Python

本書是為使用Python進行科學計算的新手或剛入門者量身定做的，是作者學習和使用Python進行人工智能項目研發的體會與經驗總結，涵蓋了實際開發中的基礎知識點，內容詳盡，代碼可讀性及可操作性強。本書主要介紹NumPy、Pandas、Matplotlib的基本操作。本書使用通俗易懂的描述，引入了豐富的示例代碼，同時結合智慧城市中的一些事件，使內容呈現盡可能生動有趣，讓一些原本複雜的處理能夠通過另一種

本書將介紹如何使用Python編寫網路爬蟲程式獲取互聯網上的大資料。本書包括三部分內容：基礎部分、進階部分和專案實踐。基礎部分（第1~6章）主要介紹爬蟲的三個步驟（獲取網頁、解析網頁和存儲資料），並通過諸多示例的講解，讓讀者從基礎內容開始系統性地學習爬蟲技術，並在實踐中提升Python爬蟲水準。進階部分（第7~12章）包括多線程的併發和並行爬蟲、分散式爬蟲、更換IP等，幫助讀者進一步提升爬蟲水準。

本書采用理論與實踐相結合的方式，引導讀者以Python為工具，以機器學習為方法，進行數據的建模與分析。本書共13章，對機器學習的原理部分進行了深入透徹的講解，對機器學習算法部分均進行了Python實現。除前兩章外，各章都給出了可實現的實踐案例，並全彩呈現數據可視化圖形。 本書兼具知識的深度和廣度，在理論上突出可讀性，在實踐上強調可操作性，實踐案例具備較強代表性。隨書提供全部案例的數據集、源代碼、教

也許你聽說過全棧工程師，他們善於設計系統架構，精通資料庫建模、通用網路通訊協定、後端併發處理、前端介面設計，在學術研究或工程項目上能獨當一面。通過對Python及其周邊Web框架的學習和實踐，你就可以成為這樣的全能型人才。本書分為3部分：第1部分是基礎篇，帶領初學者實踐Python開發環境和掌握基本語法，同時對網路通訊協定、Web用戶端技術、資料庫建模程式設計等網路程式設計基礎深入淺出地進行學習；

這是一本講解如何使用Python 進行系統化圖形引擎開發的圖書。本書基於作者長期從事圖形引擎開發工作的經驗，結合簡單易懂的Python 語言和PyOpenGL 模塊，通過對引擎開發知識由淺入深的編排和講解，讓廣大對圖形學感興趣的"小白”開發者一步步掌握圖形引擎的開發流程和實現原理，並在這個過程中熟練掌握OpenGL，進而有能力基於各種開發語言進行圖形引擎的開發工作。 本書結構緊湊、內容翔實、由淺入深，是學習、掌握圖形引擎開發入門知識的重要參考書。

本書以Anaconda為主要開發工具，採用任務驅動的方式，系統全面介紹了Python在數據分析中的應用。全書共9章，首先在第1章介紹了數據分析的基本理論、開發工具的安裝方法以及基礎操作，為後續學習搭建必要的開發環境；第2～6章深入講解了Python在數據分析中的核心庫及其應用，涵蓋了NumPy和pandas在數據處理方面的技巧，以及如何利用Matplotlib、Seaborn和Pyecharts進行數據可視化；第7～8章則進一步探討了時間序列分析與機器學習的相關知識；第9章圍繞著前面所學的知識開發了一個實戰項目，完整呈現了將數據從加載、預處理、分析、展現的過程。本書配套豐富的教學資源，包括教學PPT、教學大綱、源代碼、課後習題及答案等。為幫助讀者更好地學習本書中的內容，作者還提供了在線答疑服務，希望能夠幫助到更多讀者。本書既可作為高等教育本、專科院校計算機相關專業的教材，也可作為Python數據分析愛好者的自學參考書。

