Python

本書以項目驅動的方式，循序漸進地引導讀者從零基礎入門人工智能與編程技術。本書首先介紹了人工智能的基礎定義、應用、開發環境等的介紹，然後由淺入深、由點到面、由易到難詳細概述了Python語言完成相關項目的知識內容，全書包括六個部分：人工智能初探、人工智能初級編程——科學計算器項目、人工智能中級編程——成績管理項目、人工智能高級編程——員工管理項目、人工智能圖形處理——圖形輸出項目、人工智能數據分析——數據處理項目。通過“科學計算器”“成績管理”“員工管理系統”等實戰項目，讀者可掌握Python語法、NumpyPandas數據處理、Matplotlib繪圖等工具，並體驗圖形化編程（如霓虹燈、摩天輪動畫）與數據分析（就業分析、電商數據）的實際應用。書中每個任務均包含任務描述、任務分析、相關知識、任務實施、拓展知識、任務評價，強調“學練結合”，幫助讀者鞏固技能。本書適合作為高等職業院校計算機類相關專業人工智能入門課程或Python程序設計相關課程的教材，也可作為編程自學者及對AI應用感興趣的入門者的參考書。

本教材是財務會計類專業“財務大數據應用技術”課程教學的入門教材，分為五大模塊，分別是大數據認知、數據庫基礎、Python 基礎應用、Python進階應用、財務數據分析，5個模塊又分為10個項目 36 個子任務，每個項目開篇均有導讀、學習內容簡介，項目後設有項目小結，每個任務設有課程思政、鞏固練習、拓展閱讀。本教材一方面可以幫助學生理解和掌握財務大數據技術的基本技能、基本理論和基本知識，另一方面又可以幫助學生瞭解財務數字化職業和相關崗位，培養財務數字化職業精神。

本書從計算思維的角度出發，以人工智能相關問題為引導，在解決實際案例問題的過程中植入知識點，為各專業的學生在今後設計、構造和應用各種計算系統，求解本學科的問題奠定基礎。全書共12章，主要內容包括計算與人工智能概述、計算系統、Python編程基礎、Python編程進階、算法設計、智能感知、機器學習、智能決策、智能機器人、互聯網信息處理、數據管理與大數據、數據分析。 本書適用於本科院校一年級新生的計算機導論、人工智能導論等信息技術類基礎課程，可作為計算機基礎課程的教材，也可作為人工智能概論課程的教材，還可作為計算機基礎培訓的教材和自學參考書。

本書是《數字素養通識教程——大數據與人工智能時代的計算機通識教育》的配套實驗教材,內容涵蓋Python編程、數據采集與處理、人工智能大模型應用等.讀者不需要具備計算機技術基礎就可以順利完成全部實驗.全書共12章,內容包括Python程序設計實踐、網頁數據爬取實踐、使用Kettle工具對數據進行處理、文本類AIGC應用實踐、圖片類AIGC應用實踐、語音類AIGC應用實踐、視頻類AIGC應用實踐、AIGC在編程中的應用實踐、AIGC其他應用實踐、AI搜索實踐、智能體的構建應用實踐、AI協同辦公實踐.本書可作為各高校開設人工智能通識課程的實驗指導書,也可作為對數字素養感興趣的讀者的參考書.

本書作為AIGC技術的深度解析與實踐指南，旨在為讀者揭開AIGC的神秘面紗。全書精心設計了8章 內容，從基礎知識到實戰應用，層層遞進，詳盡闡述。全書覆蓋基礎知識及7大應用場景，包括撰寫多類 型文章、處理辦公事務、圖像創作、音頻編輯、短視頻創作、Python編程、數字人虛擬主播，旨在幫助讀 者快速掌握AIGC的核心技能，提升辦公效率與創意表達能力。

本書以Python為基礎, 深入講解HDFS分布式文件系統和PySpark3編程。全書共9章, 內容包括Docker環境下Hadoop與Spark的配置、HDFS操作技巧、RDD編程方法、Spark SQL應用、Spark架構及運行機制、Pandas on Spark使用及Spark ML編程實踐。

