Python

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。

Anaconda是一個強大的開源數據科學平臺，它將很多好的工具整合在一起，極大地簡化了使用者的工作流程，並能夠幫助使用者解決一系列數據科學難題。《Anaconda數據科學實戰》旨在通過一系列示例，引導讀者在編碼和圖表中瞭解Anaconda的強大之處。本書包括12章，結合R、Python、Octave和Julia等4種編程語言，從平臺的安裝和配置開始，循序漸進地引導讀者掌握數據集的獲取、數據可視化、統計建模、管理包、Anaconda的優化、無監督學習、監督學習、數據預測分析、雲、分布式計算等內容。本書示例豐富，講解細緻，作者不僅在金融領域有著深厚的積累，還有著豐富的教學經驗。對於那些有興趣瞭解金融領域數據科學的讀者，以及普通的數據分析師或數據科學從業者，本書都是一個不錯的選擇。在閱讀本書之前，我們希望讀者具備R或Python的基本編程知識，以及線性代數相關的基本知識。

本書從產業鏈金融的起源講起，結合實際案例講解產業鏈金融平臺的前臺設計、技術中台設計、數據平臺設計、風控設計及信息安全的核心要點，既體現了傳統行業的業務創新、數字轉型的探索過程，又介紹了當前主流銀行的開放性建設成果。讀者不但能全方位地瞭解產業鏈金融平臺的建設過程，還能針對自己感興趣的方面進行深入學習。本書共6章，第1章介紹了產業鏈金融的發展、變革歷程，以及對傳統企業的核心價值；第2章介紹了系統核心功能的設計及在線簽約、實名認證等技術的原理；第3章介紹了結合容器雲技術、微服務技術與DevOps技術構建技術中台的過程，以及對接開放銀行、央行征信的過程；第4章介紹了開源大數據平臺的建設及數據倉庫的設計思路；第5章基於Python的機器學習庫介紹了智能風控的開發過程；第6章介紹了在產業鏈金融平臺建設過程中如何規避信息安全的法律風險。本書內容全面，且圍繞開源技術展開介紹，實用性極強，特別適合建設產業鏈金融平臺的傳統企業架構師、開發人員及產品人員閱讀，也適合對開源的技術中台、大數據平臺及信用風控感興趣的開發人員閱讀。

《管理建模與仿真――基於Python語言》基於開源的Python語言編寫，《管理建模與仿真――基於Python語言》共五篇17章，在介紹建模理論、仿真方法與技術、Python語言基礎及其常用庫的基礎上，系統梳理預測、評價、最優化等管理科學問題的原理、方法，詳細分析解決這些管理問題的多種建模方法及其仿真技術。《管理建模與仿真――基於Python語言》的特色是突出建模方法與仿真技術在管理領域的應用，強化案例與管理實際問題的融合，講解問題描述與分析過程，解讀仿真程序，使讀者能夠在學習建模方法與仿真技術的同時，做到觸類旁通，反復練習，從而掌握解決管理問題的建模方法與仿真技術，提高實踐操作能力。

本教材讀者主要面向高等院校財經類專業學生及財務從業人員，從內容選取到表現形式更貼近學生、貼近會計實務，力求更好地為專業人才培養服務。教材的基本特色如下： 1.以綜合職業能力培養為目標，體現教學內容的職業性。教材以財務分析崗位的職業能力為本位，選擇其典型工作任務，設計理實一體化的學習任務。在發展學生專業能力的同時，促進學生探究學習、分析問題和解決問題、語言和文字表達能力、數據處理與分析能力等通用能力的提升。2.行動導向的教學組織，體現以學生為中心的教學理念。每一個學習任務都以“明確任務、獲取信息、制定計劃和做出決策、實施計劃、評價反饋”完整的行動方式來組織教學。在行動過程中，學生參與行動的每一個環節，是學習活動中的主人，體現以學生為中心的教學理念。行動過程中，解決問題的方法也不是唯一的，而是多樣化的，提升教學內容的挑戰度，對學生的評價也是對其綜合能力的評價，不是單純的對與錯。3.融入大數據分析思維和能力，體現教學內容的高階性和創新性。大數據、人工智能技術的發展，推動了財務工作向智能化過渡，財務人員需要向管理型複合型人才轉型，需要具備大數據收集、處理、分析能力，綜合運用Python等大數據分析工具做出財務分析、預測和決策。本教材在學習任務中，融入“業財一體”財務分析的理念、大數據分析思維的鍛煉、數據統計和分析能力的培養、大數據分析工具應用的實戰場景，體現教學內容高階性和創新性。教材根據大數據財務分析的崗位能力和財務分析的應用場景，將教材內容分為五大學習領域：財務報表初步分析、財務報表項目分析、財務比率分析與綜合分析、投資分析與決策、Python項目上實戰。每個學習領域按照崗位工作流程劃分學習任務。

