Python

本書採用產教融合方式編寫，以數據分析與可視化應用場景為設計框架，選擇汽車、金融、生活、零售、電子商務等典型的數據應用場景，以Python 為數據分析與可視化工具，以機器學習為主要分析方法。全書以通俗易懂、圖文並茂的方式，介紹了商業問題的分析邏輯、處理流程及工具方法的有效使用，幫助學生形成可以遷移的問題解決認知圖式，避免課程學習變成純粹的統計理論知識學習，或者簡單數據分析工具（軟件）的操作訓練。本書適合高等職業院校及應用型本科院校學生使用，同時也適合對商業數據分析與可視化感興趣的企業、培訓機構相關人員使用。

本書是為順應智能時代教育信息化發展和滿足教師專業發展的現實需求編寫的，並以“理論與技術相結合，實用性導向”為宗旨，全面介紹教育人工智能研究及發展應用的基本原理和方法，學完本書後，讀者將對教育人工智能有全面的瞭解，並能掌握其整體知識框架。本書共分十六章，主要內容包括緒論、教育人工智能理論基礎、教育人工智能應用實踐、教育人工智能倫理、Scraino 程序設計、Python 程序設計、其他常用的編程語言、知識表示方法、數據挖掘、搜索技術、群智能算法、機器學習、自然語言處理、視覺圖像處理、教育專家系統、教育多智能體與教育機器人。為便於讀者學習和使用，本書各章還分別設置了學習目標、學習建議和思考題等。 本書可供本科生、研究生和教師閱讀，也可供對教育人工智能感興趣的讀者自學。

本書是高校計算思維通識教育類課程的入門教材，以基於計算機的問題求解為主線，以計算思維能力培養為目的，從全新的視角組織教學內容，突出計算理論與計算機科學方法。全書共7章，分別介紹了計算與計算思維、信息表示、計算機系統、程序設計基礎――Python編程入門、信息傳遞與信息安全、人工智能基礎、機器學習等內容。 本書內容豐富、結構清晰、語言簡練、圖文並茂，具有很強的實用性和可操作性，可作為高等學校本科生的第一本計算機課程教材，也可作為大中專院校計算機課程的教材或教學參考書。對各類計算機教育者、從事計算機各方面工作的人員，本書也是一本很有價值的參考書。

本書以高等職業教育的人工智能類專業人才培養基本要求為指導, 以培養學生掌握智能語音信號處理及應用為目標, 以“必須、夠用”為原則,採用“項目教學法”, 系統介紹了智能語音信號處理的基本理論、方法以及Python在語音信號處理中的應用。全書包含六個教學項目, 其中, 項目1介紹了智能語音的概念樂展、未來趨勢以及應用, 語音信號的採集讀寫和播放的技術原理以及處理的-般流程; 項目2介紹了語信號分析的基礎知識, 語譜圖的概念、應用和繪製方法; 項目3介紹了語音識別技術的應用; 項目4介紹了語音合成技術的應用; 項目5介紹了對話機器人的關鍵技術及應用; 項目6介紹了聲紋識別的關鍵技術應用。

★適用最新MySQL 8.x與MariaDB 10.x ★全書採用清楚易懂的圖文學習模式，讓學習更加事半功倍 • 作者累積數年的教育訓練實務經驗，使用最直覺與容易學習的圖文樣式，以最接近課堂實際授課的方式撰寫本書。 • 最完整的MySQL開發技術手冊，快速建立開發MySQL資料庫應用程式需要的SQL技能。 • 從基礎的資料庫概念、SQL與進階應用，掌握完整的資料庫應用程式開發技術。 • 內容包含資料庫、表格、索引的建立與維護。資料庫的新增、修改與刪除敘述，基礎、結合與子查詢敘述。 • 深入瞭解MySQL的字元集、儲存引擎、預儲程序、函式、觸發事件、資料庫匯入、匯出與效率調校。 • 最新第三版新增：使用Python與Java程式設計語言連線到MySQL資料庫，執行資料庫的新增、修改、刪除、查詢與呼叫預儲程序。

當今時代，人工智能技術越來越受重視，影響著人類生活的方方面面，提高人工智能相關知識素養，十分有必要。全書是人工智能入門類基礎書，共10章，內容包括人工智能概述、機器學習、神經網絡與深度學習、智能語音處理及應用、計算機視覺處理及應用、自然語言處理及應用、知識圖譜及應用、機器人、經典智能算法 Python 實現、展望等。本書適合作為高等院校人工智能、計算機科學與技術、大數據、軟件工程或相關專業的入門教材，也適合從事相關工作的人工智能愛好者和工程師學習閱讀。

