Python

本書全面覆蓋了線性代數的主要內容, 涵蓋線性方程組、矩陣運算、行列式、向量空間、特徵值與特徵向量等主題。作為現代數學的基石, 線性代數在各個應用領域中發揮著關鍵作用。本書將線性代數的理論與實際應用相結合, 通過清晰的解釋和豐富的實例, 幫助學生構建數學思維, 理解抽象概念, 並將這些知識應用於實際情景。教材強調實際應用與編程解決問題的方法, 每章都配備了Python編程範例, 這有助於讀者鞏固理論知識並培養解決實際問題的能力。

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

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。

Qt 是軟件開發領域中非常著名的C++可視化開發平臺。本書以Qt 5.15 為平臺，系統介紹Qt 5 的各種功能，在此基礎上配套各種實例，然後綜合應用各種功能開發綜合應用實例。全書分為以下5 部分。第1 部分為Qt 5 基礎(第1～11 章)，內容包括Qt 概述，模板庫、工具類及控件，佈局管理，基本對話框及實例，主窗口及實例，事件處理及實例，繪圖及實例，文件、目錄與數據庫操作，模型/視圖及實例，網絡通信及實例，定時器、線程和DLL 庫。第2 部分為綜合應用實例(第12～15 章)，內容包括圖元、鼠標事件、序列化、工具欄綜合應用實例(我的繪圖板)，MDI、文件目錄、樹、Python綜合應用實例(文檔分析器)，網絡通信、SQLite、圖元系統、實時語音綜合應用實例(簡版微信)，多媒體、線程、視頻圖元、MySQL 綜合應用實例(簡版抖音)。第3 部分為Qt 5.15 和OpenCV 綜合應用(第16～18 章)，內容包括Qt 5.15+OpenCV(含Contrib)-4.6.0 環境搭建，OpenCV 圖片處理及實例，OpenCV、樹控件、表格控件綜合應用實例(醫院遠程診斷系統)。第4 部分為QML 編程基礎、QML 動畫特效和Qt Quick Controls 開發基礎(第19～21 章)。第5 部分為網絡資源文件和文檔(可免費下載)，包括本書所有實例和綜合應用實例的工程文件、21 個PPT 教學培訓課件、57 個實例開發教學視頻文件、電子商城系統綜合實例文檔、MyWord 字處理軟件綜合實例文檔，Qt 5 操作Office 實例文檔等。附錄A 為Qt 5 簡單調試。本書既可作為Qt 5 開發人員的學習和參考用書，也可作為高等院校相關專業教材或Qt 5 培訓用書。

教材，在內容設置上，本書圍繞計算機科學與技術的核心概念，深入淺出地講解了計算機系統、數據結構與算法、計算機網絡、數據庫技術、軟件工程、網絡安全等基礎知識。同時，本書還引導讀者深入瞭解計算機科學與技術在雲計算、物聯網、大數據、人工智能等高新技術領域的應用，並探討了它們對各行業的影響和應用前景。讀者將瞭解到這些領域的最新發展趨勢，為自己的職業規劃和學術研究提供參考。除了廣泛的應用領域，本書還注重理論與實踐的結合。我們提供了大量的實踐案例和編程示例，讓讀者通過動手實踐來加深對計算機科學與技術的理解。這些案例涵蓋了多種編程語言(包括Python、Java、C++等)和多種應用場景，幫助讀者培養解決實際問題的能力，並為進一步深入學習和研究打下堅實的基礎。本書還對傳統的Office計算機應用進行了詳細的講解，包括Word、Excel、PPT等軟件的使用技巧和應用案例，幫助讀者提高辦公效率和工作質量。