本書包括夯實財務大數據——Python基礎、挖掘財務大數據——爬蟲技術應用、分析財務大數據——數據清洗與處理、呈現財務大數據——財務數據可視化、玩轉財務大數據——財務大數據應用、財務大數據分析綜合實訓六個項目，以理論與實際操作相結合，以廈門科雲智慧雲平臺為依託，內容緊扣“大數據與會計”專業（群）教學實踐，基於“數據智能”時代的要求，初步打通Python學習的橋樑。本次改版在第一版的基礎上作了優化，主要修改內容包括部分圖片及代碼根據軟件升級而進行的修改；同時，對全書各項目的內容，再次進行了深入與細緻的修改，做到精益求精。

《Python網絡爬蟲從入門到精通》從初學者角度出發，通過通俗易懂的語言、豐富多彩的實例，詳細介紹了使用Python實現網絡爬蟲開發應該掌握的技術。全書共分19章，內容包括初識網絡爬蟲、了解Web前端、請求模塊urllib、請求模塊urllib3、請求模塊requests、高級網絡請求模塊、正則表達式、XPath解析、解析數據的BeautifulSoup、爬取動態渲染的信息、多線程與多進程爬蟲、數據處理、數據存儲、數據可視化、App抓包工具、識別驗證碼、Scrapy爬蟲框架、Scrapy_Redis分布式爬蟲、數據偵探。書中所有知識都結合具體實例進行介紹，涉及的程序代碼給出了詳細的注釋，讀者可輕松領會網絡爬蟲程序開發的精髓，快速提高開發技能。

本書介紹了機器學習和深度學習中必備的數學基礎知識，主要內容包括Anaconda環境的安裝、Jupyter Notebook的使用方法、Python程式設計基礎、Numpy和matplotlib的應用、數學基礎、線性代數、微分、概率·統計相關知識、利用機器學習實踐數學模型等。

本書採用Python語言介紹數據結構和算法，包括其設計、分析和實施。本書源代碼簡潔、明確，面向對象的觀點貫穿始終，通過繼承最大限度地提高代碼重用，同時彰顯不同抽象數據類型和算法之間的異同。

本書從零基礎出發, 結構精簡, 語言流暢, 由淺入深、循序漸進地介紹了Python程序設計語言, 讓讀者能夠較為系統全面地掌握程序設計的理論和應用。書中運用豐富的案例介紹程序設計方法和思想, 易於學習者理解。

本書涵蓋了Python在數值計算和數據處理領域的常用擴展庫，如NumPy、SciPy、Pandas、Matplotlib等，以數據載入、數據清洗與規整、數據分析與可視化為主線，利用淺顯易懂的語言、豐富有趣的實例和案例，全面、系統地介紹了科學計算、數據處理與分析的知識。 本書共7章，第1章主要介紹Python語言以及環境的搭建和使用；第2～3章介紹Numpy和Pandas擴展庫的數據結構和常用函數；第4章主要介紹了Pandas數據處理的相關技術；第5章主要介紹了Matplotlib和pandas兩種數據可視化技術。第6章通過兩個具體的案例介紹數據處理、數據探索的流程和方法；第7章介紹了數值計算擴展庫Scipy中的擬合和優化、插值、線性代數、數值積分模塊。

本書是數據分析類課程的入門教材，系統整理了數據分析的知識體系，以分析流程為主線闡述了數據分析的主要方法和基於Python的技術應用。 全書共分為9章，包括數據分析簡介，數據分析的方法，NumPy和pandas基礎，數據獲取與導入，數據預處理，數據探索，數據挖掘概述，基本統計圖形，文本、網絡和地理空間可視化。從第2章開始，在闡述基礎知識的同時設計了大量例題，按照“分析需求→Python代碼展示→例題解析→運行結果”的模式對知識點進行剖析。全書提供習題、答案及程序源碼。 本書可作為普通高等院校數據分析處理相關課程的學生的教材使用，也可供剛剛步入數據分析領域的從業人員參考。

