Python

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。

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 leakage) ☆ 繪製決策樹圖(Decision tree map) ★ 可視化熱力圖(Heat map) ☆ 決策邊界(Decis

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｜

【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。

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

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