教材的內容框架以《人工智能訓練師》國家職業技能標準為根本依據，擬按照數據標注員(五級、四級)和人工智能算法測試員(三級、二級、一級)兩個工種分為兩冊。數據標注員分冊的內容主要包括訓練師職業概述，Python基礎知識，數據采集和處理運用，數據標注，智能系統運維等內容；人工智能算法測試員分冊的內容主要包括人工智能算法基礎知識，業務分析，智能訓練，智能系統設計，培訓與指導等內容。每個分冊的內容按級別進行安排。職業性：教材從職業認知入手，首先幫助學員建立一個對人工智能訓練師職業的系統認知，如工作職責、人才需求、職業發展等；具體內容的編寫充分體現職業活動的特點，以典型的工作任務出發，如實反映人工智能訓練師的真實職業活動、工作流程、工作標準。先進性：教材的案例素材主要來自于協會成員企業的內部培訓資料、真實案例素材、近期新產品和解決方案，力求反映人工智能行業近期新的進展和應用，並覆蓋眾多行業應用的典型場景和產品，例如智慧醫療、智慧金融、智慧商業，數字人、智能機器人、數字哨兵等。

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。

隨著互聯網的迅速發展，網絡上的資源和信息呈現爆發式增長。此外，越來越多的網站和應用程序提供了豐富的數據，並為開發者提供了接口，以便讓他們使用和利用這些數據。在這種情況下，網絡爬蟲作為一種能夠自動採集並處理互聯網上的信息的工具，逐漸成為了數據采集和分析過程中不可或缺的一部分。在數據采集方面，網絡爬蟲可以用於獲取互聯網上的各種數據，例如新聞、評論、商品信息、用戶數據等。通過網絡爬蟲，研究人員、企業和個人都可以快速、準確地獲取大量數據，並對其進行分析和挖掘。這些數據可以被用來制定商業決策、預測市場趨勢、評估產品競爭力、推薦產品或服務等。本書由七個項目組成，分為初識網絡爬蟲、基於Python庫實現靜態數據采集、基於urllib實現客戶端數據采集、基於Requests-HTML實現動態數據采集、基於Scrapy框架實現網頁數據采集、基於 Scrapy-redis分布式實現網頁數據采集以及基於自動化測試工具實現網頁數據采集，內容簡明扼要，由淺入深，循序漸進。

真實世界的資料都是多模態的，真正的通用人工智慧（AGI）必將超越單一模態的局限。本書作者基於其多年在工業界的大資料技術經驗，系統而全面地探討了多模態資料技術，從基礎概念到關鍵技術，再到典型應用，全方位講解多模態資料分析的核心技術與前沿實踐。首先詳盡地介紹了多模態資料分析相關知識，涉及文本、圖片、音訊、視頻等多模態資料；然後結合實例代碼，系統介紹了統計分析、機器學習、深度學習、知識圖譜、大模型等多種方法、模型，包括GPT與DeepSeek等大模型的多模態實踐分析；最後結合直播視頻、醫療領域等案例闡述了多模態資料分析的多種演算法模型的綜合應用。 本書體系化強、案例豐富，以"理論框架—技術路徑—實戰案例”層層遞進的方式提供了完整的知識鏈路，主體基於Python語言的大量實例代碼，可以説明讀者學以致用。 本書既可作為資料分析師、資料科學家、資料工程師、演算法工程師等資料相關從業者的學習用書，也可作為高校數學、統計、電腦等相關專業的教材使用。

A hands-on, code-based guide to leveraging Julia in a variety of scientific and data-driven scenarios Key Features: Augment your basic computing skills with an in-depth introduction to JuliaFocus on topic-based approaches to scientific problems and visualisationBuild on prior knowledge of programming languages such as Python, R, or C/C++Purchase of the print or Kindle book includes a free PDF eBook Book Description: Julia is a well-constructed programming language which was designed for fast execution speed by using just-in-time LLVM compilation techniques, thus eliminating the classic problem of performing analysis in one language and translating it for performance in a second.This book is a primer on Julia's approach to a wide variety of topics such as scientific computing, statistics, machine learning, simulation, graphics, and distributed computing.Starting off with a refresher on installing and running Julia on different platforms, you'll quickly get to grips with the core concept

機器學習是計算機人工智能的重要研究領域和應用方向，本書是學習和實踐機器學習的入門教材，基於Python語言，介紹如何使用機器學習的相關算法對數據進行分析。本書在內容上涵蓋機器學習相關基礎知識，在組織編排上循序漸進。全書共11章，分為3個部分：第一部分(第1～3章)為機器學習基礎知識，包括數值計算基礎、數據分析、數據可視化；第二部分(第4～9章)為機器學習算法，包括線性模型、樸素貝葉斯、支持向量機、決策樹、聚類分析和集成學習；第三部分(第10～11章)為實踐項目，包括房價預測和手寫數字識別，每章有5個相對獨立的部分，方便教學使用。