本書講解了如何使用Python編寫網絡爬蟲，涵蓋爬蟲的概念、Web基礎、Chrome、Charles和Packet Capture抓包、urllib、Requests請求庫、lxml、Beautiful Soup、正則表達式解析數據、CSV、Excel、MySQL、Redis、MongoDB保存數據、反爬蟲策略應對、爬蟲框架Scrapy的使用與部署，以及應用案例。本書結構清晰、內容精練，代碼示例典

本書是“孩子們的編程書”系列裡的《Python編程進階：海龜繪圖》分冊。本系列圖書共分6級，每級兩個分冊，書中內容結合孩子的學習特點，從編程思維啟蒙開始，逐漸過渡到Scratch圖形化編程，最後到Python編程，通過簡單有趣的案例，循序漸進地培養和提升孩子的數學思維和編程思維。本系列圖書內容注重編程思維與多學科融合，旨在通過探究場景式軟件、遊戲開發應用，全面提升孩子分析問題、解決問題的能力，並養成良好的學習習慣，提高自身的學習能力。本書基於Python語言的海龜繪圖(turtle)模塊編寫而成，上冊以海龜繪圖基礎及簡單幾何圖形為主，主要通過開發有趣的程序引導孩子掌握海龜繪圖基礎，培養孩子們的編程思維和創新意識；下冊以海龜繪圖進階內容和複雜幾何圖形及遊戲設計為主，通過每課完成一個有趣的程序，使孩子能夠熟練掌握海龜繪圖編程，並能夠用編程的思維去解決實際生活中遇到的問題。全書共24課，每課均以一個完整的程序製作為例展開講解，讓孩子們邊玩邊學，同時結合思維導圖的形式，啟發和引導孩子們去思考和創造。本書採用全彩印刷＋全程圖解的方式展現，每節課均配有微課教學視頻，還提供所有實例的源程序、素材，掃描書中二維碼即可輕鬆獲取相應的學習資源，大大提高學習效率。本書特別適合中小學生進行Python編程初學使用，適合完全沒有接觸過編程的家長和小朋友一起閱讀。對從事編程教育的老師來說，這也是一本非常好的教程，同時也可以作為中小學興趣班以及相關培訓機構的教學用書。

本書介紹如何利用新的程序語言進行金融建模並實現複雜的數據運算。書中講授的程序工具與數據均可以通過公開渠道獲取，通過建模與研究分析，你會對整個Python生態體系有全域性的認識。大量的實例分析也會加深你對金融風險管控的認知。

全書共分為10章，第1～2章介紹了數據科學的基礎知識以及數據科學所涉及的各項技術；第3～5章涵蓋了Python的語法基礎，函數、模塊與組合數據類型，文件讀寫；第6章介紹了網絡爬蟲的數據采集及方法；第7～8章重點介紹了數據分析過程中的兩個重要模塊：numpy和pandas；第9章介紹了數據可視化與應用；第10章結合之前的內容，以一個綜合案例進行了實戰分析。本書配有電子課件、電子教案、教學大綱、習題答案、模擬試卷及答案等教學和學習資料（部分資料僅限用書教師下載），索取方式參見書末的“更新勘誤表和配套資料索取示意圖”。本書適合作為經濟管理類專業數據科學與Python語言入門的教材，特別適合工商管理、經濟學、電子商務等專業的學生學習。

這是一本介紹通過解決複雜謎題來學習編程的書，書中的代碼用Python語言編寫。與以往的編程書不同，本書將對代碼功能的理解與編程語言語法和語義的理解分離開來，從解每個謎題開始，先給出解謎題的算法，隨後用Python語法和語義實現對應的算法，並適當做出解釋。本書包含了21個謎題，其中很多謎題都廣為流傳，如多皇后、漢諾塔、在幾秒鐘內解決數獨問題、驗證六度分隔猜想等，每個謎題後面都配有不同難度的編程習題，幫讀者加深對相關算法的理解。本書在算法謎題的趣味性和計算機編程的實用性之間搭建了一座橋樑，內容饒有趣味，講述易於理解，適合已掌握初級編程概念並對算法感興趣的學習者閱讀和參考。

