Python

★ 友善的學習銜接機制：因應讀者不同的程式基礎，特別規劃Python基礎章節，協助初學者順利銜接AI實作。 ★ 精煉的數學門檻導引：針對AI理論中必備的數學知識，以簡明扼要的方式進行重點歸納，讓讀者快速掌握數學關鍵。 ★ 系統化的學習路徑：針對期待跨入AI領域的初學者，規劃由淺入深的章節架構，帶領讀者一步步建立AI知識的核心基礎。 ★ 理論與實戰深度結合：強調「學以致用」，內容不僅涵蓋AI理論，更設計了程式實作練習，藉此提升學習動力，無論是自學或課堂教學皆能輕鬆上手。 ★ 接軌國際認證與職涯優勢：結合Certiport ITS Artificial Intelligence人工智慧核心能力國際認證考試重點，並納入模擬試題，協助掌握考試關鍵，順利考取證照，提升專業競爭力。

用Python和No-Code工具來開發專屬你的LLM應用 新手友善的LLM應用實戰指南，理解本質才能精準操作LLM這個黑盒子 從基礎AI開發開始，奠定AI應用飛躍之路 【內容簡介】 ♚學習AI開發：建立正確觀念，奠定紮實基本功 ♚理論實作並行：由淺入深學習，搭配程式碼實作 ♚套件全面剖析：理解套件背後的設計思路與取捨 ♚搭配No-Code工具：完整解析繁體中文Dify實戰 本書改編自第16屆iThome鐵人賽生成式AI組冠軍系列文章《Python新手的AI之旅：從零開始打造屬於你的AI / LLM應用》。本書將一步步帶著讀者學習建構一個AI應用的必備知識，從理論到實作都有涵蓋，不用擔心自己沒有AI的基礎。 本書專注於推論階段的LLM應用，前半部分介紹的是AI的基礎知識、LLM API的使用方法，以及圍繞在LLM周邊問題的解決方案；後半部分則詳細介紹Agent以及Dify這個No-Code LLM應用設計平台的使用方法和小訣竅；最後則是LLM應用的相關補充資料。 看完本書的你，就相當於擁有精準操作LLM這個「黑盒子」的基本能力，任何天馬行空的想法都能實現，而這也將會是你進入AI領域最開心的前奏。 【目標讀者】 ✪Python新手、想做點什麼的人。 ✪對AI有興趣、不知道怎麼開始的人。 ✪對開發LLM應用有興趣的人。 ✪不怕被說是套模仔的人。 本書改編自第16屆iThome鐵人賽生成式AI組冠軍系列文章《Python新手的AI之旅：從零開始打造屬於你的AI / LLM應用》。本書將一步步帶著讀者學習建構一個AI應用的必備知識，從理論到實作都有涵蓋，不用擔心自己沒有AI的基礎。本書專注於推論階段的LLM應用，前半部分介紹的是AI的基礎知識、LLM API的使用方法，以及圍繞在LLM周邊問題的解決方案；後半部分則詳細介紹Agent以及Dify這個No-Code LLM應用設計平台的使用方法和小訣竅；最後則是LLM應用的相關補充資料。

「這本書正是我當年提出『資料科學家』這個職稱時，所希望能擁有的一本書。如果您希望投身資料科學╱工程、人工智慧，或機器學習領域，就該從這裡開始。」 ── DJ Patil 博士，美國首任首席資料科學家 身為一位有志成為資料科學家的讀者，能夠理解各類組織為何仰賴資料來做出關鍵決策──無論是公司在設計網站、還是市政府在改善公共服務，或者是科學家在致力於阻止疾病擴散。而您也希望具備將雜亂資料整理為可行洞見的能力。我們將這整個過程稱為「資料科學生命週期」：也就是從資料的收集、整理、分析，到導出結論的完整流程。 本書是第一本涵蓋程式設計與統計兩大基礎技能、並貫穿整個資料科學生命週期的書籍。本書的對象包括希望成為資料科學家的人、與資料科學家共事的專業人士，以及希望跨越「技術╱非技術」界線的資料分析師。只要具備基本的 Python 程式設計知識，便可學習如何透過業界標準工具（如 pandas）來處理資料： ．將感興趣的問題精煉為可透過資料探究的研究問題 ．執行資料蒐集，其中可能涉及文字處理、網頁爬蟲等技術 ．透過資料清理、探索與視覺化，萃取出有價值的洞見 ．學會使用建模來描述資料特性 ．推廣研究結果，進行超出資料本身的推論