本書圍繞Python編程、人工智能和機器人, 學習Python語言編程、人工智能基礎、機器人控制等內容。在Python編程方面, 學習變量與數據類型、三大程序結構、列表、函數、面向對象、文件操作、網絡編程等; 在人工智能方面, 學習顏色識別、標簽識別、圖像識別等基礎的圖像識別內容; 在機器人方面, 教材中使用EP機器人與TT無人機, 學習機器人的基礎移動控制, 雲台控制、目標追蹤、避障控制等內容。

本書共分4章、11個項目、28個情境, 內容包括大數據認知體驗、Python基礎應用、數據預處理實戰、大數據技術在財務分析中的應用。

以新文科理念為指導，將大數據與管理會計深度融合交叉。以大數據在管理會計中的應用為重點，分析數字化時代下大數據等新技術給管理會計帶來的變革，增加Python的基礎知識及應用前景，打破不同專業學科之間的藩籬。將Python應用于成本性態分析、本量利分析、長期投資決策分析、全面預算、作業成本管理、績效評價等專題大數據分析中，注重培養學生運用現代信息技術解決管理會計問題的能力。按照財政部《管理會計基本指引》和《管理會計應用指引》的要求，以業財融合為導向，汲取文件新思想、新理論、新方法，對教材內容進行補充，如戰略管理部分增加戰略地圖、價值鏈管理會計工具新方法，完善《管理會計》教材的知識體系。從我國國情出發，對書中不適應管理會計發展要求的表述進行完善，對書中存在的文字、計算錯誤進行了修正，對全書的案例和例題進行補充和完善，並編制綜合案例訓練，滿足新時代下管理會計的教學需要，便於讀者更好地理解和應用管理會計的知識與方法。

本書主要講解量化投資的基礎知識，並借助Python 工具進行金融案例實戰。本書一共分為4部分，第1部分是量化投資策略概述，第2部分是python語言介紹，第3部分是量化投資之金融計量應用，第4部分是量化投資之機器學習應用。本書首先對量化投資概念、量化選股、量化擇時、投資組合、統計套利、期權套利等內容進行介紹，其次，對Python編程語言進行簡要介紹，通過學習，讀者可以迅速掌握用Python語言處理金融數據的方法，並靈活運用Python解決實際金融問題；再次，向讀者介紹金融計量方法在量化投資中的應用；最後介紹機器學習方法如何構建量化投資策略。

╲滿級分快速攻略╱重點總整理 + 歷次試題解析☑ 結合運算思維與演算法的基本觀念☑ 章節架構清晰，涵蓋 APCS 考試重點☑ 備有相關模擬試題，幫助釐清重點觀念☑ 詳細解析 APCS 程式設計觀念題與實作題APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。本書的實作題以 C++ 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C++ 語言應試 APCS 的實戰能力。【目標讀者】◆ 欲申請大學資訊相關科系的高中職生◆ 對程式語言有興趣的學習者◆ 想客觀檢測自己程式設計能力的人

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。

本書圍繞大數據預處理業務背景及相關技術，以學習情境的方式，首先介紹了使用 Python、Pandas對各種數據源的讀寫，然後介紹了數據的清洗、集成、規約、變換四個處理數據方式，最後介紹了使用Kettle工具和MapReduce編程對數據進行處理的技術，通過理論結合實際、循序漸進的學習方式，讓讀者學習並掌握大數據預處理技術及應用。本書理論分析相對較少，側重動手實踐，適合應用型本科、高職高專大數據技術專業學生和希望快速進入大數據領域的讀者參考使用。