《基於深度學習和模型驅動的自然語言處理》循序漸進、深入講解了使用Python語言實現自然語言處理(NLP)的核心知識，內容涵蓋了數據處理、算法、大模型等。書中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流程。全書共9章，分別講解了人工智能與自然語言處理基礎、特徵提取、文本分類與情感分析算法、語義分析與理解算法、機器翻譯算法、命名實體識別、大模型Transformer、大模型BERT，以及綜合實戰：基於大模型的情感分析系統。 《基於深度學習和模型驅動的自然語言處理》適用於已經掌握Python語言基礎語法，並且希望進一步學習數據分析、大模型、機器學習、深度學習和自然語言處理技術的讀者。此外，本書也可作為大專院校相關專業的師生用書，以及培訓機構的教材。

本書旨在為高職學生提供人工智能應用基礎的學習指南，既涵蓋了人工智能的基礎理論，也包含了其在實際領域中的廣泛應用，同時注重應用人工智能工具進行實際操作技能的訓練，比較符合高職的教學特點以及高職學生的認知特點。全書共分7章，第1章為人工智能概述，介紹人工智能的發展歷程；第2章為人工智能的技術支撐，介紹大數據、雲計算、學習算法等核心要素；第3章為Python基礎，介紹Python的基本語法，通過一系列項目實例，使讀者掌握Python編程技巧；第4章為計算機視覺；第5章為語音信號處理技術；第6章為大語言模型，介紹其關鍵技術，通過項目實例，使讀者掌握實踐應用；第7章為人工智能的行業應用與職業規劃。每章設置了本章導學、學習目標和學習導覽，方便讀者進行相關內容的學習。章後設置了本章小結和習題，以加深讀者對知識點的掌握。希望通過本書的學習，使讀者切實掌握人工智能應用基礎，把握人工智能的時代風口，在未來的智能時代中大有作為。為方便教學，本書配有電子課件、習題答案、模擬試卷及答案等，凡選用本書作為授課教材的教師，均可登錄機械工業出版社教育服務網(www. cmpedu. com)免費領取。諮詢電話：010-88379375。

本書是一本面向大學生的數據基礎教材，旨在幫助讀者全面瞭解數據技術及應用，包括數據技術的基本概念、常用工具技術、數據獲取技術、數據分析技術、數據可視化技術等內容，涉及網絡爬蟲、數據隱私與安全、數據預處理、Python數據可視化等內容。本書全面系統地介紹了數據技術，覆蓋從數據獲取到可視化的全過程，提供核心知識和應用技能。本書強調數據獲取的重要性，介紹數據分析方法和技巧，突出數據可視化技術，引導讀者使用Python實踐。本書適合大學生和對數據技術感興趣的讀者，尤其適合計算機科學、數據科學等相關專業學生和從業人員。

本書以Python語言為工具，以圖像為載體，對計算機視覺涉及的操作和變換方法進行了詳細的介紹及實現。全書共分10章，分別為計算機視覺概述、編程語言Python及庫簡介、數字圖像預處理、圖像特徵與檢測、機器學習、BP神經網絡基礎、卷積神經網絡CNN、經典神經網絡結構分析、百度EasyDL入門以及計算機視覺在製造行業應用案例分析。本書可作為高等院校智能製造工程、人工智能等相關專業的教材，亦可作為圖像處理、多媒體編程、計算機視覺領域人員的實用參考書。

本書以智能數據處理技術和應用為核心,全書共分為數據處理基礎篇和數據分析技術與人工智能方法篇,詳細闡述了人工智能、大數據、區塊鏈等當代前沿信息技術的概念和應用,在數據處理基礎篇中,以圖書銷售為例,通過Access 2016系統介紹了數據存儲的概念和數據存儲應用技術,並在數據分析技術與人工智能方法篇中,進一步介紹了智能數據分析語言-Python、數值數據智能分析技術、文本數據智能分析技術、人工智能分析方法、智能計算思維及其應用。本書通過一系列實例分析,深入淺出地向讀者介紹了信息、數據、大數據、人工智能、區塊鏈、數據存儲概念及應用技術 (Access)、Python程序設計語言、數值數據和文本數據智能分析技術、人工智能分析方法和智能計算思維。

本書內容分七大模塊: 大數據概述、開發環境搭建、大數據采集 (爬取)、大數據分析、數據建模與數據挖掘、數據可視化以及大數據分析挖掘綜合案例。開發環境採用Python語言環境, 詳細講解爬蟲技術原理、python爬蟲第三方庫、scrapy爬蟲框架等。大數據分析部分講解Numpy和Pandas兩大模塊。數據建模與數據挖掘模塊講解相關性與關聯規則、聚類、分類等算法與實現。數據可視化部分講述Matplotlib、Pyecharts和Seaborn三大模塊。