《大學計算機基礎教程（第3版）》根據《大學計算機基礎課程教學基本要求》編寫。 《大學計算機基礎教程（第3版）》共9章，第1章介紹計算機系統與信息技術知識；第2章講述操作系統和Windows7的使用；第3章學習運用字處理軟件Word2016編輯與排版文檔；第4章學習使用電子表格軟件Excel2016處理表格和數據；第5章學習使用PowerPoint2016製作演示文稿；第6章學習計算機網絡基礎知識與Internet的應用；第7章介紹多媒體技術與應用知識；第8章介紹數據庫基礎，並結合Access介紹數據庫應用；第9章介紹算法與程序設計基礎，並結合Python語言介紹程序設計的應用。 《大學計算機基礎教程（第3版）》內容精練，語言簡潔，通俗易懂。各章均給出綜合案例，並在章後配習題，適合讀者邊學邊練。 《大學計算機基礎教程（第3版）》可作為高等學校計算機公共課教材，也可供參加全國計算機等級考試的人員參考。

數據科學家是目前熱門的職業之一。本書全面介紹了成為合格數據科學家所需的知識、技能和工作流程，是一本內容全面的實用性技術圖書。本書分為13章，其中第1～3章介紹數據科學；第4～8章介紹數學知識，包括統計學和概率論；第9章介紹數據可視化；第10～12章介紹機器學習；第13章介紹案例。各個章節內容均由淺入深，同時通過案例和Python代碼，使讀者掌握實戰技能。本書適合有志于成為數據科學家的師生或業界新手，同時也適合經驗豐富的職場老手參考。

計算方法、科學計算、數值方法、數值分析中的主要內容基本相同，都是講解如何實現數值計算，只是側重點不盡相同，有的側重算法本身的精度和誤差分析，有的則側重程序的編寫與實現。數值計算的核心就是對數據的操作。而數據大多數以矩陣的形式存在。數值計算的算法即數值方法，大多數是公開透明的，只是實現過程需要的工作量比較大，有的較為複雜。 進行數值計算的軟件平臺非常多，常見的有 MATLAB、Mathematica、R、Python等 , 大多數實現過程也都很簡單，短短幾行代碼就可以實現複雜的過程，根本不需要知道算法實現的細節。 關於數值方法(計算方法、數值分析、科學計算)的書籍非常多，也非常成熟。 針對不同的數值問題，講解的主要內容都是相同的。各種教材更多關注算法本身相關的概念、步驟、精度、誤差等數學相關概念。而在如何將算法變成程序實現方面卻非常少。 講述數值計算程序實現的教材大多數以 MATLAB 為主，因為 MATLAB 具有強大而簡單的矩陣運算，聲明和使用矩陣都非常方便，因此學習數值方法算法的實現過程變得簡單。而與 MATLAB 相同的 Python，同樣作為解釋型語言，由於其完成矩陣的操作略顯麻煩，需要調用 numpy 模塊，目前沒有發現用 Python 語言講述數值計算方法的書籍，但是直接用 Python 進行科學計算的書籍卻不少。R 語言同樣作為解釋型數據分析語言，在國內的用戶非常少，更很難見到其實現數值計算。 既然數值方法中的算法在大多數數值計算軟件中都可以直接簡單調用函數名稱實現，那為什麼還要學習數值計算方法自己編程實現科學計算呢？這是因為不經過編程實現數值計算算法的訓練過程，就不可能深入理解數值計算方法的實現過程與細節，計算方法的編程能力與技巧得不到有效鍛煉，更不容易順利地編寫更多具有複雜數值算法的程序。數值方法編程是學習數值方法的有效和必然途徑，可以為提高數值計算水平打好基礎。 針對數值方法編程，在編譯型語言上實現更具有意義，因為編譯型語言應用範圍廣泛，手機移動端、個人用戶端、服務器端、各種環境下都會用到編譯型語言進行編程。編譯型語言中 C 語言、C++、C#、Visual Basic、Java 這幾種語言的使用者數量龐大。學習使用 C++ 與 C# 語言的人員，並不一定同時熟悉 MATLAB 或者 R 這類數值計算語言。在採用 C++ 和 C# 等