無

⛧⛦ 跟著「三大場景 × 23 個實驗」動手做 ⛦⛧⛧⛦ 新手也能輕鬆打造 LLM 智慧聯網便利生活！ ⛦⛧你是否曾對家中智慧家電的運作原理感到好奇？常聽到「物聯網」這個詞，卻不太清楚它的真正含義？AI 聊天機器人這麼厲害，又該如何整合進智慧家電中？本套件將帶你從零開始，使用 ESP32 家族的 S2 mini 開發板連接感測器與電子元件，再透過 Python 撰寫程式，實作出各種有趣的物聯網應用。除此之外，還會進一步帶你認識 Web 與 MQTT 等網路技術，動手設計網路資料抓取、網頁遙控器、遠端鬧鐘、遠端留言板等實用功能。更好玩的是，我們把當前最夯的 LLM 技術也整合進來了！只要讓 S2 mini 透過 API 呼叫 LLM，就能用自然語言調整燈光顏色、生成音樂和弦，甚至自動摘要股市新聞。讓 AIoT 裡的「AI」不再侷限於傳統機器學習或基礎人工智慧，而是升級成真正懂你的智慧好夥伴！本書特色: 從書桌、床頭到大門，打造 LLM 時代的智慧居家物聯網生活▸ 從電子電路 → 程式設計 → 物聯網技術 → 整合 LLM，一套搞定▸ 獨門傳授免費串接 LLM API 的密技，讓 GPT 幫你作曲、控燈、做新聞摘要▸ 與 LLM 合作編寫程式，無論網頁前端或後端程式開發，不會寫的就問 Grok▸ 獨家教學 OLED 螢幕的中文顯示、小喇叭響起音樂和弦，完美貼近你我生活讓 AI 成為你的得力助手，全力支援你將書中實驗延伸出無限可能！組裝產品料件：ESP-32 S2 mini 開發板 × 1 片Type-C 傳輸線 × 1 條麵包板 × 1 片RGB LED 模組 × 1 個光線感測模組 × 1 個紅外線人體移動偵測模組 × 1 個小喇叭 × 1 個0.96 吋 OLED 螢幕模組 × 1 個溫濕度感測模組 × 1 個RFID IC 卡感應模組 × 1 個按壓開關 × 2 個公-公杜邦線 × 1 排公-母杜邦線 × 1 排排針 × 1 排Windows / macOS 均適用

本書以Python軟件為基礎,結合編者多年的數學實驗課程教學實踐進行編寫，內容涉及高等數學、工程數學中的相關數學實驗、數學規劃、插值與擬合、微分方程、差分方程、評價預測、圖論模型、多元分析、MonteCarlo模擬、智能算法、時間序列分析、支持向量機、圖像處理等內容，既有對算法數學原理的詳述，又有案例和配套的Python程序。

AI獨家解密－DALL•E、Midjourney、Stable Diffusion Python打開圖片生成原理潘朵拉盒子https://youtu.be/CnuH71v4qXc✴︎AIGC 核心概念：快速掌握 AI 生成內容的關鍵技術。✴︎影像生成技術：解密 GAN、擴散模型、VAE 的運作原理。✴︎Stable Diffusion：深入解析 VAE、CLIP、交叉注意力等技術。✴︎頂尖 AI 模型：比較 DALL•E 2、Imagen、DeepFloyd 的特色。✴︎熱門工具剖析：Midjourney、SDXL、DALL•E 3 詳細解讀。✴︎多模態 AI：探索 AI 如何融合文本、影像與聲音。✴︎影像變形技術：解讀 unCLIP、Stable Diffusion 的影像加工能力。✴︎完整實作指南：手把手帶你訓練 Stable Diffusion。✴︎低成本 AI 訓練：用 LoRA 技術輕鬆微調 AI 模型。✴︎開源生態與應用：進入 AI 創作與技術社群。✴︎產業應用解析：AIGC 在藝術、廣告、遊戲等領域的發展。✴︎適合所有讀者：AI 新手、創作者、技術專家都適用。

本書結合金融領域的實際需求和量化分析技術，手把手教讀者利用AI大模型的精准提示詞，讓AI大模型生成可用性極高的金融數據分析與建模代碼，確保了內容既有深度又貼近用戶實際需求。全書共計15章，目錄如下：第1章AI大模型在金融領域的應用基礎第2章讓ChatGPT協助處理金融數據第3章讓ChatGPT協助可視化金融時序數據第4章讓ChatGPT協助探索金融時序數據第5章讓ChatGPT協助進行技術分析第6章讓ChatGPT協助進行時序分析與建模第7章讓ChatGPT協助用機器學習建模第8章讓ChatGPT協助使用多因子模型第9章讓ChatGPT協助使用GARCH建模第10章讓ChatGPT協助進行蒙特卡洛模擬第11章讓ChatGPT協助進行資產配置第12章讓ChatGPT協助回測交易策略第13章深度學習基礎第14章深度學習在金融領域的應用探索第15章利用生成式AI分配量化權重 本書適合金融科技從業者閱讀參考。

