Python

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。

本書是一本具有實踐導向性的教材，主要面向信息工程專業的學生和從事圖像處理的讀者。本書以圖像處理技術為主線，介紹了深度學習在圖像處理中的理論和應用。本書的核心內容涵蓋了深度學習的各個層面，包括設計卷積神經網絡的基礎知識、低階和高階圖像處理任務的實現等。這些內容不僅包含理論介紹，還包括大量的實例代碼，使用Python語言及當前流行的深度學習環境，幫助讀者理解和實踐深度學習在圖像處理中的應用。在低階圖像處理任務部分，本書詳細介紹了圖像去噪、去模糊、增強和超分辨率重建等任務。在高階圖像處理任務部分，讀者將學習到如何使用深度學習方法進行圖像分類、目標檢測、語義分割和實例分割等。本書旨在通過理論介紹與實踐案例相結合的方式，幫助讀者更好地理解並掌握深度學習在圖像處理領域的應用，是一本理論與實踐並重、實用性強的教材。

區塊鏈技術作為當前極具影響力的重大創新技術之一，引起了全球各界人士的廣泛關注。它以去中心化的方式集體維護可信數據，具有防篡改、高度可擴展等特點，是構建價值互聯網的基石。 本書共8章。第1章從概念和原理上對區塊的定義與數據結構、區塊鏈的構成等進行詳細描述，並介紹哈希算法、非對稱加密技術與數字簽名、默克爾樹、共識算法、區塊鏈分叉等內容。第2章和第3章著重介紹區塊鏈模擬系統的構建，以及在此基礎上開發的去中心化應用。第4章介紹如何利用Ganache和MetaMask在本地搭建以太坊私有網絡，並進行簡單的測試。第5章介紹如何利用Python版本的Web3提供的API與以太坊節點進行交互，以及如何基於Brownie框架進行區塊鏈應用編程。第6章介紹與區塊鏈應用緊密相關的IPFS。第7章介紹SQLite和LevelDB這兩種在區塊鏈應用中常用的嵌入式數據庫。第8章在前面章節的基礎上詳細介紹如何開發一個基於區塊鏈的電子證書認證系統。 本書可作為高等院校人工智能、大數據、計算機、信息安全等相關專業的教材，也可供對區塊鏈技術感興趣並且具有一定計算機和數學基礎的人員參考使用。

目前，社會對大數據工程技術人才的需求大大增加，因此向計算機和電子信息類相關專業學生傳授大數據知識和技術方法，提高他們在各領域應用大數據的能力具有重大意義。本書共9章，圍繞大數據的基本概念和大數據處理的主要環節編寫。第1章主要介紹大數據的概念、特點和構成；第2章主要介紹在Windows系統中安裝Linux虛擬機及構建Hadoop分布式集群的方法；第3章主要介紹大數據采集工具的使用及數據預處理的常用方法；第4章首先介紹Hadoop的發展歷史、軟件生態、核心組件和命令結構，然後以HDFS為重點，介紹其體系結構和特點，並詳細介紹HDFS的交互式命令；第5章介紹大數據環境下存儲工具HBase的數據模型；第6章介紹Hive的存儲模型，第7章介紹在Hadoop平臺上利用Python設計MapReduce程序的基本思路；第8章介紹大數據分析與挖掘過程中的常用算法；第9章介紹數據可視化的常用方法及常用工具。本書的內容與實際應用緊密結合，目的是讓讀者能瞭解大數據的基本概念、理解大數據技術的基本原理、初步掌握大數據處理和分析的基本方法，為未來應用大數據思維和大數據分析方法解決工作中的實際問題打下良好的基礎。本書適合作為高等學校計算機類和電子信息類相關專業大數據技術相關課程的教材，可供本科生、研究生使用，同時也適合對大數據技術感興趣的廣大讀者進行自學和實踐時使用。

本書作為數據挖掘的入門讀物，基於真實的數據集進行案例實戰，使用Python數據科學庫，從數據預處理開始一步步介紹數據建模和數據挖掘的過程。主要介紹了數據挖掘的基礎知識、基本工具和實踐方法，通過循序漸進地講解算法，帶領讀者輕鬆踏上數據挖掘之旅。本書採用理論與實踐相結合的方式，呈現了如何使用邏輯回歸進行環境數據檢測，如何使用HMM進行中文分詞，如何利用卷積神經網絡識別雷達剖面圖，如何使用循環神經網絡構建聊天機器人，如何使用樸素貝葉斯算法進行破產預測，如何使用DCGAN網絡進行人臉生成等。本書也涉及神經網絡、在線學習、強化學習、深度學習和大數據處理等內容。本書以人工智能主流編程語言Python 3版本作為數據分析與挖掘實戰的應用工具，從Pyhton的基礎語法開始，陸續介紹了NumPy數值計算、Pandas數據處理、Matplotlib數據可視化、爬蟲和Sklearn數據挖掘等內容。全書共涵蓋16個常用的數據挖掘算法和機器學習實戰項目。通過學習本書內容，讀者可以掌握數據分析與挖掘的理論知識及實戰技能。