本書分為三個部分：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、2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，以及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到7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。大數據可視化工具及應用部分包括第8到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：Excel、FineBI、DataV、Tableau,開源包Echarts,以及編程語言R、Python.最後還給出了如何使用spark搭建平臺來進行數據統計分析。

本書是一本頗具特色的計量經濟學教材，側重於計量經濟學理論的介紹，連通了線性代數、概率論、統計學等與計量經濟學，並且也涉及了最新的機器學習等話題，而且結合R、Python、Julia等編程軟件，內容安排比較清晰，數學處理嚴謹，覆蓋了理論計量和計量方法的核心內容，提供了豐富的帶有答案的練習題，能夠幫助讀者形成邏輯一致的計量經濟學體系，適合作為經濟學類高年級本科生、碩博研究生的計量經濟學、統計學基礎等課程的教材或參考書。英文版由谷歌首席經濟學家范裡安等推薦。

本教材基於會計、信息和技術的交叉融合，培養會計學專業本科生會計數據科學思維與能力數據，具有理論的創新性和人才培養的實踐價值。本教材首先介紹會計與數據科學的發展歷程、數智時代的會計定位，並由此提出會計數據科學的理論基礎與實踐路徑，為學生會計數據科學思維奠定基礎。在此基礎上，依次講解會計數據科學的信息理論基礎，即大數據原理與架構簡介；會計數據科學的技術基礎，包括Python基礎、網絡爬蟲、數據預處理、數據挖掘與自然語言處理、數據可視化等；進一步，結合本科生的人才培養需求以及未來職業環境的現狀，闡述開放式API接口和平臺在會計數據科學中的應用；最後，根據上述學習內容，在會計基礎工作數據處理、財務分析與可視化、業財融合數據分析、宏觀政策文本與量化分析等會計應用場景進行示例，旨在深化學生的會計數據驅動分析與決策能力的培養。本教材的特點在於：明確採用開放式API接口和學習平臺，使學生畢業後能不受企業用戶級平臺的限制。基於開放式API接口和學習平臺一方面能快速使用最新的大數據技術，又能降低學生的編程要求，使學生將主要精力用於會計數據決策中，具有非常重要的現實意義。相對而言，目前國內高校在會計大數據方面的教學改革主要從三種路徑。第一條路徑是以規劃設計為主導的路徑，注重會計大數據系統構建和程序設計，此部分對學生數理和計算機基礎較高，主要面對部分“雙一流”高校學生；第二條路徑是校企合作路徑，利用企業開發的會計大數據系統、財務共享系統和財務機器人系統等，主要進行操作層面的講解，適用于學生畢業後在就職企業使用特定平臺(如用友、浪潮等)，但學生脫離該平臺將難以勝任會計數據驅動處理與決策工作；第三條路徑處於上述兩種路徑之間，但發展思路尚不清晰。本教材則進行了第三條路徑且明確了教學方向。

《動手學深度學習：PyTorch版》是《動手學深度學習》的重磅升級版本，選用經典的PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的互動式學習體驗。《動手學深度學習：PyTorch版》重新修訂《動手學深度學習》的所有內容，並針對技術的發展，新增注意力機制、預訓練等內容。《動手學深度學習：PyTorch版》包含15章，第一部分介紹深度學習的基礎知識和預備知識，並由線性模型引出最簡單的神經網路——多層感知機；第二部分闡述深度學習計算的關鍵元件、卷積神經網路、迴圈神經網路、注意力機制等大多數現代深度學習應用背後的基本工具；第三部分討論深度學習中常用的優化演算法和影響深度學習計算性能的重要因素，並分別列舉深度學習在電腦視覺和自然語言處理中的重要應用。《動手學深度學習：PyTorch版》同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀《動手學深度學習：PyTorch版》需要讀者瞭解基本的Python程式設計知識及預備知識中描述的線性代數、微分和概率等基礎知識。《深度學習詳解》根據李巨集毅老師“機器學習”公開課中與深度學習相關的內容編寫而成，介紹了卷積神經網路、Transformer、生成模型、自監督學習（包括BERT和GPT）等深度學習常見演算法，並講解了對抗攻擊、領域自我調整、強化學習、元學習、終身學習、網路壓縮等深度學習相關的進階演算法。在理論嚴謹的基礎上，《深度學習詳解》保留了公開課中大量生動有趣的例子，幫助讀者從生活化的角度理解深度學習的概念、建模過程和核心演算法細節。