本書結合地面監測數據與深度學習建模，獲取大範圍、長時序、高精度的大氣顆粒物信息。本書旨在剖析前沿可解釋深度學習模型的理論、方法和技術，結合傳統深度學習框架，研究中國近地面顆粒物濃度遙感反演新方法；具體內容包括：深度學習前沿問題，可解釋深度學習，Python 深度學習環境，深度學習基礎，時空深度學習，可解釋深度學習，並以北京為例，自動挖掘周邊城市對北京大氣環境顆粒物的貢獻。 本書可作為大氣環境專業本科和研究生的輔助讀物及學習用書，亦可作為從事環境領域研究人員的參考用書。

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。

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｜

本書從人工智能系統平臺環境部署為主線講解了人工智能的概念以及人工智能平臺環境的部署，主要涉及Linux系統安裝、GPU環境配置、Python環境配置、人工智能基礎概念、Hadoop環境部署、數據庫部署、Docker部署、集群的部署和維護等知識。全書知識點的講解由淺入深，使每一位讀者都能有所收穫，也保持了整本書的知識深度。本書主要涉及八個項目，即基礎環境搭建、人工智能平臺知識基礎、分布式計算原理及Hadoop部署、數據庫基礎知識、容器知識基礎、容器管理工具及Kubernetes部署、人工智能平臺實施、人工智能平臺監控與維護，嚴格按照生產環境中的操作流程對知識體系進行編排。使用循序漸進的方式從Linux系統安裝、GPU配置一直到相關服務的部署等知識進行講解。

本書重點介紹了數據采集和數據預處理的相關理論與技術。全書共9章，主要包括數據采集與預處理概述，大數據開發環境的搭建，使用Flume採集系統日誌數據，使用Kafka採集系統日誌數據，其他常用的系統日誌數據采集工具，使用網絡爬蟲採集Web數據，Python數據預處理庫的使用，使用ETL工具Kettle進行數據預處理，以及其他常用的數據預處理工具。本書在第2章至第9章安排了豐富的實踐操作，實現了理論與實踐的有機結合，幫助讀者更好地學習和掌握數據采集與預處理的關鍵技術。本書可以作為高等院校大數據專業的大數據課程教材，也可以作為計算機相關專業的專業課或選修課教材，同時也可以作為從事大數據相關專業的工作人員的參考用書。

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。

本書以Python為基礎，逐步帶領讀者熟悉並掌握機器學習的經典算法。本書共12章，包括Python概述，Python語言基礎，基礎數據結構，函數與模塊，面向對象程序設計，Numpy數據分析，數據可視化，基礎算法分析與實現，機器學習概述，回歸分析，分類算法，聚類算法。 本書內容精練，文字簡潔，結構合理，案例經典且實用，綜合性強，面向機器學習入門讀者，側重提高。本書適合作為高等院校相關專業機器學習入門課程教材或教學參考書，也可以供從事機器學習應用開發的技術人員參考。

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》。

教輔，適合初中八年級及以上學生使用1、根據不同年齡段的學生有著不同的閱讀理解能力和興趣編寫一套中小學人工智能教育叢書，包括小學階段的Scratch圖形化編程與人工智能3冊、初中階段的開源硬件與人工智能2冊、高中階段的Python與人工智能2冊，在內容選擇和難易程度上做出區分，打造一本系統、專業、通俗易懂的中小學人工智能教材。2、建設適合在普通中小學推廣的人工智能教學資源，包括課程教學標準、教案、教學課件、示範課視頻等。3、搭建青少年人工智能學習與軟件編程實驗平臺、測試平臺，編寫青少年人工智能、軟件編程測試題庫。

本書是由長期從事信息技術教學和科研工作，並具備豐富教學實踐經驗的一線教師編寫的。本書以新一代信息技術為主線，涵蓋大數據概論、數字媒體、信息安全、物聯網、程序設計(Python)基礎和人工智能6 章。根據需要，部分章提供實訓項目及配套資源，對讀者提高相應操作技能有很大幫助。 本書深入淺出、通俗易懂，可以作為高職高專院校各專業公共基礎課教材，也可以供信息技術行業的專業人員和愛好者自學使用，具有較高的參考價值。

本書按照數字圖像處理的知識體系，對OpenCV-Python的基本功能進行介紹。全書共18章，分為OpenCV-Python的基本操作、圖像處理的基本方法、圖像處理的高級方法和計算機視覺四部分，介紹常用的OpenCV函數，並講解例程代碼。

