和實現智能應用系統。

數據科學是從單純的大量數據集中提取出“智慧”的數據，用以提供人們發現新知識並輔助決策的綜合交叉學科。本書為本科教材，闡述了數據科學中數學理論以及相關分析方法。全書包括如下內容：對數據科學和大數據基礎理論與發展的概述；承接高等教育中基礎的數學理論：線性代數、微積分、概率論與數理統計，並講述數值分析、馬爾科夫預測這類數據科學中常用的理論；結合機器學習知識講解數據科學中常用的分析方法：分類算法、關聯規則挖掘、聚類、人工神經網絡和時間序列分析。教材結合案例提供對應Python語言的代碼操作，以進一步加強讀者對知識點的理解。本教材從數據中提煉知識的整個過程所面臨的問題和任務著手，以給出基本數學理論的講解為基礎，逐步在實踐中使用數據科學。

本書分為“走進AI 科學館——芝麻開門 初識人工智慧”“建設未來學校——牛刀小試 改造未來學習生活”“初探程式設計學院——發掘潛力 挑戰Python 程式設計”“解密機器學習——進階提升 挑戰AI 小項目”四章，共19 個項目。書中設計了“叮叮”（一位初中生）和“阿度”（機器人）兩個角色，通過他們的對話銜接每個專案和環節的主題，讓學生更容易融入角色，切身體驗項目設計的思路，主動完成專案內容的探究學習。每個專案包含“激趣引導”“探索分析”“案例實踐”“拓展優化”“總結鞏固”五個環節，按照專案思維結構圖設計、程式設計實踐、拓展優化的設計思路，充分激發學生對人工智慧自主探究的學習興趣，促進學生計算思維、創新能力的學科核心素質培養。本書可以用於初中選修課、社團課、競賽課、課後服務課程的實施，也適合初中一線教師和對人工智慧感興趣的學生作為科普讀物。

本書從基本概念和理論入手，通過近千張圖和簡單的例子由淺入深地講解深度學習的相關知識，且不涉及複雜的數學內容。 本書分為上下兩冊。上冊著重介紹深度學習的基礎知識，旨在幫助讀者建立扎實的知識儲備，主要介紹隨機性與基礎統計學、訓練與測試、過擬合與欠擬合、神經元、學習與推理、數據準備、分類器、集成算法、前饋網絡、激活函數、反向傳播等內容。下冊介紹機器學習的 scikit-learn 庫和深度學習的 Keras 庫(這兩種庫均基於 Python 語言)，以及卷積神經網絡、循環神經網絡、自編碼器、強化學習、生成對抗網絡等內容，還介紹了一些創造性應用，並給出了一些典型的數據集，以幫助讀者更好地瞭解學習。 本書適合想要瞭解和使用深度學習的人閱讀，也可作為深度學習教學培訓領域的入門級參考用書。