本書共6章。第1章介紹機器學習的基本概念及其發展史、機器學習分類、常見機器學習算法及其特點；第2章搭建機器學習開發環境，主要包括Anaconda\PyCham\Python軟件的安裝及使用，以及常見機器學習庫的介紹和安裝使用方法；第3章介紹監督學習的4個經典算法：線性回歸、決策樹、k近鄰和支持向量機算法，其重點在算法的應用；第4章介紹主成分分析降維算法、K-means聚類算法；第5章介紹人工神經網絡基礎，並通過房價預測和手寫數字識別實例進行驗證；第6章介紹強化學習的基本概念，有模型學習和無模型學習，最後介紹了Q-Learning算法和Sarsa算法。

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。

本書是《大學計算機基礎（Windows 10+WPS Office 2019）（微課版）》的配套實踐教程。全書共分為兩部分：第1部分是實驗指導，包括計算機信息技術與系統基礎、計算機操作系統基礎、WPS文字辦公軟件、WPS表格辦公軟件、WPS演示辦公軟件、計算機網絡基礎、網頁設計與製作、數據庫技術基礎、Python程序設計基礎等內容；第2部分是習題集，各習題均按照全國計算機等級考試一級WPS Office考試大綱和《大學計算機基礎（Windows 10+WPS Office 2019）（微課版）》的內容設置題目，並附有參考答案，方便學生進行自測練習。

本書描述了數學理論以及數值分析的基本概念和方法，並包含大量使用MATLAB、Python、Maple和Javaapplet的計算機實驗。本版進行了大量更新和擴展，提供更多的編程練習。本書兼顧了數學知識體系的完整性和計算及專業學習的特點，對教學內容進行了重新整理，這是極為可貴的。本書特別關注計算機算法學習，全書內容主要是圍繞計算機算法設計這一內容展開的。

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。

LINE 在全世界擁有上千萬的用戶，在台灣幾乎每個使用手機的人，都會註冊一個 LINE 的帳號，不論公家單位還是私人企業，也都會使用 LINE 的官方帳號來與使用者保持聯繫。隨著資訊科技的發展，近年來各個企業也逐漸打造自己的 LINE BOT，除了被動的處理客服諮詢，還能透過 LINE BOT 主動推播各種行銷活動資訊，透過與使用者的即時互動，打造優質的品牌形象。 一個最簡單的 LINE BOT，可以從註冊官方帳號開始，註冊了 LINE 的官方帳號後，從管理介面中就可以進行最簡單的 LINE BOT 聊天操作，但如果要讓 LINE BOT 擁有更多的功能，就需要撰寫程式去串接 LINE Developer 所提供的操作方法，透過各種方法的互相搭配，就能打造自己專屬的 LINE BOT ( 例如聊天機器人、記帳機器人、購票機器人、天氣通知機器人...等 )。 本書是專門介紹開發 LINE BOT 的書籍，從最基本帳號的申請串接、環境的建置和圖文選單設定，一直到 LINE Message API 的進階操作都有詳細的介紹，並且會使用本機環境、Google Colab 雲端開發環境進行實際的開發演練，最後更會搭配 Google Cloud Functions、Google Dialogflow 服務，打造一個可以 24 小時運作、並能理解自然聊天語意的 LINE BOT。 本書主要內容如下： ● LINE 官方帳號申請 ● LINE 開發者帳號設定 ● ngrok 服務 ● Webhook ● 解析 LINE 訊息 ● 回傳訊息的方法 ● Google Cloud Functions ● Google Dialogflow ● 氣象機器人 ● 聊天機器人