最全面的 ChatGPT × Python 應用手冊！ AI 詠唱寫程式，打造超快速自動化技巧！ 學會對 AI 下指令，提升工作效能！ ChatGPT 詠唱技巧＋資料擷取術＋辦公室自動化 本書將帶你學會「網路爬蟲」和「辦公室自動化」的 Python 程式設計，並結合使用 ChatGPT 指令和提示，寫出各種不同應用的 Python 程式，成為 AI 指令達人。 本書介紹了網路爬蟲的流程到實作，首先分析 HTML 網頁結構及標籤，將資料擷取下來後進行資料處理與轉換，接著實際爬取天氣、電影、電商網頁。另外，本書的職場自動化技巧，包含彙整 Excel 資料、製作統計圖表、批次命名及移動圖片、自動寄開會通知信，讓你輕鬆駕馭日常工作，建立全方位的自動化辦公室！ 23 個自動化範例 ＋ 8 個套件 ＝ 活用資料擷取術、節省繁瑣工作 你將學會 ● 取得、剖析和擷取網頁資料 ● 將爬取的資料轉為 Excel 檔案 ● 用 ChatGPT 寫網路爬蟲程式，擷取不同類型的資料 ● 使用 openpyxl 和 pandas 繪製圖表 ● 自動建立與編輯 Word、PPT 內容 ● 撰寫客戶回應信件、產生 PDF 報表 ● 寫出 SQLite / MySQL 資料庫程式 ● 串接 ChatGPT API，讓你在 LINE 使用 AI 聊天機器人 適合讀者 本書適合想要快速學會 Python 和 ChatGPT 詠唱的程式新手，也適合對資料處理、資料分析與資料視覺化有需求的從業人員。 本書範例檔案 本書提供 Python 範例程式、完整的 ChatGPT 提示文字及產出程式碼。

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.

本書通過理論講解與應用實例相結合的項目式任務式編排，展示了機器學習的基礎方法和模型，注重實踐過程，為讀者後續學習打下基礎。本書基於Python語言總結了回歸、分類、聚類三種分析方法，主要內容包括線性回歸、邏輯斯特回歸、樸素貝葉斯分類、決策樹分類、隨機森林、支持向量機、KNN分類和K均值聚類共八個任務，並附有相關程序代碼及參考答案。本書可作為職業院校計算機類、大數據類與人工智能類專業及相關專業的課程用書，也可作為數據處理技術初學者的參考用書。

本書全面系統地介紹數據挖掘的概念、技術、算法及應用，力求為初學者構建一個合適的學習框架。全書將數據挖掘歸納成數據預處理、數據探索、決策樹、貝葉斯分類、人工神經網絡、支持向量機、關聯規則分析、聚類、時間序列預測等幾個主題，不僅詳解技術原理和算法實現，而且結合複雜多樣的實際數據環境，探討其應用場景和使用方法。本書通過對大量圖表、示例、算法的簡潔描述，使讀者盡可能擺脫技術細節的干擾而聚焦於數據挖掘本身。書中所有示例都採用Python實現，此外還提供電子教學課件、習題答案及實踐練習代碼。

《R與Python的數據分析核心技巧——能源化學數據挖掘及可視化實戰》從數據挖掘、數據分析及可視化、建模及診斷的角度，以案例結構化的方法，在能源化學、能源環境應用工程的基礎上，重點圍繞超臨界火電金屬材料、核電蒸汽發生器水質、能源環境顆粒物、酸雨指標探討，例如數據信息分析、大數據挖掘、數據信息可視化、模型建立及診斷等。本書分為7章，分別是“R從安裝到實戰準備”“Python從安裝到實戰準備”“能源領域的核心金屬材料的性能分析”“水質凈化工程的ORP數據分析”“能源環境的顆粒物、酸雨指標的數據挖掘”“能源大氣的AQI數據可視化實戰”及“數據回歸擬合預測一體化實戰”。《R與Python的數據分析核心技巧——能源化學數據挖掘及可視化實戰》是專業性相對較強的科技讀物，由於其內容涉及複雜的計算機軟件、智能、數據挖掘及可視化等知識體系，讀者不僅需要掌握“相對基礎”的能源化學、能源工程、電力、數統、智能算法等專業知識，還需要掌握若干複雜的開源平臺及軟件應用（如Linux平臺，R、Python、SwiProlog等開源軟件）作為閱讀本書的基礎；為了讓讀者能快速實現書中相應功能，絕大部分分析圖都附了相應軟件開發的核心代碼。本書既可供碩士研究生、博士研究生使用，也可供科研工作者使用；另外，對於科技愛好者或對書中特定環節感興趣的讀者，本書亦頗具參考價值。