本書依據《新時代大學計算機基礎課程教學基本要求》（2023版），從計算系統基本原理、Python程序設計、計算思維與問題求解、計算機網絡與物聯網、數據分析與可視化、人工智能與大模型、信息安全與隱私保護等維度構建教材內容，在強化對學生計算思維能力培養的同時，推進物聯網、大數據和人工智能等新技術的普及與應用。本書內容上與時俱進，實踐中注重創新，將Python編程貫穿教材始終，通過大量編程實例強化對學生計算思維能力的培養，增強學生對新一代信息技術的理解能力。本書緊扣課程主題，多方位凝練思政要素，聚焦創新素養、工匠精神與家國情懷的養成。本書可作為高等院校“大學計算機基礎”“Python大數據分析”“人工智能通識基礎”等課程的教材，還可作為新一代信息技術研究人員的入門參考書。

數據科學離不開代碼。編寫可複現、穩健、可伸縮代碼的能力是數據科學項目成功的關鍵，對於那些和生產代碼打交道的人來說，這一點至關重要。這本實用書籍填補了數據科學與軟件工程之間的空白，清晰地解釋了如何將軟件工程的最佳實踐應用於數據科學。本書提供的示例基於Python，取材於NumPy和pandas等流行的包。如果你想編寫更好的數據科學代碼，本指南涵蓋了數據科學入門或編碼課程中經常缺失的重要主題，包括如何：理解數據結構和面向對象編程·清晰且熟練地記錄代碼·打包並共享你的代碼·將數據科學代碼集成到更大的代碼庫中·學習編寫API·創建安全的代碼·將最佳實踐應用於測試、錯誤處理、日誌記錄等常見任務·更高效地與軟件工程師合作·編寫更高效、可維護、穩健的Python代碼·將你的數據科學項目投入生產·等等

本書以通信、電信領域的具體應用為背景，以卷積模型為主線，借助信號分解全面分析了信號與系統的頻率特性，借助S變換、Z變換系統講述了線性系統的分析方法。本書內容簡單明瞭，物理概念的講述通俗易懂，問題分析邏輯性強，實例針對性強。相應章節增加了關鍵知識點的Python仿真，實現了卷積、系統求解、傅裡葉變換等核心算法及其應用，將理論與實際緊密結合起來；書中還詳細講述了矩陣運算，並對程序做了詳細注釋，Python零基礎人員也可讀懂仿真程序並進行編程。本書可作為高校工科電信、通信等專業中信號與系統類型的課程教材，也可供科研與工程技術人員參考。

財務大資料基礎是一門知識性和應用性很強的財務會計類專業的基礎性課程，主要向學生普及大資料的基礎知識，使學生能夠瞭解大資料的基本概念、基本技術和應用場景，理解大資料分析的基本原理和方法，並能夠應用大資料思維和分析方法解決本專業的相關問題。本書面向沒有Python和SQL 基礎的財經類專業學生，從零基礎開始以財務人員的視角引導學生學習大資料時代企業財務智慧化轉型中的新工具——Python和SQL，培養學生語言應用基礎、資料思維和資料管理能力基礎，培養符合數字經濟時代精通財務大資料分析的複合型財務管理人員。教材內容以Python基礎程式設計、SQL語法和財務資料分析為主線，闡述大資料分析下的會計資料特徵提取及分析思維，介紹大資料分析的基本方法及工具。課程的主要內容包括：介紹大資料基本概念、發展歷程與趨勢，以及大資料對會計工作的影響；Python和SQL基礎，將財務大資料分析與分析工具相結合；財務領域大資料概述、財務資料來源分析、彙聚、加工、服務、典型應用場景及案例介紹等，為以後的財務大資料分析與決策的學習打好基礎。本書既可作為大資料與會計專業《財務大資料基礎》課程的教材，也可作為其他所有與大資料相關的財經商貿大類各專業的大資料基礎入門用書。