簡單上手 MicroPython 與 ESP8266 開發板， 物聯網專案開發的核心能力Get！ 「Arduino 宣布開發板實作語言的下一步就是 MicroPython，你還有不學會它的理由嗎？」 📌 什麼是 MicroPython？ MicroPython 是由 Damien George 開發的精簡版 Python 3 語言，其強大優點在於：只需要撰寫簡易的程式即可實作簡單的 IoT 專案。MicroPython 目前也已支援 ESP8266、ESP32 等多種開發板。 📌 為何本書使用 Witty Cloud 機智雲開發板？ 本書使用 ESP8266 的 Witty Cloud 機智雲開發板，兼具了平價與實用性特色，並且本身就是 IoT 裝置，不需要麵包板，不用硬體接線，可以減少除錯方面的難度，讓你輕鬆學習軟硬體整合的 MicroPython 程式設計。 📌 本書將帶你實作以下專案 雲端資料儲存 × WiFi上網 × 手機遠端監控 × 物聯網雲端平台 × LINE訊息通知，以及更多動手做專案！ 本書特色 全書以「圖解+實作+原理」架構，讓你第一次使用物聯網裝置就上手！本書內容專注於程式設計與 Web 整合應用，並且大幅降低 IoT 裝置的硬體複雜度。書中使用的 Witty Cloud 機智雲開發板，不只讓初學者能快速入門 MicroPython 語言，更可以輕鬆進入軟硬整合，實作 Web 服務整合應用的 MicroPython 物聯網專案。 本書第二版使用最新版本 Thonny Python IDE、MicroPython 韌體和模組，並且提供 Thonny 外掛程式安裝教學與 ESP8266 工具箱可攜式套件，讓你馬上就能學習 IoT 物聯網專案開發。 內容簡介 ➤ 使用初學者專屬的 Thonny 整合開發環境：讓你輕鬆入門 MicroPython 語言。 ➤ 提供獨家 ESP8266Toolkit 工具箱：支援 Blockly for MicroPython 積木程式，可以讓你使用積木來拼出你的 MicroPython 程式。 ➤ 輕鬆駕馭物聯網平台：提供 ThingSpeak、Adafruit.IO 物聯網平台操作教學，讓你打造專屬的視覺化儀表板，進行即時遠端監控。 ➤ 使用ESP8266的機智雲開發板：不需要麵包板、硬體接線，減少除錯方面的難度

從什麼是數據，數據與優化的關係入手，以經典的傳統數據分析方法和最新的深度學習算法為例，系統介紹了數據分析的算法設計思想及實現方法。內容涉及了數據的可視化、特徵選擇與降維、神經網絡基本原理、無監督學習、有監督學習、深度學習的魯棒性等，全書提供了豐富的實例以及完整的可實現的Pyth從什麼是數據，數據與優化的關係入手，以經典的傳統數據分析方法和最新的深度學習算法為例，系統介紹了數據分析的算法設計思想及實現方法。內容涉及了數據的可視化、特徵選擇與降維、神經網絡基本原理、無監督學習、有監督學習、深度學習的魯棒性等，全書提供了豐富的實例以及完整的可實現的Python代碼，強調數學概念在算法中的作用，力圖通過簡明的介紹和推導，讓讀者理解數據分析的本質，起到舉一反三的作用。on代碼，強調數學概念在算法中的作用，力圖通過簡明的介紹和推導，讓讀者理解數據分析的本質，起到舉一反三的作用。

