Python

本書是一本概率編程的入門書。本書使用概率編程庫 PyMC3以及可視化庫 ArviZ對貝葉斯統計分析的相關知識進行講解，包括概率思維、概率編程、線性回歸建模、廣義線性模型、模型比較、混合模型、高斯過程以及推斷引擎等知識。全書圖文並茂，通俗易懂，適合具備一定 Python基礎的讀者學習使用。學完本書，讀者可以利用概率思維建立貝葉斯模型並解決自己的數據分析問題。

隨著計算機技術的發展，通過編寫計算機程序來解決相關領域的難題已經成為人們普遍認同的解決方案。Python語言憑藉其簡潔特點贏得了越來越多人的青睞。本書旨在結合Python語言講解其在地球科學數據分析方面的應用。本書內容分為12章，從搭建Python環境開始講解，陸續介紹了一系列適用於地球科學領域的Python知識，不僅涉及基礎的編程語法，也涵蓋實際的編程案例及程序運行結果。本書還結合統計學知識演示了一系列數據分析及可視化案例，通過一些典型的案例和編程方法展現了Python解決方案。本書適合地球科學領域的師生閱讀，也適合相關領域的科研工作者閱讀，不要求讀者有編程經驗。

本書由高校教師與算法工程師合zuo編寫，兼顧理論與實踐，層次脈絡清晰，循序漸進地展開各個知識點，適合教學與自學。本書除了介紹Python程序設計方法與Python科學計算的工具包以外，還給出了數學建模的實戰案例（附帶原始數據）。本書既適合軟件開發人員閱讀，也適合作為高等院校計算機相關專業的師生在Python、科學計算、數學建模等方面的教材，還可以作為讀者自學Python的參考用書。

本書緊跟數據分析的發展新趨勢，基於Python的數據分析平臺和工具，系統介紹數據分析的相關知識與技能。本書共7個項目，分為3部分：基礎部分、數據分析部分、機器學習實戰部分。基礎部分包括項目一和項目二，介紹數據分析環境的搭建，以及NumPy的理論和實踐知識；數據分析部分包括項目三～項目六，結合案例介紹數據檢查、數據呈現、數據多維化等，涵蓋真實數據分析工作的完整流程；機器學習實戰部分只包括項目七，利用一個神經網絡實戰案例呈現機器學習的完整過程。本書選用真實度高的實踐案例，深入淺出地介紹與數據分析相關的理論和實踐知識。本書可作為高校數據分析相關課程的教材，也可供剛進入數據分析領域的人員及具有實踐經驗的從業者學習、參考使用。

本書以實踐出發，介紹數據可視化的流程和Python數據可視化的應用，並詳細闡述使用Python解決企業實際問題的方法。全書共8章，分為基礎模塊（第1～5章）和實戰模塊（第6～8章）。基礎模塊包括Python數據可視化概述、數據的讀取與處理、Matplotlib數據可視化基礎、用seaborn繪製進階圖形、pyecharts交互式圖形繪製；實戰模塊包括廣電大數據可視化項目實戰、新零售智能銷售數據可視化實戰、基於TipDM大數據挖掘建模平臺實現廣電大數據可視化項目。本書的大部分章節包含了實訓，通過練習和實際操作，讀者可鞏固所學的內容。本書可以作為高校數據可視化相關課程的教材和數據可視化愛好者的自學用書。

面向職業院校和應用型本科院校開展1 + X證書制度試點工作是落實《國家職業教育改革實施方案》的重要內容之一。為了便於 1+X 證書標準融入院校學歷教育，中慧雲啟科技集團有限公司組織編寫了“1+X證書制度試點培訓用書·Python程序開發”系列教材。《Python程序開發（初級）》以《Python程序開發職業技能等級標準》為編寫依據，內容主要包括Python應用基礎編程、用戶界面設計和網絡爬蟲分析3個部分，涵蓋了Python基礎編程、Web項目原型圖構建、Web靜態頁面開發、靜態網站爬蟲及數據持久化存儲和可視化處理等相關內容。本書以模塊化的結構組織各章節，以任務驅動的方式安排具體內容，以培養院校學生能力為目的，充分體現了“做中學，學中做”的思想。本書可用於1 + X證書制度試點工作中的Python程序開發職業技能培訓，也可以作為期望從事Python程序開發的人員的自學參考用書。