機器學習的靈魂：以統計數學為核心說明 全書圖解及歷史來龍去脈完整說明 從步入監督學習之旅開始 最精要的線性迴歸模型 完整講解K近鄰及貝氏推論 邏輯迴歸模型及最大熵模型 決策樹，感知機及支援向量機 EM演算法及Boosting提升方法 統計機器學習之旅，從監督學習開始，透過分析已標記的資料集訓練模型，使預測未知資料。最基礎的就是線性迴歸。進一步深入，K近鄰（K-NN）演算法和貝氏推論是統計機器學習中的兩大核心技術。 之後則說明邏輯迴歸模型和最大熵模型，兩者專注於分類問題。決策樹、感知機和支援向量機（SVM）則代表了更進階的機器學習模型。決策樹通過構建樹狀結構來進行決策，其直觀性和易於理解的特點使其在解釋性要求較高的場景中非常受歡迎。感知機是一種二分類線性分類器，支援向量機則是一種強大的分類器，透過在特徵空間中找到一個最優分割平面來分離不同類別的數據。 最後，EM（期望最大化）演算法和Boosting方法是提升模型性能的高級技術。EM算法通過迭代最佳化來處理。

本書首先引領你開啟樹莓派的大門，進入充滿神奇、瑰麗、希望的多彩世界。同時，也敞開探索Arduino資源的視窗，指引你善用俯拾皆是的各式珍貴資源。你將一步一步從基本程式設計、簡單電路組裝到測試的紮實演練，最後建立一個實用的物聯網。 本書分成三大部分 ➤ 樹莓派：從開箱設定到GPIO應用 ➤ Arduino：從LED閃爍的控制到Wi-Fi模組的開發 ➤ 樹莓派與Arduino：運用Node-RED融合兩者，輕易開發物聯網 閱讀本書後，你將學到 ✔ 樹莓派GPIO應用 ✔ Python程式設計 ✔ Arduino程式設計 ✔ 樹莓派與Arduino整合應用 ✔ ESP8266 NodeMCU應用 ✔ Node-RED程式設計 本書適用於 ☛ 大專院校「機電整合」、「專題製作」、「網際網路程式設計」等課程 ☛ 高中、高職「微電腦應用實習」相關課程 ☛ 各級學校開辦的正規或短期「物聯網」探索課程 ☛ 創客玩家DIY物聯網

在後疫情時代, 人們越來越注重身體健康, 平常除了去醫院進行健康檢查, 還有哪些方法可以得知自己的健康狀況呢？人類的生理器官雖然沒有嘴巴可以說話, 但是他們會發出不一樣的訊號, 我們可以透過這些訊號來觀察身體的狀況, 然而這些訊號往往需要專業且精密的儀器才能進行分析, 不過若是使用現今最熱門的技術 AI -人工智慧, 就能以簡單的方式來分析人體訊號, 本套件將帶你深入淺出學習人工智慧與生醫的應用, 一步步分析出身體的血氧、血壓、心跳等訊號, 讓 AI 為你的健康做把關！一開始我們會帶著大家獲取基本的訊號, 例如量測人體皮膚電阻值並建立無線網頁, 製作簡易測謊儀, 接著用現成的模組讀取血氧濃度, 一一探索人體訊號的奧秘。在蒐集訊號的同時, 伴隨而來的是 "雜訊", 這些雜訊有的來源於電腦變壓器、手機充電器或是光線干擾, 為了提取有用的訊號, 我們會特別說明可過濾雜訊的濾波器, 並教大家如何使用濾波器來繪製 PPG 訊號, 進一步獲得心率等訊息。在本套件中最重要的屬生醫2.0, 以往獲取生理訊號之後需要複雜的數學運算來獲得公式, 但生醫與人工智慧結合後, 輸入真實資料來訓練神經網路, 就可以訓練出自動找出公式的模型, 之後即可進行即時預測, 在範例中我們會利用神經網路來分析生理訊號所對應的人體體溫, 不僅實現生醫與 AI 的結合, 也較以往的酒精溫度計量測更加快速！本套件每個範例皆附有程式碼檔案, 即使是程式初心者, 也可以依照範例檔來製作屬於自己的 AI 生醫系統。本書特色: ● 血氧、血壓、呼吸與心跳等各種生理訊號大解密● 以 ESP32 蒐集真實資料, 訓練出分析生理訊號的神經網路● 配合網頁介面一步步搭建無線生醫系統● 現今最夯的 AI 與生醫結合, 讓 AI 貼近生活化, 初學者也能得心應手