本書根據中小學學生的特點和學習能力編排Python與人工智能教學的內容，寓教於樂。和本書配套的還有作者研發的“中小學編程智能教學平臺”，平臺教學資源豐富，智能化程度高，配有大量的教學和學習工具，方便教師備課和對學生進行個性化的教學和輔導。

本書主要介紹Python爬蟲編寫的基礎知識，以及對爬蟲數據的存儲、深入處理和分析。全書分為四部分： 第一部分為爬蟲基礎篇，第二部分為實戰基礎篇(9個案例)，第三部分為框架應用篇(5個案例)，第四部分為爬蟲應用場景及數據處理篇(6個案例)。 本書由淺入深地介紹爬蟲常用的方法和工具，以及對爬蟲數據處理的應用和實現。但需要注意的是，爬蟲的技術棧不僅包含這幾部分，而且在實際工作中的細分方法也不盡相同。本書只是對目前爬蟲技術中最為常用的一些知識點用案例的形式進行了分類和講解，而更多的應用也值得讀者在掌握一定的基礎技能後進一步探索。 本書適合Python語言初學者、網絡爬蟲技術愛好者、數據分析從業人士以及高等學校計算機科學、軟件工程等相關專業的師生閱讀。

本書全面地講解了在科學領域廣泛運用的微積分、概率論與數理統計、線性代數、數值計算、多元統計分析等數學基礎知識。全書共6章：第1章介紹了大數據與數學、數學與Python的關係；第2章介紹了微積分的基礎知識，包括極限、導數、微分、不定積分與定積分等；第3章介紹了概率論與數理統計的基礎知識，包括數據分佈特徵、概率與概率分佈、參數估計、假設檢驗等；第4章介紹了線性代數的基礎知識，包括行列式、矩陣的運算和特徵分解、奇異值分解；第5章介紹了數值計算的基礎知識，包括插值法、函數逼近與擬合、非線性方程（組）求根；第6章介紹了常用的多元統計分析方法，包括回歸分析、判別分析、聚類分析、主成分分析、因子分析和典型相關分析。本書示例大都結合Python進行求解分析，且每章都有課後習題，可以幫助讀者鞏固所學的內容。

本書主要包括三個模塊: 模型與軟件概述、軟件操作實驗和模型實驗。模型與軟件概述介紹了經濟模型的概念和意義, 以及MATLAB和Python兩種軟件的概述和比較。軟件操作實驗模塊詳細介紹了常見的矩陣、微積分、函數可視化、統計等基本運算和機器學習的基礎知識。模型實驗模塊提供了不同領域模型應用的案例研究。

本書共5章內容，主要結合目前流行的人工智慧程式設計語言Python對機器學習案例進行分析，介紹機器學習的相關理論，並展示使用機器學習方法解決實際應用問題的具體過程。本書包括基礎知識、分類案例、聚類案例、回歸預測案例和綜合案例，力爭通過案例和代碼分析使讀者快速掌握機器學習的具體應用方法。

本書以Python語言為基礎描述了網絡爬蟲的基礎知識，用大量實際案例及代碼，向讀者介紹了編寫網絡爬蟲所需要的相關知識要點及項目實踐的相關技巧。本書共5章，介紹了爬蟲的基本結構及工作流程、抓包工具、模擬網絡請求、網頁解析、去重策略、常見反爬措施，以及大型商業爬蟲框架Scrapy的應用，最後介紹了數據分析及可視化的相關基礎知識。