本書在選材和編排上，貼近當前普通高等院校“數據結構”課程的現狀和發展趨勢，符合新的研究生考試大綱，內容難度適中，突出實用性和應用性。全書共8章，包括緒論，線性表，棧和隊列，串、數組和廣義表，樹和二叉樹，圖，查找，排序。全書採用類Python語言作為數據結構和算法的描述語言。為方便讀者學習，編者專門為書中每個算法製作了算法演示動畫，此外，本書還提供了多媒體課件、教學大綱、源代碼等配套資源。本書可作為普通高等院校計算機和信息技術相關專業“數據結構”課程的教材，也可供從事計算機工程與應用工作的科技工作者參考。

本書先介紹預測分析的重要概念和原則，然後給出一系列的代碼示例和算法講解，引導讀者瞭解完整的預測分析流程，進而用Python工具構建高性能的預測分析解決方案。全書所涵蓋的內容包括預測分析過程、理解問題和準備數據、理解數據集―探索性數據分析、基於機器學習的數值預測、基於機器學習的類別預測、調整模型和提高性能、基於Dash的模型實現等。本書適合想要學習預測建模並對用Python工具實現預測分析解決方案感興趣的數據分析師、數據科學家、數據工程師和Python開發人員閱讀，也適合對預測分析感興趣的讀者參考。

本書以任務為導向，系統介紹Python編程基礎及其相關知識的應用，講解如何利用Python的知識解決部分實際問題。全書共9章，第1章介紹學習Python的準備工作，包括Python的由來、Python環境搭建、編輯器介紹與安裝等。第2～8章主要介紹Python的基礎知識、數據結構、程序流程控制語句、函數、面向對象編程、文件基礎和常用的內置模塊等內容。第9章介紹綜合案例：學生測試程序設計。除第9章外，本書其餘各章都包含了實訓和課後習題，通過練習和操作實踐，幫助讀者鞏固所學的內容。本書可用於“1+X”證書制度試點工作中的大數據應用開發（Python）職業技能等級（初級）證書相關內容的教學和培訓，也可作為高校大數據技術類專業課程的教材和大數據技術愛好者的自學用書。

本書使用Python的機器學習算法庫Scikit-learn講解機器學習重要算法的應用，內容包括機器學習認知、數據預處理、KNN算法、線性回歸算法、邏輯回歸算法、樸素貝葉斯算法、決策樹與隨機森林、支持向量機SVM、k-means聚類算法、神經網絡、模型評估與優化。 本書使用通俗易懂的語言、豐富的圖表和大量的案例對機器學習的算法進行講解，提供了一條從實踐出發掌握機器學習知識的途徑，即使沒有很強的數學基礎也可快速入門，大大降低了學習門檻。本書是項目驅動活頁式教材，算法原理講解深入淺出、實踐案例豐富，配套課件、實踐案例、習題等課程資源豐富，並融入了課程思政內容。

本書詳細講解了Python數據分析的相關內容，共分為10章，第1～9章分別講解了數據分析概述、Python與數據分析、Python語言基礎、NumPy數組與矢量計算、用NumPy進行簡單統計分析、數據可視化――Matplotlib庫、pandas數據分析基礎、用pandas進行數據預處理、機器學習庫scikit-learn入門；第10章用一個綜合案例――電影數據分析項目，帶領讀者靈活掌握本書所學內容。本書適合作為高等院校本、專科計算機相關專業的教材，也可供愛好者自學使用。