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。

本書主要介紹了與量化投資相關的基本概念、量化投資領域的策略以及量化交易，並對金融量化研究中應用越來越多的機器學習進行了介紹。 全書共分為十章，內容包括緒論、因數檢驗與分類、多因數選股、輪動策略、期貨套利、期權套利、統計套利、機器學習、演算法交易、高頻交易等。 本書給出了大量案例分析, 並在附錄中收錄了常用因數庫、基於Python語言的經典策略代碼，以方便讀者查閱。 本書主要面對金融學專業及其他經管類專業的學生，旨在為對量化投資感興趣的初學者開啟金融科技之窗。

《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。

本書詳細介紹了青少年編程語言Scratch3.0這個軟件的技術和實際應用。用大量的實際案例手把手一步一步教會青少年編寫有趣的遊戲程序，你可以讓球跳動，讓氣球爆炸，讓螃蟹過馬路，讓甲蟲穿過迷宮，讓飛龍躲避立柱飛行。想做到這些事情嗎？你只需要一台電腦，就可以馬上開始！本書可以讓青少年讀者在自己實際操作中體驗編寫遊戲程序的快樂，激發青少年學習程序語言的興趣，拓展思維能力和實際操作能力。青少年通過本書的學習可以為將來學習Python這種更高級的語言程序打下堅實的基礎。

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。

Kittenblock是深圳市小喵科技開發的一款基於Scratch 3.0的圖形化編程軟件。Scratch 3.0強調的是創作與分享，更注重純軟件編程；Kittenblock強調的是教育與創造屬性，根據當下的教育需求，重點增加人工智能、物聯網和Python編程，盡可能地滿足教育的系統性和連續性需求，讓學生和老師無須切換多個軟件。Kittenblock打通了軟硬件編程，支持市面上的熱門開源硬件，如micro:bit、Arduino等。Kittenblock集合了多種人工智能插件和物聯網插件，支持一鍵轉Python、一鍵導入Scratch原生項目。齊全而豐富的插件，讓用戶無須頻繁更換件，同時也打破了知識“孤島”，降低了用戶的學習成本和門檻，讓用戶更專注於創意項目製作。本書的章節和知識點都做了精心編排，章節編排依據技術種類進行細分，每節先從生活中與人工智能相關的常見實物切入，引出所用的人工智能技術，再講解Kittenblock與這項技術相關的圖形化編程積木，最後結合多個實例進行編程講解。本書在章節編排上從易到難，先講解語音部分，再講解視覺部分，最後講解機器學習部分。在後面章節的進階實例裡，還會結合一些樂高結構件進行搭建。中小學信息技術課老師和青少年編程培訓機構的老師，可將本書作為參考書開展人工智能教育。如果是Scratch基礎比較好的中小學生，想學習一些新技術，做出一些大放異彩的作品，本書也可以滿足需求。非軟件專業的愛好者，可以通過本書結合人工智能快速實現語音、視覺、機器學習等方面的項目，把想法變為現實，獲得成就感，進而激發對人工智能的學習興趣。

我們在與環境交互的過程中進行學習，經歷的獎勵或懲罰將指導我們未來的行為。深度強化學習將該過程引入人工智能領域，通過分析結果來尋找最有效的前進方式。DRL智能體可提升營銷效果、預測股票漲跌，甚至擊敗**圍棋高手和國際象棋大師。 《深度強化學習圖解》呈現生動示例，指導你構建深度學習體系。Python代碼包含詳明、直觀的注釋，助你深刻理解DRL技術。你將學習算法的運行方式，並學會用評估性反饋來開發自己的DRL智能體。 本書主要內容包括: 強化學習入門 行為與人類似的DRL智 能體 在複 雜情況下應用DRL。

《Pandas數據分析實戰》全面介紹了用於數據分析的Pandas庫。Pandas可以幫助讀者輕鬆地執行多種數據操作,包括排序、連接、旋轉、清理、刪除重複數據、聚合等。本書循序漸進地介紹了Pandas的各種功能,每種功能從較小的構建塊開始,再到較大的數據結構。《Pandas數據分析實戰》適合具有電子表格軟件(如Microsoft Excel. Google Sheets和Apple Numbers)以及類似的數據分析工具(如R和SAS)使用經驗的中級數據分析師閱讀和參考。對於想瞭解更多數據分析知識的Python開發人員來說,也是一-本非常 合適的參考書。