《大數據應用項目實訓》課程注重實踐技能的培養，通過一系列精心設計的實訓環節，讓學生在實踐中掌握大數據應用的核心技能。課程包括SQL數據庫、Python編程和數據分析三大實訓模塊，旨在讓學生通過實際操作深化理解，並提升利用SQL查詢進行數據檢索和分析的能力、Python編程和解決問題的能力，熟悉數據處理流程，掌握數據可視化的技巧。通過案例分析、綜合應用等實踐方式，學生將能夠獨立完成大數據應用項目，為未來的職業發展奠定堅實的實踐基礎。

本書旨在為人工智能通識教育奠定基礎，採用Python語言展開數據科學的實踐。全書共9章，主要內容包括大數據與數據科學導論、Python語言基礎、NumPy科學計算、Pandas數據處理與分析、數據可視化、機器學習基礎、回歸分析、分類分析、集成學習。本書聚焦結構化數據分析，利用機器學習作為核心研究方法，致力於在多個應用場景中實現通識教育的落地，旨在培養學生挖掘數據價值的能力，並且通過數據驅動的智能分析實現對其他學科的賦能，促進跨學科的整合與發展。本書適合作為高等學校各專業人工智能通識教育相關課程的教材，也可供對大數據與數據科學感興趣的讀者參考。

財務大數據基礎是一門知識性和應用性很強的財務會計類專業的基礎性課程，主要向學生普及大數據的基礎知識。 使學生能夠瞭解大數據的基本概念、基本技術和應用場景，理解大數據分析的基本原理和方法，並能夠應用大數據思維和分析方法解決本專業的相關問題。 課程的主要內容包括：介紹大數據基本概念、發展歷程與趨勢，以及大數據對會計工作的影響；闡述大數據分析下的會計數據特徵提取及分析思維；介紹大數據分析的基本方法及工具。 依次介紹了大數據分析步驟、大數據分析基本方法、大數據財務分析方法、大數據分析常用工具等，以及數據庫設計基礎與基本步驟；將大數據分析與Python相結合。 從財會人員的第一行 Python代碼開始，講解了會計信息與Python數據類型、財稅核算中的判斷、數據分析及可視化，隨後結合財會工作中的實際案例，從查看excel數據源到財會數據提取、財稅數據連接與合併、財稅數據分組聚合、財稅數據可視化，擴展了大數據分析在財會實際業務分析方面的應用；利用excel，結合財會應用場景，在批量下載行業研究報告及獲取數據後進行可比公司財務數據分析。

本書包括"概述”"直連網絡”"網絡互連”"端到端的通信”"互聯網應用層協議”共 5 章內容，較為系統全面地介紹了計算機網絡的基本原理和基本應用："直連網絡”中介紹了數據鏈路層的相關內容，"網絡互連”中介紹了網絡層的相關內容，"端到端的通信”中介紹了運輸層的相關內容，"互聯網應用層協議”介紹了應用層的相關內容。每章都包含若干實驗內容，且在最後附有習題，與其他計算機網絡書籍不同，本書中與協議分析相關的主觀題居多，而計算題相對較少，需要較多計算題的讀者，可以參考由電子工業出版社出版、謝希仁教授編著的《計算機網絡釋疑與習題解答》一書。 本書需要讀者具備初步的 Python 編程經驗；當然，具備 C、C++或 Java 編程經驗的讀者，也能夠理解本書中的 Python 程序。無編程經驗的讀者可以忽略與 Python 相關的實驗內容。本書可作為計算機類專業和電氣信息類專業的本科生教材，也可作為非計算機類相關專業的研究生教材；對於 IT 行業的從業人員及計算機網絡工程的從業人員，本書也具有一定的參考價值。

本書側重於可視化大屏技術與應用，從傳統數據可視化Excel或PowerPoint的圖表功能入手，重點介紹大屏數據可視化技術與應用和Python數據可視化應用，最後給出了可視化工具的應用。

本書從從工業數據採集平臺構建入手，通過三個實際項目介紹了使用Python機器學習進行工業大數據分析的流程和方法。全書共有5章。其中，第1章主要介紹數據採集平臺的構建，第2章主要介紹Python的安裝和Jupyter Notebook的使用，第3章講解風機葉片數據分析預測，第4章介紹了火力發電廠工業蒸汽量預測，第5章探討了鋁型材表面瑕疵識別的方法。本書內容基於工業數據採集分析流程，結合具體項目講解工業數據分析的方法。每章先講解必備知識點，然後再通過實踐操作加深對知識的理解和應用。本書可作為高職高專院校大數據分析課程的教學及實驗用書，並可作為工業大數據分析初學者的自學用書。