本書基於Python語言對計算機程序設計相關知識，進行了系統而全面的介紹。全書包含大量實用且有趣的程序代碼，非常適合新手入門。書共有16章，1～9章為基礎知識，其中詳細講解了Python的主要語法，讀者學完這些章節將充分掌握Python語言的運作方式，能獨立編寫程序解決實際問題；10～13章為進階部分，其中介紹了更多的Python高級概念，讀者學完這些章節將全面熟悉Python語言的進階技巧，能更靈活地發揮Python語言專有的特點；14～16章為綜合實例，其中涵蓋了Python的四個主要應用領域，讀者學完這些章節將深入瞭解整個Python軟件生態，做好選擇下一步發展方向的準備。

本書將程序設計和數學巧妙地結合起來，從簡單的項目開始，應用Python解決高中和大學低年級的數學問題，比如幾何、概率、統計以及微積分等，為進一步學習更複雜的數學內容以及Python編程語言打下堅實的基礎。本書也可作為Python初學者的入門讀物，通過學習書中的示例程序和完成那些編程挑戰，讀者可以提高自己的編程能力和技巧。

本書圖文並茂、示例豐富，以“任務驅動”的方式在實際應用中講解Python的要點，並全面地介紹了Python程序設計的核心技術。全書共9章，內容分別是：初識Python、程序設計入門、流程控制、字符串、組合數據類型、函數、文件操作、正則表達式及網絡爬蟲入門。

《用Python動手學統計學》是面向零基礎讀者的統計學入門書，對同一個知識點分別使用文字、公式和Python 示例代碼加以講解，循序漸進地介紹了統計學和Python 的基礎知識、使用Python 進行統計分析的方法、正態線性模型和廣義線性模型等統計模型，以及機器學習等。通過閱讀本書，讀者不僅可以通過書中例子深刻理解統計學術語、統計分析方法和預測方法等，還可以學到十分前沿的機器學習知識，以及如何使用Python 實現數據可視化和建模等。《用Python動手學統計學》結構清晰、直觀易懂，適合統計學和Python初學者以及對數據科學和機器學習感興趣的讀者使用，也可作為高等院校計算機、統計等專業學生的入門書。

如今，要想在企業和投資金融領域保持競爭力，只是精通電子表格和計算器已經遠遠不夠，傳統工具和數據集已經無法滿足我們的需要。本書將用Python編程來解決期貨量化交易的問題，並通過110多個技巧介紹實際的解決方案。本書基於臺灣期貨交易所的案例進行講解，從數據分析的角度切入，以技巧的形式深入數據背後，讓讀者從基本的期貨交易規則開始，瞭解相關的技術指標，並能夠熟練使用Python編程走上量化交易之路。本書既適合期貨領域的從業人員學習，也適合想進入金融領域的程序員參考。

本書適應各類高校非計算機專業的Python語言教學需要，針對不同專業的教學要求，以Pyhon語言程序的基礎部分為教學內容，介紹Python語言基礎知識以及基本應用，從引導各專業學生學習興趣、更早進入各自專業學習為目標，列舉不同專業的數據處理示例，採用MOOC等方式提供各類電子資源，結構清晰，容易理解。本書共7章，分別介紹Python的數據類型、基本程序結構、函數的定義與應用、組合數據類型應用、文件讀寫應用、常用的標準庫與第三方庫工具，包含文本處理、基礎數據處理、詞雲等示例，著重介紹基本概念和基本應用。本書內容詳實，示例豐富，可作為各類院校計算機公共課程(Python語言程序設計)的教材，可以作為相關等級考試課程參考用書，也可供相關科技人員參考使用。

本書以Jupyter Notebook為主要開發工具，全面地介紹數據預處理的相關知識。全書共分8章，內容分別為初識Python數據預處理、數據獲取與存儲、數據清洗、數據集成、數據變換、數據規約、綜合實戰：家用熱水器用戶行為分析以及兩個綜合實戰項目。每個章節均配置了豐富的示例或案例，通過本書的學習，讀者可以充分理解常用數據預處理方法的精髓、掌握具體技術細節，並在實踐中提升實際開發能力，為數據分析和機器學習實踐打下扎實基礎。本書既可作為高等院校大數據、計算機相關專業的教材，也可作為技術愛好者的入門用書。