教材,編程思維可以分解為4個部分：問題分解,模式識別,抽象思維,算法設計.這是一種高效且實用的思維方式,尤其在處理看起來很複雜的問題上,非常有效.生活上處處可以運用編程思維.在21世紀的今天,各項各業都已經和信息技術相結合,科學研究更是如此,由此而產生眾多交叉學科,編程便成為了交叉學科的最基本技能.編程思維涵蓋了反映計算機科學之廣泛性的一系列思維活動,是適合每個人的一種普遍的認識和一類普適的技能.本教程希望通過Blockly可視化編程語言作為編程入門工具,通過類似拼圖的方式構建出程序,結合遊戲案例教學,激發學生們學習編程的興趣,推動他們更深入的探究程序設計和進行算法設計.此外,Blockly功能非常強大,可以用它開發出功能更強大的編程工具,如非常流行的編程工具Scratch、AppInventor等.用Blockly編寫程序的代碼可以自動轉換成Javascript、Python、PHP、Lua、Dart等語言.筆者將通過遊戲引入課程內容講解,再到能力提升,增加了學習的趣味性；本教材將全面系統介紹所有知識點,並結合程序設計思維和算法思維講解,由易到難進行編寫,將更加適合不同層次的讀者的使用.通過本教材的編寫,提升學生學習編程的興趣,促使學生瞭解計算機解決問題的一般步驟,理解程序設計思維、算法思維在問題解決過程中所發揮的作用,提高學生運用計算機知識實現問題的抽象、進行問題求解和形式化描述的能力,最終能使用計算機知識解決本專業的實際問題.深度融合現代信息技術,構建複合型的教學內容體系,集教材、微課、MOOC、互動於一體的新形態教材.本教材是湖南師範大學校級規劃立項教材.

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。

本書由七個單元組成，分別是國產桌面操作系統基礎、數據處理、圖像處理、音頻處理、視頻處理、Python開發環境搭建、物聯網與人工智能應用開發。

本書以培養讀者的數據可視化實戰技能為核心，以貼合生活的實際工作任務為驅動，採用案例教學的方式組織內容，詳細介紹了不同類型可視化圖表的繪製、操作技巧、圖表美化等內容。 本書契合教育部價值塑造、能力培養、知識傳授“三位一體”的教育理念，以任務驅動教學與前沿相結合，在案例學習與研究過程中融入家國情懷、社會責任、科學家精神等素質教育元素，主要講解了基於Excel、R語言、ECharts、Tableau、Python語言和SPSS主流工具的數據可視化應用。每章包括學習目標、學習重點和難點、學習內容，每個案例由任務描述、可視化效果和設計過程三部分組成。本書適合作為計算機科學與技術、大數據管理與應用、統計學、信息管理與信息系統等專業的教學用書，也適合各類企事業單位從事市場營銷、金融、財務管理等需要進行數據分析的職場人士閱讀，還可供企業經營、管理人員參考、學習和培訓之用。

為實現人工智能實用型人才的培養，本書以邁進人工智能領域的高效學習路徑為切入點，目標是讓讀者快速進入人工智能的世界，成為一名人工智能應用的開發者。本書切入日常工作生活場景、捕獲數據並從中萃取有價值的信息或模式、利用高效可複用的Python代碼進行人工智能算法實現及可視化，讓讀者可從中學到一些核心的，實現人工智能+的應用開發如分類、預測及推薦等。本教材通過“原理簡述-問題實例-實際代碼-運行效果”來介紹每一個人工智能應用的開發，能夠邊學邊用，通過代碼實現加深對人工智能算法的理解。