無

無

主要內容包括：數據分析基礎、NumPy模塊實現數值計算、Pandas模塊實現統計分析、Matplotlib模塊實現數據可視化、【案例】客戶價值分析、【案例】銷售收入預測、【案例】二手房數據分析預測系統、【案例】智能停車場運營分析系統、【案例】影視作品分析和【案例】看店寶。

本書重點講解數據科學的核心理論與實踐應用。全書共7章，主要介紹數據科學的基礎理論、統計學與模型、機器學習與算法、數據可視化、數據加工、大數據技術、數據產品開發及數據科學中的人文與管理等內容。本書內容通俗易懂，深入淺出，便於讀者理解。本書可作為數據科學與大數據技術、大數據管理與應用、計算機科學與技術、管理科學與工程、工商管理、數據統計、數據分析、信息管理與信息系統、商業分析等多個專業的教材，也可作為數據科學從業人士的參考用書。

本書講解數據分析基礎知識，針對數據分析與可視化的初學者介紹相關方法及概念。全書共分9章，內容包含數據分析概述、數據集的存儲與讀取、NumPy數組與矩陣運算、Pandas高性能的數據結構和數據分析工具、數據預處理、Matplotlib可視化繪圖、機器學習與數據挖掘以及就業分析綜合實戰和電商數據分析兩項綜合實戰。本書可作為高等院校計算機、大數據相關專業的教材，也可作為數據分析從業人員的參考用書。

本書主要介紹Android自動化測試的相關內容：首先介紹自動化測試的市場情況和行業前景；接著介紹Android的相關知識，包括系統概覽、環境搭建等，為讀者學習後面的知識打下基礎；最後介紹自動化測試的相關內容，包括元素識別與定位、等待機制、測試框架等，通過實戰案例幫助讀者快速掌握自動化測試技術。全書語言通俗易懂，講解透徹，案例豐富。 本書適合計算機相關專業的學生和測試行業的從業人員閱讀。

本書主要介紹密碼學領域的基本概念、理論和應用，讓讀者對密碼學有全面的瞭解。本書分為四部分，共計 14 章。 第一部分是基礎背景知識，該部分主要介紹密碼學的應用場景、數學基礎，以及密碼學理論與實踐的區別。第二部分講述對稱密碼學，該部分主要介紹古典密碼學、流密碼和分組密碼。第三部分講述非對稱密碼學，以 RSA、ElGamal、ECC 和格密碼為代表的非對稱密碼也稱公鑰密碼，是現代密碼學的重要分支。第四部分講述數據完整性，現代密碼學也非常注重數據完整性，該部分主要介紹哈希函數、消息驗證碼及數字簽名技術。作者寫作本書的目的是讓盡可能多的讀者瞭解和學習密碼學，因此，任何希望深入瞭解密碼學及其工作原理的讀者都可以閱讀本書，同時不會被過於深奧的數學原理所難倒。

算法是程序設計的靈魂,它能夠告訴開發者在面對一個項目功能時用什麼思路去實現,更是開發者水平的重要體現。本書循序漸進、由淺入深地詳細講解了算法實現的核心技術,全書共13章,分別講解了對算法思想的初步認識、枚舉算法思想、遞歸算法思想、分治算法思想、貪心算法思想、試探算法思想、迭代算法思想、查找算法、排序算法,並使用算法解決數據結構問題和數學問題,zui後總結了經典算法問題和人工智能算法。全書通過具體實例的實現過程演示了各個知識點的具體使用流程,引領讀者全面掌握算法的核心技術。

本書共分14章, 以圖解的形式介紹變量、條件判斷、循環、列表、函數、類與對象、模塊、文件、注釋、異常與調試等基礎知識, 簡單明瞭, 易於理解; 穿插許多小朋友感興趣的項目案例, 如輸出愛心、繪製五角星、詩詞接龍、探索運算、偵測破案、商品管理系統、設計軟件、Excel設計九九乘法表等, 在增加趣味性的同時鞏固所學的知識。

本書前6章介紹基礎準備、數據探索、數據預處理、機器學習模型（分類、回歸、聚類）、集成學習、模型評估及持久化；第7章介紹機器學習在土木工程中的應用場景，並以五個工程案例系統化講解SKlearn庫的應用。 本書“輕原理、重實踐”，適合廣大對機器學習有興趣，並且想系統學習數理統計的讀者；也可用作機器學習培訓、高校教材或作為學習SKlearn庫的工具書。