Python是一門簡單易學、免費開源的跨平臺高級動態編程語言，具有豐富的第三方庫，能夠讓開發人員快速地開發出應用程序。本書以循序漸進的方式，基於Python 3.11版本，闡述Python的基礎知識，具體包括計算機基礎與Python語言簡介、Python語法基礎、程序流程控制、組合數據類型、函數、文件與異常、正則表達式和面向對象程序設計等內容。 本書可作為高等院校各專業相關課程的教材，也可以作為全國計算機等級考試的備考資料，還可以作為Python語言愛好者的自學參考書。

本書是關於Python程序設計的基礎課程教材。全書共十一章，主要內容包括程序設計基礎、數據的計算機表示與操作、結構化程序設計、函數、面向對象程序設計、程序設計中的常用算法、文件、數據分析與可視化、用戶界面設計、程序設計綜合案例和實驗。為了便於教學，本書提供課程教學質量標準、教材配套PPT、微視頻、源代碼、習題和難點解析等教學資源。全書站在科學高度，提煉教學內容，以精練的語言講述程序設計方法，通過豐富的示例引導讀者進行深度探索，內容新穎，特色鮮明。本書適合高等學校非計算機專業作為計算機課程的教材使用，同時也可供對計算機感興趣的讀者自學使用。

本書基於Python編程語言，以實戰為導向，主要介紹中文自然語言處理的各種理論、方法及應用案例，幫助讀者快速熟悉理論知識，理解相關技術原理，為讀者選擇自然語言處理相關的研究方向或從業領域提供參考。全書共分為三個部分：第一部分（第1～3章）是“基礎篇”，側重介紹自然語言處理的基礎知識，並在相應的知識板塊中設置實驗案例；第二部分（第4～12章）是“技術篇”，主要講解自然語言處理核心技術的原理及實現方法，以及文本分類、特徵提取、RNN等技術在自然語言處理中的應用；第三部分（第13章）是“應用篇”，主要介紹自然語言處理比較典型的應用場景。本書適合作為人工智能相關課程的教材，也可作為人工智能的普及讀物供廣大讀者自學或參考。

最新版內容已特別加入近年來十分熱門的 AI 輔助程式設計工具及介紹，其餘原有優點仍將繼續保持，歡迎舊雨新知、不吝指教。 本書內容的切入點，首先定義 Python 初學者應學習的內容，而學習內容主要也是程式設計的基礎，包含資料型態及運算、程式三大結構 ( 循序、選擇、重複 ) 、函式與資料結構等部分，而應用方面則選定 Python 的爬蟲技術。本書並依據學習內容，設定若干學習目標，而在每一個目標之下，以概念與技能兩個維度引導，來達成學習目標。 概念的維度會在書籍中清楚說明，而技能的維度則由許多的知識點所構成，這些知識點其實是一道又一道循序漸進設計的程式練習題，需要讀者依序練習，從這些練習中學習單元中的技能。最終，希冀讀者將書籍中引導的知識點內化為概念，而能掌握基礎程式設計能力。全書各章最末附有方便讀者自我練習或教師作為評量的習題，為本書另一特色。

本書以ROS 2核心原理為主線，以機器人開發實踐為重心，在詳細講解ROS 2核心概念、組件工具的基礎上，介紹ROS 2構建仿真/實物機器人系統的方法，剖析ROS 2用於視覺識別、地圖構建、自主導航等應用的方法，配有大量圖表、源碼等，幫助讀者在實現ROS 2基礎功能的同時，深入理解基於ROS 2的機器人開發方法，從而將書中的內容用於實踐。 本書採用最新穩定版本ROS 2系統和全新一代Gazebo機器人仿真平臺，讀者只需準備一台計算機，就可以快速上手學習。同時，本書介紹了實物機器人的搭建方法及相應功能的實現，書中源碼都加入了中文注釋，並針對核心內容提供C++和Python兩個版本。為方便讀者閱讀和學習本書，筆者團隊還專門創建了一個網頁，供讀者下載配套源碼、查看操作指令、學習配套視頻教程。