Python暢銷經典主題強化再升級 運用世界級熱門開發平台 迅速掌握資料處理要領，深入全方位專案主題 立即體驗Python的大數據超強實戰力 面對大數據資料 如何爬取？如何整理？如何儲存？ 如何分析？如何呈現？最後要如何應用？ 就從熱門案例切入，快速搜集梳理巨量資訊！ 熱門搜尋關鍵字、股票的交易資訊、政府的公開資料、社群網站上傳的圖片與影音，以及實體通路或網路商店的銷售數據…等，都讓資料量快速爆增。大數據時代來臨，不僅科技業重視，就連傳統的零售業、金融業、製造業、旅遊業，以及政府都爭相投入，無不希望能運用數據分析與預測來協助決策方向，掌握數據就能找出趨勢的出路與提高判斷的精準度，也讓新興的數據分析師、資料分析師、資料科學家成為熱門職業。 Python無疑是大數據與AI時代第一程式語言，在數據資料處理的領域中有著非常重要的地位。本書由生活出發，以專題實戰，只要能掌握數據資料爬取清洗、儲存整理、統計分析、視覺化呈現，以及跨領域應用的關鍵技術，就能掌控大數據的應用。 ■完整學習Python資料處理的4大觀念與技術：爬取清理、讀取儲存、統計分析、呈現與應用。 ■快速熟悉Python熱門開發平台Google Colab，建立資料科學的基本觀念，學會Python語法函數模組的應用，並透過資料分析實作演練，培養數據分析開發領域所需的技能。 ■全面深入不同應用面向，如：網路爬蟲、資料正規化、資料視覺化、資料儲存與讀取(CSV、Excel、Google試算表、多媒體檔案擷取…)、批次檔案下載、公開資料應用、API建立… ■以最多元的熱門實例進行大數據專案實作，如：LINE貼圖收集、線上相簿批次下載、YouTube影片、音檔及播放清單下載，股票市場個股分析統計圖、股價資訊即時推播、網路新書排行榜、人力銀行求職資訊分析、超商門市資訊收集、即時網路聲量輿情觀察、網路線上字典，以及Web API開發… ■範例程式另提供Python筆記神器：Jupyter Notebook格式檔案，讓學習與操作更便利。 ■針對專案實戰提供影音輔助教學，加速學習效率。 【書附超值學習資源】320分鐘專案實戰影音教學/範例程式檔/「打造自己的疫情指揮中心：新冠肺炎數據分析實戰」教學影片

搞懂不會背叛你的數學，進一步提升你的程式功力！ 本書透過圖表解說人工智慧與資料科學領域的相關數學知識，並告訴你如何將其轉換為程式碼，除了可以吸收關於數學的知識之外，也能立即運用在工作上。 透過機率統計的學習，了解如何改善業務流程 本書將AI與資料科學的相關數學知識分成四大篇，第一篇的「機率統計、機器學習篇」介紹的是了解工作情況，篩選出必要資訊的流程，以及位於這個流程背後的機率統計、機器學習的數學知識。能掌握工作情況就能知道該如何改善相關業務，也能進一步觀察未來的變化。 了解最佳化的步驟，學會職場所需的最佳化流程 第二篇「數理最佳化篇」介紹最佳化業務的流程，以及解決業務問題的方法。要最佳化業務，就必須先了解哪些部分需要改善效率，換言之，最佳化的重點在於找出問題。了解最佳化的步驟與問題的種類，就能學會工作職場所需的最佳化流程。 透過預測病毒的傳播模式，了解相關的數學理論 第三篇「數值模擬篇」則以傳染染病的傳播為主題，學習預測這類傳播模式的微分。只要了解微分，就能了解病毒的傳播模式，也能利用動畫說明傳播模式與製作出臨場感十足的簡報。最後的「深度學習篇」則會先說明近年來發展神速的深度學習技術原理，再說明這些原因都於哪些技術或職場應用。 來自讀者的讚譽 「這是我買過最實用的書」 「這本書可以讓你知道如何將數學應用在現實世界的工作之中」 「這本書拯救了文科出身，在工作上又不得不面對數學的我」

資料科學、機器學習是近來最夯的關鍵字, 所引發的學習熱潮從未間斷。然而初學的你只要稍微上網搜尋可能會發現, 資料科學涉及的領域實在超～級～廣, 包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等, 一拖拉庫的名詞都與資料科學沾上邊；相關書籍更是不少, 各書的切入點明顯都不一樣, 卻都一致高喊「我帶你學資料科學！」讓初學者看得更花了, 對於如何入門愈來愈沒頭緒...這麼雜到底怎麼學？A

『數學 ╳ 深度學習 ╳ Python 三效合一』深度學習用一句話就可以講完：『用訓練的方式找出一個數學函數，將輸入的資料映射到正確的答案』。重點就在於你如何找出那個對的數學函數！本書將深度學習的數學模型與運算式推導出來之後，還能實際執行 Python 程式幫助瞭解整個運算的過程。『打開機器學習的黑箱，才發現裏面全都是數學！』我們常在機器學習 / 深度學習的文章或書中看到線性迴歸、二元分類、多類別