本書以開源的計算機視覺庫OpenCV為基礎，面向Python初學者講解以視覺識別為代表的人工智能入門知識，以及包括圖像處理、數據分析、神經網絡在內的人工智能應用的基本實現方法。全書共8章，主要內容包括機器視覺、顯示圖片與視頻、圖像處理、圖像特徵檢測、人臉檢測、人工智能與機器學習、手寫文字的圖像識別、人臉識別與手勢識別等。附錄總結了OpenCV模塊中的函數及方法。

本書旨在介紹開源的Python算法庫和數學工具包SciPy。近年來，基於NumPy和SciPy的完整生態系統迅速發展起來，並在天文學、生物學、氣象學和氣候科學，以及材料科學等多個學科得到了廣泛應用。本書結合大量代碼實例，詳盡展示了SciPy的強大科學計算能力，包括用NumPy和SciPy進行分位數標準化，用ndimage實現圖像區域網絡，頻率與快速傅裡葉變換，用稀疏坐標矩陣實現列聯表，SciPy中

從編程語言都會接觸的數據類型、數據運算、輸入與輸出；流程控制裡的選擇結構和循環結構；元祖、列表、字典三種基礎且常用的存儲方式；函數的使用；文件的操作。通過基礎的學習，建立起扎實的編程基礎。此外還可以進行數據庫和擴展庫等更多的研究。 本書的對象是高中生及以下，所以儘量多的圖片來幫助學生理解，更形象的描述python代碼所表達的含義。

本書由前IBM首席數據科學家撰寫，旨在為勵志成為數據科學家的讀者給出一個可行的實踐指南。從Python入門開始，逐步實現數據分析、機器學習等通用算法，進而討論數據科學家的典型工作流程，*後從實踐入手，由淺入深，精選決策樹、降維技術、支持向量機等數據分析案例，讓讀者能逐步理解晦澀的公式理論並上手操作，可以滿足不同層次的讀者需求。

本書共有四個部分共十二章，第一部分基礎，包括第1章軟件準備、第2章Python基礎知識、第3章類和子類簡介；第二部分基本模塊，包括第4章numpy模塊、第5章pandas模塊、第6章matplotlib模塊、第7章scipy模塊；第三部分編程思維訓練，包括第8章基本編程訓練、第9章若干計算方法的編程訓練；第四部分數據科學，包括第10章探索性數據分析及數據準備、第11章有監督學習概論、第12章一些有監督學習模型。

本書系統地介紹統計分析和機器學習領域中最為重要和流行的多種技術及其基本原理, 本書在詳解有關算法的基礎上, 結合大量Python語言實例演示了這些理論在實踐中的使用方法。具體內容包括線性回歸 (包括嶺回歸和Lasso方法)、邏輯回歸、支持向量機、感知機與神經網絡、聚類分析 (包括K均值算法、EM算法、密度聚類等)、降維與流形學習、集成學習、KNN、樸素貝葉斯、概率圖模型 (包括貝葉斯網絡和HMM模型) 等內容。

Python是一門非常強大的高級程序語言，其具有語法簡潔、可讀性高、開發效率高、可移植性、支持自行開發或第三方模塊、可調用C和C++庫、可與Java組建集成等優點，已被應用到Web開發、操作系統管理、科學計算、自動化運維和人工智能等眾多領域。本書以項目引領任務驅動方式進行編寫，以實現最簡單功能為切入點，由淺入深地引導學生完成項目，輔以知識點講解和相關知識擴展，拓展學生的學習思維，突出問題求解方法和