【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。

[真的可以跟著做的貝氏統計書]貝氏統計因 AI 機器學習的發展而再度翻紅，其核心是利用統計推論的方法，在觀測到新證據或取得新資訊時，利用科學方法循環更新先前假設的機率，非常適合只能依據僅有的且不夠完整的資訊進行假設評估的技術。目前廣泛應用於機器學習、深度學習、資料科學、大數據分析等領域。正經八百的念經書只會讓人想睡覺，而本書很不一樣，作者依其自身的（慘痛）經歷規劃出這本神奇之書，隨時與學習者站在一起，將腦海經常冒出來的疑問，以豐富的圖表、實作輔助並提供許多參考資源的問答方法呈現。對於重要觀念與公式，也用不同顏色標示（對了！本書是彩色書，灑花），不斷的前後呼應提醒，才不會讀到後面卻忘了前面，進而確實掌握貝氏統計的精髓。本書討論到 MCMC （馬可夫鏈蒙地卡羅法）之處尤其精彩，一般貝氏書籍或網路文章只講理論或舉個簡單例子交代一下就完事了，而本書是實實在在的帶領讀者一遍一遍的演練，落實從做中學的精神。對於想瞭解貝氏統計的各領域專業人員，包括機器學習、深度學習、生命與醫學、心理學、公共衛生、商業數據分析等，都是淺顯易懂的好書。也適合學習統計、人工智慧相關領域大學高年級與研究所程度的學生。本書特色: 由施威銘研究室監修內容，適時補充編註與譯註，幫助讀者確實理解內容。貫徹『講七遍、做二十一遍』的精神，真正從做中學會的就不會忘記。本書厚達六百多頁，為考慮到學習的便利性與舒適性，採用全彩印刷容易分辨重點、並以軟精裝裝訂可攤平閱讀。額外提供原文書也沒有的書中分佈函數 Python 程式碼下載，可自行修改參數觀察函數圖形變化。

本書共分9章，介紹了海洋大數據、Python語言、人工智能基礎(神經網絡、深度學習、卷積神經網絡和循環神經網絡)、海洋特徵智能識別、海洋參數智能預測、動力參數智能估算和模式誤差智能訂正等，介紹了人工智能技術在海洋學中的應用。

‧由程式設計出發，無須高深數學與量子力學知識，可輕鬆學習量子程式設計 ‧所有範例程式皆詳細逐行說明，方便理解量子程式設計細節 ‧提供程式語言精簡介紹及量子程式原始碼下載 本書以IBM Qiskit為基礎，引導讀者以Python語言為基礎輕鬆設計量子程式，並直接在IBM Q量子電腦上執行。可以循序漸進學習量子位元、量子疊加、量子糾纏、量子遙傳、量子閘、量子線路以及量子演算法等觀念。 本書內容淺顯易懂，適合初學者入門學習及進階讀者參考使用。以量子程式設計為切入點，基於「做中學」的理念，直接展示範例程式，引導讀者透過程式執行結果，不需要高深的數學與量子力學知識，也能學習量子計算理論與技術。 全書以大量範例程式貫穿所有章節，每行程式碼具有詳細解說，附錄中並有Python程式語言基本介紹，方便讀者完全了解量子程式設計概念。每章習題均附完整解答，讓讀者具有良好學習案例。所有量子程式原始碼均於線上提供，方便讀者直接下載執行。

╲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

本書使用Python語言以及流行的scikit-learn機器學習庫等資源，通過易於實踐的項目，幫助讀者掌握開發有效的機器學習系統所需的流程、模式和策略。本書首先介紹機器學習的基本概念和機器學習系統的評估技術；之後擴展工具庫，引入另外幾種分類和回歸技術以及特徵工程；最後介紹一些較為前沿的新技術，包括組合機器學習模型和自動化特徵工程模型等，並將機器學習應用于圖像處理和文本處理兩個特定領域。

本書以詳實的內容及豐富的實例較全面地介紹了數字圖像處理的基礎理論、經典算法及典型應用。本書內容包括數字圖像處理基礎知識、圖像增強、圖像復原、圖像的幾何變換與幾何校正、形態學圖像處理、圖像分割、圖像描述與特徵提取等，並通過一個較完整的車牌識別系統向讀者詳細介紹了數字圖像處理系統的基本設計思想與設計方法。本書實踐部分，介紹了OpenCV、NumPy、Matplotlib、Scikit-learn等圖像處理相關工具包的一些常用使用方法，其中的代碼彙集生成了“基於Python的圖像處理算法演示系統v1.0”，以輔助讀者理解算法。為適應人工智能等新技術的發展，本書簡單介紹了卷積神經網絡的平移、旋轉、尺度、形變等不變性，讓讀者理解卷積神經網絡在圖像處理方面的優勢。