使用Python套件與框架完成網路自動化、監控、雲端和管理 👍 台灣旅美資深網路技術專家最新實戰指南 👍 教你用Python點滿網路自動化的技能樹 👍 涵蓋Docker、Python、GitLab與DevOps技術 👍 從基礎技能到建構企業級API全面掌握 🎯 適合所有希望拓展技能並追求網路自動化（NetDevOps）的網路工程師！ 「本書書名是《精通Python網路開發》，但涵蓋範圍遠遠超出了Python腳本。我僅使用這本書，就足以讓我經驗豐富、精通CLI的網路安全工程師團隊，快速了解網路自動化及其相關知識。簡言之，尋求專注於自動化的網路工程師，可將本書視為網路工程庫的重要補充。」 --Daniel Luechtefeld -Snowdog 技術和網络首席顧問 在基礎設施中，網路決定了應用程序部署、維護和服務方式。身為一種強大的程式語言，Python為網路工程師提供了許多工具，讓他們能像過去的系統工程師與程式開發者一樣，探索與操作設備。在《精通Python網路開發》一書中，您將開始一段以Python為基礎的旅程，從傳統的網路工程師轉變為能適應下一代網路的網路開發人員。 本書針對新的Python特性和DevOps框架進行全面更新。新增了關於Docker容器和Python3 Async IO的章節，每一章也使用最新的函式庫和範例，以確保相容性與對概念的理解。 從Python的基本概述開始，您將學習與傳統網路設備和支援API的網路設備互動的方法。利用高階Python套件與框架來執行網路自動化任務、監控、管理和強化網路安全，深入研究AWS和Azure雲端服務與運算，使用Git管理程式碼、GitLab實作持續整合，運用基於Python撰寫的測試工具來驗證網路。 您將學到： *使用Python與網路設備互動 *了解Docker開發與部署的方式 *使用Python和各種工具獲取網路資訊 *學習使用ELK執行網路資料分析 *使用Flask並建置一個高階API與企業內部應用程式互動 *發現Python3的新Async IO特性與概念 *探索測試驅動開發的概念並使用PyTest來驅動程式碼測試的覆蓋率 *了解使用GitLab與網路中的DevOps實例

機器學習最強入門邁向AI高手王者歸來(全彩印刷)內容簡介★★★★★【數學原理 + 演算法 + 真實案例 + 專題實作】★★★★★★★★★★【數學 x機率 x 統計 x 演算法】★★★★★★★★★★【機器學習演算法 x AI專題】★★★★★ AI時代的學習革命：用最簡單的方式掌握機器學習。 機器學習已成為當今科技領域的核心技能，但艱澀的數學與複雜的概念常讓人望而卻步。本書以淺顯易懂的白話解釋，結合全彩圖表輔助教學，幫助讀者輕鬆入門、快速掌握機器學習的核心知識與應用技巧。本書特色◎ 白話解釋機器學習：摒棄晦澀公式，以簡單明瞭的語言說明每個概念，配合豐富的全彩圖表，讓學習變得更輕鬆有趣。◎ 基礎數學起步，實現 AI 場景應用：從基礎數學概念講解機器學習，逐步導入 AI 在生活中的實際應用，橋接理論與實務。◎ 彩色圖解演算法，從小數據開始：用彩色圖像化的方式清晰呈現演算法的運作原理，並從簡單的小數據案例帶領讀者進入真實世界的應用。◎ 實用程式碼範例：提供完整的 Python 程式碼範例，將理論知識與實務結合，幫助讀者快速上手，並理解如何將理論轉化為可行的程式解決方案。◎ AI 專題實戰：涵蓋特徵選擇、模型選擇、超參數調整等進階主題，提供解決特定問題的策略與技巧，助力讀者邁向機器學習高手之路。數學場景 × AI 實例◎ 方程式、一元到多元函數 ★餐廳經營、業務員績效、網路行銷 .