《Python數據分析項目全程實錄》精選不同行業、不同分析方法以及機器學習等方向的12個熱門Python數據分析項目。這些項目既可以作為練手項目，也可以應用於實際數據分析工作中，其中的機器學習還可作為參賽項目的參考。總體來說，這些項目的實用性都非常強。具體項目包含：熱銷產品銷售數據統計分析、籃壇薪酬揭秘：球員位置與薪資數據的深度分析、股海秘籍：股票行情數據分析之旅、京東某商家的銷售評價數據分析、商城註冊用戶數據探索分析、自媒體賬號內容數據分析、汽車數據可視化與相關性分析、抖音電商數據分析系統、會員數據化運營RFM分析實戰、商超購物Apriori關聯分析、基於K-Means算法實現鳶尾花聚類分析、電視節目數據分析系統。本書從數據分析、機器學習的角度出發，按照項目開發的順序，系統、全面地講解每一個項目的開發實現過程。體例上，每章一個項目，統一採用“開發背景→系統設計→技術準備→各功能模塊實現→項目運行→源碼下載”的形式完整呈現項目，給讀者明確的成就感，可以讓讀者快速積累實際數據分析經驗與技巧，早日實現就業目標。

本教材書在內容設計上具有明顯的創新行為,主要為了更好地滿足12歲到20歲青少年朋友的學習需求,由淺入深,快樂學習Python語言.從基礎知識角度,考慮讀者中學數學、英語等背景知識的要求,使所編程的內容既有助於加深對中學知識的理解,又有助於更好地領會代碼的作用,能達到一舉多得的學習效果；從趣味角度,還引入了可愛的三酷貓,融入各種故事與讀者一起體會編程的作用；從知識層次角度,本書從基本的Python語法、函數、數組,到製作二維圖、動畫、遊戲,再到傳統算法、圖像算法、國內外競賽知識,既能逐步提高讀者通過編程解決問題的能力,又能讓讀者觸碰智能編程在競賽、科學研究、實際應用等方面的誘人前景；從教學角度,每章安排了練習和實驗,並提供教學PPT等資料,方便教師的教學使用要求.另外,本書對大數據、人工智能的基礎知識做了啟蒙式的潛移默化式的安排,如對數學、數據、算法的畫龍點睛式安排.本書適合作為中學信息科技學科的教材,也適合作為各類信息化競賽的入門教材,同時適合部分學有餘力的五六年級小朋友學習,還適合大學非計算機類學生自學.

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編制的《大學計算機基礎課程教學基本要求》，按照大學計算機基礎教學中培養計算思維能力的思路，以及計算機應用發展的新趨勢和數字化項目建設的要求編寫而成。內容共13章，分別是計算思維概述、計算機系統、數制和信息編碼、操作系統基礎與信息安全、辦公軟件Office2010、Python程序設計基礎等，內容豐富、圖文並茂、易教易學，注重在基本原理、基本概念、基

本教材以數據挖掘的經典算法為主線，基礎部分講清楚數據挖掘的過程和經典算法：數據探索、數據預處理、分類與回歸、聚類分析、關聯規則挖掘、偏差檢測等。同時增加實現應用部分，在應用實現部分，以Python作為描述語言，以解決某個應用的挖掘目標為前提，介紹案例背景，闡述分析方法與過程，完成模型構建，給出算法的具體實現，通過此項目的方法提升學生的算法理解和應用能力，適應當今大數據時代對於高級工程師的數據分析能

本書基於數據驅動的思維，以R和Python作為編程工具對大量實際案例做了分析。介紹了回歸、分類及各種多元分析方法（包括主成分分析、因子分析、聚類分析、典型相關分析、二元及多元對應分析、多維尺度變換分析）的概念、應用及可能的誤區。 本書並不要求讀者有數理統計的預備知識，而且本書在一開始為讀者提供了為理解概念而必要的代數知識，並附有學習編程語言的練習。讀者可以通過本書學到機器學習的*重要內容並同時

理論、思維訓練與實踐相結合是本書的特色。本書共分為8章，通過將演算法與程式設計的基本概念與某種程式設計語言（以Python為主）結合使學生理解計算思維的概念，瞭解演算法與程式的關係，能夠進行較為簡單而經典的演算法設計、評價演算法的性能與效率，並能利用程式設計語言進行簡單的程式開發； 培養學生利用電腦解決與專業、科研、社會需要密切相關的實際問題的能力和基本創新精神，以適應資訊化社會的要求、拓寬專業生