本書內容共分13章，第1章主要講解CityEngine的軟件界面、工程組織方式、圖層及其操作、軟件安裝步驟和使用嚮導創建虛擬城市的過程；第2章講解街道建模方法，主要包括隨機街道建模和手動街道建模；第3章講解手動建模工具，主要包括形狀建模工具、形狀變換工具和形狀測量工具；第4～10章講解CGA規則建模操作，主要包括形狀編輯、紋理貼圖、屬性及其設置、程序結構、規則函數、常用內置函數、注解和樣式等內容；第11章講解對象選擇方法與視域分析工具；第12章講解數字模型導入/導出方法，以及利用地理信息系統數據進行三維建模的基本過程；第13章主要講解Python腳本的使用過程和常用操作。

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。

《深度學習實戰：基於TensorFlow 2.X 的計算機視覺開發應用》從環境的搭建和TensorFlow 2.X 的基礎語法講起，逐步深入到計算機視覺領域的算法模型理論與實戰應用，並重點講解了如何使用TensorFlow 2.X 框架實現各類經典的深度學習模型，讓讀者可以系統地學習TensorFlow 2.X 在計算機視覺領域的相關知識和實戰應用。 全書共13 章，涵蓋的主要內容有Anaconda環境配置、JupyterNotebook使用、神經網絡模型和用Python從零實現神經網絡、TensorFlow 2.X 的基礎語法、圖像分類的算法模型理論和實戰、遷移學習技術實戰、目標 檢測的算法模型理論和實戰、自編碼器的算法模型理論和實戰、生成式對抗網絡的算法模型理論和實戰、基於 深度學習的指紋識別技術實戰、基於攝像頭的指定物體實時預測、基於 Linux 平臺下的深度學習模型網頁部署、基於exe 程序的深度學習識別系統以及自動機器學習的理論與實戰等。 《深度學習實戰：基於TensorFlow 2.X 的計算機視覺開發應用》內容通俗易懂、案例豐富、實用性強，特別適合機器學習、深度學習、Tensorflow2.X框架和計算機視覺領域的入門讀者閱讀，也適合Python 程序員等其他編程愛好者閱讀。另外，本書也可作為相關院校或培訓機構的教材使用。

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

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

Hallmark FeaturesIntroduces the fundamental constructs of contemporary programming languages•Critical evaluation of existing and future programming languages gives students the necessary tools for evaluating on their own.•An in-depth discussion of programming language structures, presenting a formal method of describing syntax, and introducing approaches to lexical and syntax analysis prepare students for the study of compiler design.•Coverage of advanced object-oriented topics and languages is integrated throughout.Addresses the most up-to-date information in this field•New - New material on Swift, a contemporary programming language, is now part of several chapters.•New - Section on Delphi now included in Chapter 2.•New - Section on optional types is included in Chapter 6.•New and Updated - Content describing iterations in Python are part of Chapter 8.•Revised - To ensure the material remains relevant to students, sections on outdated languages (specifically Lua and Objective-C) have

JAX是一個用於高性能數值計算的Python庫，專門為深度學習領域的高性能計算而設計。本書詳解JAX框架深度學習的相關知識，配套示例源碼、PPT課件、數據集和開發環境。 本書共分為13章，內容包括JAX從零開始，一學就會的線性回歸、多層感知機與自動微分器，深度學習的理論基礎，XLA與JAX一般特性，JAX的高級特性，JAX的一些細節，JAX中的卷積，JAX與TensorFlow的比較與交互，遵循JAX函數基本規則下的自定義函數，JAX中的高級包。最後給出3個實戰案例：使用ResNet完成CIFAR100數據集分類，有趣的詞嵌入，生成對抗網絡(GAN)。 本書適合JAX框架初學者、深度學習初學者以及深度學習從業人員，也適合作為高等院校和培訓機構人工智能相關專業的師生教學參考書。

人工智能應用已經遍及各行各業，而機器學習和深度學習作為其中的重要組成部分也越來越火熱。《PyTorch深度學習模型開發實戰》就以近年來非常流行的Python 機器學可庫 PyTorch為工目。對深度學習中的遷移學習、圖像分類、物體檢測、語義分割、姿勢識別、圖像生成、異常檢測、自然語言處理以及視頻分類等各種任務進行了詳細講解及深度學習模型的編程實現。這些任務都是為幫助讀者積累實踐經驗，以便能在實際開發中靈活運用深度學習技術精挑細選出來的。讀者只要親自動手，依次對各種任務進行編程實踐，並徹底理解其中的原理，就一定能逐步掌握複雜深度學習的應用方法。 《PyTorch深度學習模型開發實戰》 內容豐富全面，講解通俗易懂，特別適合作為有一定基礎的AI工程師提升技能、中高級機器學習/深度學習工程師鞏固相關基礎的參考書籍。