本書借助現實案例介紹深度學習算法的實際應用（包括最佳實踐），旨在幫助讀者瞭解如何識別和提取信息，以提高預測準確率及優化結果。本書共10章，分別是機器學習―引言、神經網絡、深度學習基本原理、無監督特徵學習、圖像識別、遞歸神經網絡和語言模型、深度學習在棋盤遊戲中的應用、深度學習在電子遊戲中的應用、異常檢測和構建一個可用於生產環境的入侵檢測系統。本書適合想深入研究深度學習算法和技術的讀者學習，也適合想探究如何從這項強大技術中學到更多知識的讀者參考。

本書主要介紹了Django編程開發與運維過程中涉及的方法、技巧和實戰經驗，共分5篇。“第1篇 基礎”介紹用Django開發Web應用的基礎知識；“第2篇 後臺項目實戰”通過開發一個商城系統的後臺來融合前面章的知識點；“第3篇 進階”通過Django Rest Framework框架來設計和實現RESTful風格的接口，以及分層的自動化測試和基於Redis的緩存技術；“第4篇 前臺項目實戰”使用前後端分離的方式開發商城系統前臺，涉及Vue.js、Axios、Vue Router、Vuex、RESTful接口等技術。“第5篇 部署運維”涉及Django的傳統部署，Django的Docker部署，持續集成，持續交付和持續部署，運維監控。本書通過完整的商城系統實例，融合了Django開發中涉及的知識點；通過大量實例手把手帶領讀者從需求、開發、集成、代碼安全檢測、測試、部署上線等環節踐行“軟件開發運維一體化”的理念。

本書共9章，第1章介紹了資料採擷與資料分析、機器學習之間的關係；第2章介紹了資料分析人員應該具備的資料思維，包括資料思維認知、資料採擷「定律」；第3-9章介紹了各種資料分析演算法的原理、實現方法及實戰案例，其中包括邏輯回歸、決策樹、樸素貝葉斯、聚類分析、關聯規劃、人工神經網路、集成學習。

本書以機器學習算法為主題，詳細介紹算法的理論細節與應用方法。全書共19章，分別介紹了邏輯回歸與z大熵模型、k-近鄰模型、決策樹模型、樸素貝葉斯模型、支持向量機模型、集成學習框架、EM算法、降維算法、聚類算法、神經網絡模型等基礎模型或算法，以及8個綜合項目實例：汽車運動學片段分類、垃圾信息識別、乳腺癌識別、波士頓房價預測、生成動漫人物、鳶尾花分類、人臉識別、保險行為數據用戶分類器。本書重視理論與實踐相結合，希望為讀者提供全面而細致的學習指導。 本書適合機器學習初學者、相關行業從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

數學是機器學習和數據科學的基礎，任何期望涉足相關領域並切實領悟具體技術與方法的人都無法繞過數學這一關。本書系統地整理並介紹了機器學習中所涉及的必備數學基礎，這些都是筆者從浩如煙海的數學知識中精心萃取的，在學習和研究機器學習技術時所必須的內容。具體包括微積分（主要是與z優化內容相關的部分）、概率論與數理統計、數值計算、信息論、凸優化、泛函分析基礎與變分法，以及蒙特卡洛采樣等話題。為了幫助讀者加深理解

本書基礎理論和工程應用相結合, 循序漸進地介紹了數據預處理的基本概念、基礎知識、工具應用和相關案例, 包括網絡爬蟲、數據抽取、數據清洗、數據集成、數據變換、數據向量化、數據規約等知識, 書中針對每個知識點, 都給出了豐富的教學實例和實現代碼, 最後, 通過個新聞文 本分類的實際項目講解了數據預處理技術在實際中的應用。

為了幫助大家成為一名Django全棧開發領域的大神級程序員，本書講解了12個實戰項目案例的典型開發模塊，便於讓大家可以從項目需求分析、產品設計、業務模涵蓋的內容包括從微博聊起多端應用；用django-rest-framework實現豆瓣API應用；用Django設計大型電商的類別表；用Django實現百度開發者認證業務模型；Token登錄模塊開發；實現優酷、愛奇藝會員VIP模式；違禁詞自審查功能模

本書對Python程序設計的教學內容進行了系統化設計，形成了具有3個學習階段（Python基礎語法、Python面向對象程序設計和Python高級應用）、14個單元和2條主線（理論知識主線和編程任務主線）的體系結構。 本書內容翔實，結構合理，語言精練，表述清晰，實用性強，易於自學，主要內容包括搭建環境和運行Python應用程序、Python基本語法、Python流程控制、列表與元組、函數與模塊