矩陣是重要的數學工具，也是當今人工智能、機器學習等領域重要的數據處理對象。本書作為矩陣理論的教材，將由淺入深地介紹矩陣的基本理論，包括矩陣的概念與運算、線性方程組、線性映射和線性變換、行列式、向量空間、特徵值和特徵向量、相似矩陣、二次型等，還有這些基本理論在機器學習上的簡單應用。此外在本書各章還附上了對應的Python與MATLAB編程實踐代碼，以供需要工程實踐的讀者參考應用。 本書可作為高等院校工科專業的本科生教材，也可作為研究生入學考試的參考書，還可供對矩陣理論有需求的工程技術人員閱讀參考。

本書從實戰的角度講解Python在各個領域的應用案例，這些領域包括操作系統、GUI、ChatGPT、動畫、多媒體(圖像、音頻和視頻)、辦公自動化、控件軟件、加密和解密、數學計算、文本處理。上述技術領域涵蓋的章節如下。(1) 文件系統(第1～2章)： 主要包括對文件和文件夾的操作、獲取文件和目錄屬性，搜索文件和目錄、創建快捷操作，控制回收站、Windows注冊表、設置啟動項、顯示系統窗口等。(2) GUI(第3、5章)： 主要包括PyQt6的基本用法、異形窗口、(半)透明窗口，控制狀態欄等。(3) ChatGPT(第4章)： 主要包括ChatGPT的基本概念、ChatGPT的競品、注冊和登錄ChatGPT，以及應用ChatGPT做的兩個項目——聊天機器人和編程魔匣。(4) 動畫(第6章)： 主要包括屬性動畫、緩動動畫、數學動畫、生成動畫gif、三維仿真等。(5) 多媒體(第7～10章)： 主要包括播放音頻、錄制音頻、音頻分析、音頻格式轉換、音頻編輯、獲取視頻信息、播放視頻、截屏、拍照、錄制視頻、視頻格式轉換、視頻編輯、圖像處理(濾鏡、縮放圖像、翻轉圖像、混合圖像等)、仿射變換、PS濾鏡(銳化、油畫、光照、波浪扭曲、浮雕效果等)、視頻特效(旋轉視頻、鏡像視頻、變速視頻、變形視頻、視頻淡入淡出、為視頻添加字幕等)。(6) 辦公自動化(第11～14章)： 包括Excel、Word、PointPower和PDF的讀寫操作。(7) 控制軟件(第15章)： 包括控制微信、瀏覽器、鼠標、鍵盤和剪貼板。(8) 加密和解密(第16章)： MD5加密、SHA加密、Base64編碼和解碼、DES加密和解密、AES加密和解密、RSA加密和解密。(9) 數學計算(第17章)： 極限、導數、積分、二重積分、三重積分、微分方程、矩陣的加法、減法和乘法、矩陣的秩、相似矩陣、線性方程組。(10) 文件壓縮和解密(第18章)： 壓縮和解壓zip和7z格式的文件。(11) 文本處理(第19章)： 處理長字符串、計算文本相似度、中文分詞、詞性標注、將圖像轉換為字符。本書獨立成冊，適用於已掌握Python基礎知識

本書涵蓋深度學習的專業基礎理論知識，包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡、循環神經網絡、正則化與深度學習優化，以及比較流行的應用場景實踐。本書配套70個示例源碼及PPT課件。本書共11章外加3個附錄，系統講解深度學習的基礎知識與領域應用實踐。本書內容包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡和循環神經網絡、正則化與深度學習優化、計算機視覺應用、目標檢測應用、文本分析應用、深度強化學習應用、TensorFlow模型應用、Transformer模型應用等。附錄中還給出機器學習和深度學習中用到的數學基礎知識，包括線性代數、概率論和信息論等。本書適合Python深度學習初學者、深度學習算法開發人員學習，也適合作為高等院校計算機技術、人工智能、大數據相關專業的教材或教學參考書。