本書根據傳媒相關專業學生的特點，有針對性地介紹了與傳媒業相關的市場調研、分析工具、方法及其有效決策等內容。教材在案例的選擇上兼顧了專業的相關性和讀者的興趣所在。同時，根據現代調查研究技術的發展，在介紹傳統調研方法的基礎上，增加了通過 Python 對網絡數據抓取與分析的介紹，並提供了通用腳本。通過對本書的閱讀，讀者不僅能夠掌握調查研究的相關技法，也能切身體會到這些理論、方法在傳媒行業中的實踐。

深度學習 最佳入門邁向AI專題實戰 ★★★★★【深度學習】★★★★★ ☆☆☆☆☆【理論】+【實作】☆☆☆☆☆ 這是目前市面上講解【深度學習(Deep Learning)】從基礎到應用最完整的書籍，從基礎數學與統計開始，將演算法的原理解釋得更簡易清晰，協助讀者跨入 AI 的門檻，為避免流於空談，盡量增加應用範例，希望能達到即學即用。多位試閱本書內容的專家與學者全部皆給【五顆星】滿分評價。 整本書採用【最新版TensorFlow】+【大量圖片輔助】，+ 【完整理論解說】+【Python程式實作】以原理與實作，講解下列最熱門的AI主題。 ☆【神經網路(NN)】 ☆【卷積神經網路(CNN)】 ☆【物件偵測(YOLO)】 ☆【光學文字辨識(OCR)】 ☆【車牌辨識(ANPR)】 ☆【人臉辨識】 ☆【生成對抗網路 (GAN)】 ☆【深度偽造 (DeepFake)】 ☆【自然語言處理(NLP)】 ☆【聊天機器人(ChatBot)】 ☆【語音辨識(ASR)】 ☆【強化學習(RL)】 讀者只要遵循本書步驟學習相信必可以徹底認識人工智慧、機器學習與深度學習觀念，邁向浩瀚領域。

《PyTorch編程技術與深度學習》講述深度學習的基本原理，使用PyTorch展示涉及的深度學習算法。通過理論講解和編程操作，使讀者了解並掌握深度學習的原理和PyTorch編程技能，拉近理論與實踐的距離。全書共分9章，主要內容包括PyTorch介紹、PyTorch基礎編程、深度學習快速入門、神經網絡訓練與優化、卷積神經網絡原理、卷積神經網絡示例、詞嵌入模型、循環神經網絡原理、NLP示例。書中不但涵蓋成熟的卷積神經網絡和循環神經網絡的原理和示例，還包含一些新的如Transformer和知識蒸餾的內容。全書源代碼全部在Python 3.7.4 + PyTorch 1.9.0版本上調試成功。 《PyTorch編程技術與深度學習》適合深度學習和PyTorch編程人員作為入門和提高的技術參考書使用，也適合用作計算機專業高年級本科生和研究生的教材或教學參考書。

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。

本書以深度學習框架TensorFlow為基礎，介紹機器學習的基礎知識與常用方法，全面細緻地提供了機器學習操作的原理及其在深度學習框架下的實踐步驟。 全書共16章，分別介紹了深度學習基礎知識、深度學習框架及其對比、機器學習基礎知識、深度學習框架TensorFlow的基礎知識、Logistic回歸、多層感知器、卷積神經網絡與計算機視覺、神經網絡與自然語言處理以及8個實戰案例。本書將理論與實踐緊密結合，相信能為讀者提供有益的學習指導。 本書適合Python深度學習初學者、機器學習算法分析從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

Functional and concurrent programming paradigms can help experienced object-oriented developers write high-quality software faster: code that's easier to understand, debug, optimize, and evolve. But these approaches have often been surrounded by mystification and misconceptions, leading many developers to avoid them. In Functional and Concurrent Programming, Michel Charpentier clears away the confusion, showing how to use these features safely and well, so you can gain their benefits without their pitfalls. Writing for developers with some object-oriented experience in Java, C++, C#, Python, or elsewhere, Charpentier teaches key concepts through the use of realistic, modern examples: code written in Scala, but relevant to users of any modern object-oriented language. As a hybrid language, Scala can be used effectively to illustrate both object-oriented and functional programming; it offers advanced features for concurrency; and it interoperates with Java, and can use many components of