本書以Visual Studio Code軟件環境講解Python語言在數據採集與處理技術的部分應用技能。技能講解以案例應用的形式呈現，把技能知識的應用呈現於案例實現過程中，把理論知識貫穿於案例教學。全書收集了數據採集與處理技術相關的部分應用案例，分5個項目主要講解應用Python語言實現Excel電子表格操作、圖片處理、Word文檔操作及Matplotlib模塊的圖表實現等數據採集與處理技術方面的技能。本書可供數據採集與處理愛好者參考使用，也可作為大數據相關專業學生的教材。

本書根據教育部高等學校大學計算機課程教學指導委員會對計算機基礎教學的基本要求編寫，探索將 “線上”+“線下”混合式教學的最新教學改革思想融入教材的方法，使學生逐步掌握利用計算思維、計算 工具分析和解決問題的方法。本書以 Microsoft Of?ce 2016 和 Python 為主要教學平臺，適應日新月異的計算 機技術發展。全書共 7 章，內容包括計算機概述、計算機系統、Windows 10 操作系統、辦公軟件應用、網絡與信息安全、 Python 程序設計基礎、人工智能基礎。本書主要作為線上教學的教材，本書配套的線下教學指導書是《人 工智能與計算機應用實踐教程》。

本書分別從理論分析、算法仿真和實物驗證三個方面對非線性優化理論進行介紹和對多機器人協同進行實踐演示，主要包括三個部分：理論篇、仿真篇和實物篇，介紹了具有固定相對位置和幾何相似性的多機器人編隊問題、Python代碼幫助讀者快速熟悉ROS 2的基本架構、時變分布式優化算法實現在ROS 2環境下的仿真和基於Turtlebot 3移動機器人實現多機器人隊形切換等內容。本書注重理論與實踐相結合, 既有理論方面的系統性介紹, 又有結合ROS 2 和Python代碼的工程實踐. 本書既可以作為對非線性優化和多機器人編隊感興趣的研究人員的入門自學材料, 又可以作為高等院校相關專業的本科高年級學生和研究生的教材.

本書是《數據挖掘》的第2版，系統地介紹了數據挖掘的理論、方法與應用，包括數據特徵分析及預處理、經典數據挖掘算法(分類、回歸、聚類、關聯規則和集成學習等)、大數據新常態下催生的數據分析方法(推薦系統、鏈接分析與網頁排序、互聯網信息抽取、日誌挖掘與查詢分析等)理論與方法。在此基礎上，除第1章外，每章均有基於Python語言的實例應用。

本書從人工智能數學建模入手，介紹人工智能應用中涉及的數學基礎知識，主要包括微積分學初步、線性代數、概率論與數理統計、最優化理論、隨機過程、插值與回歸，重點介紹基本概念、基本原理及計算，其中涉及的計算大部分由Python實現。同時，結合具體案例，介紹如何運用這些數學基礎知識來實現人工智能應用中的建模及求解。

本書緊跟數據庫技術發展潮流，與時俱進，以當前數據庫行業熱門的MySQL 8.0.25、SQL Server 2019為例，介紹了數據庫端的存儲引擎、日誌恢復、查詢優化、存儲過程、觸發器、自動備份等技術，同時，以熱門的編程語言Python 3.9、Java 11為例，介紹了它們與數據庫的交互技術、不同數據庫之間的數據遷移技術等。

本書主要內容有機器學習概述，機器學習的Python常用庫，回歸分析與應用，特徵工程、降維與超參數調優，分類算法與應用，關聯規則，聚類算法與應用，神經網絡，文本分析，圖像數據分析，深度學習入門。

本書緊跟新一代信息技術和人工智能主流技術的發展，選用Python作為人工智能的載體，培養學生人工智能應用能力，以項目工作任務為導向，將相關知識和素質目標貫穿在項目任務的實施過程中，堅持與高等職業教育教學思想、崗位需求相結合的原則。通過具體的實施步驟完成預定的工作任務。本書的主要內容包括揭開人工智能的神秘面紗、初識物聯網、探索大數據、走進雲計算、解密區塊鏈、學習Python基礎、認識圖像識別、認識自然語言處理、認識機器學習9個項目。