【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

本書從零基礎讀者的角度出發，通過通俗易懂的語言、豐富多彩的實例，循序漸進地讓讀者在實踐中學習MySQL編程知識，並提升自己的實際開發能力。全書共分為4篇18章，內容包括MySQL概述、MySQL圖形化管理工具、MySQL語言基礎、數據庫和數據表的操作、數據查詢、MySQL函數、索引、視圖、數據完整性約束、存儲過程與存儲函數、觸發器、事件、數據的備份與恢復、性能優化、安全管理、MySQL系統管理、基於Java+MySQL的看店寶和基於Python+MySQL的智慧校園考試系統。書中知識點講解細緻，側重介紹每個知識點的使用場景，涉及的代碼給出了詳細的注釋，可以使讀者輕鬆領會MySQL程序開發的精髓，快速提高開發技能。同時，本書配套了大量教學視頻，掃碼即可觀看，還提供所有程序源文件，方便讀者實踐。本書適合MySQL初學者、數據庫工程師等自學使用，也可用作高等院校相關專業的教材及參考書。

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。

本書根據生物學研究者最常見的需求或問題，設計了10個基礎實驗，目的是加深初學者對理論知識的理解，包括分子序列數據庫、數據庫序列搜索、多序列聯配、系統發生樹構建、序列拼接與基因預測、基因組可視化、蛋白質功能域及結構預測、非編碼microRNA鑒定及其靶標預測、轉錄組分析、Python基礎及利用Python提取序列。

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。

本書內容改編自第12屆iT邦幫忙鐵人賽 Microsoft Azure 組佳作網站系列文章 Python X 金融分析 X Azure 本書從 Python 入門出發，學習撰寫 Python 程式，說明如何運用 Python 知名工具－pandas、TA-Lib和Matplotlib 進行交易數據的整理，實作各式金融分析。並可學習如何從政府的開放資料平臺取得各種股票、期貨數據，運用其提供的資源，讓我們可以更容易取得金融市場資訊，打造出屬於自己的交易策略和交易工具。 學會如何建立工具後，將可更進一步的學習 Azure，藉由微軟的 Azure 雲端平臺，讓自己的工具得以在雲端上運行，增加穩定性也減少管理成本。 從本書學習到這些金融知識後，不僅可以運用在個人投資上，也可以跨入資料分析、資料科學等等領域，甚至可跨入時下最夯的 FinTech 中。 書籍特色 Python 程式簡單上手 從入門到實作，快速瞭解 Python 並且學會使用開源工具－Visual Studio Code 進行程式開發。 自己的交易，自己分析 結合股票、期貨、選擇權等金融商品，加上 pandas、Matplotlib 模組，製作自己的分析工具以及交易訊號。 資料與程式雲端化 使用微軟的 Azure 讓自己的程式與資料雲端化，打造全自動收集資料的程式工具。 專業推薦 「金融科技的浪潮來襲」相信大家對這句話並不陌生。金融領域廣大遼闊， 常使人不知道要如何進入。本書可以作為金融科技的其中一個入口， 從科技的角度窺探金融與科技結合的可能性， 提供給沒有太多程式經驗的人一個跨入金融領域的入門工具。 沈育德 /美好證券 科技長 目標讀者 1.身為程式小白，想要用程式取得金融資料並達到自動化的讀者。 2.身為程式入門者，但不瞭解 Python 與金融知識的讀者。 3.學過 Python 但是沒有做過數據分析，或是想要瞭解金融分析的人。 4.想要使用 Azure 幫助減少管理伺服器的負擔，卻不知道如何開始的人。

許多家長看到了人工智能技術的前景，希望儘早培養孩子的IT素養，但是讓青少年學習AI並非易事。一方面，過多、過早地學習純理論知識，容易讓青少年失去興趣，甚至抵觸學習；另一方面，純理論學習缺乏結合日常生活的實踐，無法培養他們的動手能力。青少年的學習過程往往是興趣和好奇心導向的，而呈現在讀者面向的就是應這樣的需求而產生的教材。本書以讀者熟知的姜子牙的故事為線索，圍繞人工智能技術的特色和應用，介紹Python語言基礎知識、機器學習的概念及算法、神經網絡的概念及模型、計算機視覺的應用及前沿技術等內容，還介紹了自然語言處理、語音識別、生成對抗網絡等人工智能技術相關內容。書中還配有相關實例，方便讀者動手實踐，以使讀者深入理解和鞏固所學內容，掌握用AI解決實際問題的能力。