This best-selling introductory chemical engineering guide has been thoroughly revised, streamlined, and updated to reflect today's sweeping changes in chemical engineering curricula. It contains extensive new coverage and examples related to biotechnology, nanotechnology, green/environmental engineering, and process safety, as well as many new MATLAB and Python problems throughout. Like previous editions, Basic Principles and Calculations in Chemical Engineering, 9th Edition offers a strong foundation of skills and knowledge for successful study and practice, guiding students through formulating and solving material and energy balance problems, as well as describing gases, liquids, and vapors. Throughout, it introduces efficient, consistent, student-friendly methods for solving problems, analyzing data, and gaining a conceptual, application-based understanding of modern chemical engineering processes. Coverage in previous editions has been condensed and streamlined to serve today's stu

代碼審計是一種以發現程序錯誤、安全漏洞和違反程序規範為目標的源代碼分析技術。本書首先對代碼審計的定義、代碼審計的流程、代碼審計的分類進行了系統的介紹，以phpStudy為例，介絡了代碼審計環境的搭建以及當前常用的代碼審計工具;其次詳細介紹了SOL.注入漏洞審計、XSS漏洞審計、CSRF漏洞審計、代碼執行與命令執行漏洞審計、文件包含漏洞審計、任意文件操作漏洞審計、XXE與SSRF漏洞審計、變量覆蓋與反序列化漏洞審計、業務功能審計、YXCMS審計等內容;最後介紹了當前常用的程序設計語言Java和Python的代碼審計案例。本書是校企合作開發的教材，注重所述內容的可操作性和實用性，適合作為高等職業院校計算機類相關專業的教材，也可以作為網絡操作系統安全管理的參考用書。

本書包括商務數據分析的理論、方法和案例，分為三篇。第一篇：基礎理論篇。介紹了商務數據分析的基礎理論及 Python等數據分析工具。第二篇方法篇，包括數據清晰和數據預處理等方法以及近年來流行的策樹、支持向量機、集成學習、等深度學習方法及其在商務數據分析中的應用。第三篇：案例篇。開發了二手車交易價格預測、電商企業商品銷量預測、地區物流需求量預測3個商務數據分析的綜合項目開發實例。本書注重理論聯繫實際，提供豐富的案例及代碼，讓讀者可以在實踐中學習和掌握**的商務數據分析方法。

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。

《TensorFlow Lite移動設備深度學習從入門到實踐》循序漸進地講解了使用 TensorFlow Lite開發移動設備深度學習程序的核心知識，並通過具體實例的實現過程演練了使用TensorFlow Lite 的方法和流程。全書共12章，分別講解了人工智能和機器學習基礎、搭建開發環境、第一個 TensorFlow Lite程序、轉換模型、推斷、使用元數據進行推斷、優化處理、手寫數字識別器、鮮花識別系統、情感文本識別系統、物體檢測識別系統、智能客服系統。《TensorFlow Lite移動設備深度學習從入門到實踐》簡潔而不失其技術深度，內容豐富全面，易於閱讀，以極簡的文字介紹了複雜的案例，適用於已經瞭解了Python語言基礎語法的讀者，以及想進一步學習機器學習和深度學習技術的讀者，還可以作為大專院校相關專業的師生用書和培訓學校的專業性教材。

《Scikit-Learn機器學習核心技術與實踐》循序漸進地講解了使用 Scikit-Learn 開發機器學習程序的核心知識，並通過具體實例的實現過程演練了使用 Scikit-Learn 的方法和流程。全書共10章，包括人工智能與Scikit-Learn 簡介，加載數據集，監督學習，無監督學習，模型選擇和評估，數據集轉換，實現大數據計算，英超聯賽比分預測系統(Matplotlib+Scikit-Learn+Flask+Pandas)，AI考勤管理系統(face-recognition+Matplotlib+ Django+Scikit-Learn+Dlib)，實時電影推薦系統(Scikit-Learn+Flask+Pandas)。本書簡潔而不失其技術深度，內容豐富全面，易於閱讀。《Scikit-Learn機器學習核心技術與實踐》適用於已經瞭解Python語言基礎語法的讀者，以及想進一步學習機器學習和深度學習技術的讀者，還可以作為大專院校相關專業的師生用書和培訓學校的專業教材。