本書由“人工智能概念建構”“人工智能技術淺探”“人工智能算法語言淺嘗”和“人工智能典型應用案例簡析”4個模塊構成。主要內容有人工智能的知識表示方法；搜索、推理、智能仿生算法等機器思維技術；人工神經網絡、卷積神經網絡等機器學習和深度學習算法。擴展內容是人工智能的主流算法――Python語言和人工智能典型應用案例。

本書共四章：操作系統、高級文字處理和數據處理、因特網應用和網絡安全、Python程序設計，具體內容包括：多文件複製和文件屬性操作、Windows 10控制面板和硬件資源、WPS文字與表格處理、長文檔編輯排版等實驗。

Implement real-time data processing applications on the Raspberry Pi. This book uniquely helps you work with data science concepts as part of real-time applications using the Raspberry Pi as a localized cloud. You'll start with a brief introduction to data science followed by a dedicated look at the fundamental concepts of Python programming. Here you'll install the software needed for Python programming on the Pi, and then review the various data types and modules available. The next steps are to set up your Pis for gathering real-time data and incorporate the basic operations of data science related to real-time applications. You'll then combine all these new skills to work with machine learning concepts that will enable your Raspberry Pi to learn from the data it gathers. Case studies round out the book to give you an idea of the range of domains where these concepts can be applied. By the end of Data Science with the Raspberry Pi, you'll understand that many applications are now de

本書可以分為兩個部分，第1-4章主要介紹文本知識挖掘的基礎知識，第5-12章介紹文本知識挖掘的應用和工具。全書包含大量的案例和實驗，幫助商學院學生深入理解所學知識所具有的商業價值，以及如何通過Python語言來實現這些功能。

《醫學信息技術基礎實驗指導（第2版）》是《醫學信息技術基礎教程（第二版）》（周毅、蔡永銘主編，科學出版社）的配套實驗教材。《醫學信息技術基礎實驗指導(第2版）》分7章，在Windows 10、Office 2019、SQL Server 2019、Visual Basic .NET2019、Python 3.7的平臺上，配合主教材的四部分內容：醫學信息學的基礎理論，醫學文書的編輯處理與展示，醫學數

本書是主教材《大學計算機基礎教程》(第九版，柴欣、姚怡主編)的配套教材。採用的軟件版本為Windows 10、Python 3.6.3、Photoshop CC 2018和Dreamweaver CC 2018。 全書分為實驗、習題和模擬測試題三部分。實驗部分包含19個精心設計的實驗；習題部分的內容編排與主教材的章節相呼應，題量過千，題型多樣，包括單選題、填空題、判斷題、問答題、編程題等；模

本書介紹量子電腦與量子計算的理論基礎，並結合IBM Q Experience實作，帶領讀者初步窺探這個嶄新而有趣的領域，迎接「量子霸權」時代的來臨。採主題介紹方式，循序漸進、深入淺出。內容涵蓋量子電腦、量子力學、數學、量子硬體、量子計算、量子演算法等理論基礎，並結合IBM Q Experience進行電路作曲家、Python與Qiskit程式等實作過程，強調理論與實務的緊密結合，實現「

本教材內容從算法到實戰，涵蓋數學基礎、python基礎、機器學習、深度學習算法和基於PaddlePaddle框架的深度學習平臺實戰及行業應用案例，包括個性化推薦的分布式實現、CTR廣告點擊量預估、機器翻譯等。通過學習本教材，讀者可以掌握機器學習及深度學習的

建立智慧系統的概念、工具與技術“這是一本卓越的機器學習資源，有清楚、直觀的解說，以及大量實用技巧。”—François CholletKeras作者，《Deep Learning with Python》作者“這本書詳細介紹以神經網路解決問題的理論與做法；建議想要實際運用ML的人都要看這本書。”—Pete WardenTensorFlow行動主管深度學習經歷了一系列的突破之後，已經大幅推動了整個機

硬派學習 AI 才能紮穩根基！許多 Python 開發人員初接觸機器學習、深度學習, 往往一開始就使用當紅的 Tensorflow、Keras 等 AI 框架, 只用了短短六行就寫出一隻神經網路程式, 接著就針對參數開始東調西調、訓練模型, 為了提高神經網路模型的準確率 (Accuracy) 96.6% → 97.4% → 98.9%...而奮戰著。只需六行？調調參數？看起來 AI 好像也不難學的