Python

Python is one of the most popular programming languages, widely used for data analysis and modelling, and is fast becoming the leading choice for scientists and engineers. Unlike other textbooks introducing Python, typically organised by language syntax, this book uses many examples from across Biology, Chemistry, Physics, Earth science, and Engineering to teach and motivate students in science and engineering. The text is organised by the tasks and workflows students undertake day-to-day, helping them see the connections between programming tools and their disciplines. The pace of study is carefully developed for complete beginners, and a spiral pedagogy is used so concepts are introduced across multiple chapters, allowing readers to engage with topics more than once. “Try This!” exercises and online Jupyter notebooks encourage students to test their new knowledge, and further develop their programming skills. Online solutions are available for instructors, alongside discipline-specif

本書為數據結構課程教學現實需要而編寫，重點介紹各種數據結構的邏輯特性和物理表示法，定義了相應算法，並用 Python 語言進行實現。本書共分為8章，包括緒論， Python 語言基礎，線性表，棧、隊列和串，樹，圖，排序和散列。本書采遵循由易到難、循序漸進、前後銜接自然的原則，將問題脈絡交代清楚，幫助讀者理解掌握各種數據結構的實質。 本書內容豐富、實用性強，既可作為高等學校數據結構課程的教材，又可供社會各類計算機應用人員閱讀參考。

強化學習是機器學習的重要組成部分。本書採用理論與實踐相結合的寫法，從強化學習的基本概念開始，詳細介紹了強化學習的算法理論和實踐操作，配有Python代碼實現，完整呈現強化學習算法的實踐細節。通過這本書你將會：（1）理解強化學習關鍵方面的問題。（2）探索馬爾可夫決策過程及動態規劃的過程。（3）深入理解強化學習的各種方法，包括MC方法，TD方法，深度學習Q方法，SARSA方法等。（4）通過大量的現實例子及Python實現程序，不斷地實踐，成為強化學習的高手。

自然語言處理是計算語言學和人工智能之中與人機交互相關的領域之一。本書是學習自然語言處理的一本綜合學習指南，介紹了如何用Python實現各種NLP任務，以幫助讀者創建基於真實生活應用的項目。全書共10章，分別涉及字符串操作、統計語言建模、形態學、詞性標注、語法解析、語義分析、情感分析、信息檢索、語篇分析和NLP系統評估等主題。本書適合熟悉Python語言並對自然語言處理開發有一定瞭解和興趣的讀者閱讀參考。

本書是以最基礎的數學問題的程序實例為主線，由淺到深地闡述Python編程的知識要點和思維。全書本書共15個類型的數學問題及其Python編程解決實例。每個實例都會有編程能力要求的雷達圖、問題描述、解決這個問題會用到的數學知識點、編程知識點，然後給出這個問題的分析、程序設計和運行結果。從第2個實例開始，每個實例介紹完後，將會以"挑戰自我”的形式提出一個的問題，讓讀者思考解決，也給出參考程序。書中給出

本書不僅介紹大規模機器學習的基本概念，還包含豐富的案例研究。書中所選皆為最實用的技術和工具，而對理論細節不進行深入討論，旨在提供大規模機器學習方法（甚至非常規方法）。不管是初學者、普通用戶還是專家級用戶，通過本書都能理解並掌握利用Python進行大規模機器學習。為讓讀者快速掌握核心技術，本書由淺入深講解大量實例，圖文並茂呈現每一步的操作結果，幫助讀者更好地掌握大規模機器學習Python工具。例如：

本書共18章, 內容包括: 基礎知識; Python序列; 選擇與循環; 字符串與正則表達式; 函數設計與使用; 面向對象程序設計; 文件操作; 異常處理結構與程序調試、測試; GUI編程; 網絡程序設計等。

《Python深度學習（第2版）》系統地講解了機器學習、深度學習、強化學習理論知識，揭秘了各種神經網絡架構如卷積神經網絡、循環神經網絡、長短期記憶網絡和膠囊網絡背後的原理和實際應用；講解了如何使用高性能的算法和常用的Python框架來進行訓練，以及如何解決計算機視覺、自然語言處理和語音識別等領域的問題；還講解了生成模型方法以及如何使用變分自編碼器和生成式對抗網絡來生成圖像；最後深入研究強化學習的新發展領域，並介紹了一些先進熱門遊戲Go、Atari和Dota背後的算法。學習完本書，讀者可以精通深度學習理論及其在現實世界中的應用。 《Python深度學習（第2版）》一書面向數據科學從業者、機器學習工程師以及對深度學習感興趣的讀者，也適合作為高校計算機專業的教材使用。

本書是“十四五”高等職業教育計算機類專業系列教材之一，採用Python語言實現常用數據結構，分為4個項目,11個實踐性任務。本書主要內容包括數據結構與算法基礎探究、Python數據結構探究、常用數據結構探究、常用算法探究。本書以“雙主互輔多元融合”重構教學目標解決課程思政融入難的問題；以“向上兼容”的原則整合教學內容解決一刀切的問題；以“實踐性任務”驅動教學活動解決教學無抓手的問題。本書適合作為高職高專院校計算機及相關專業教材,也可作為軟件開發人員的參考書。

本書詳細地介紹了Python語言的一些高級功能以及常見數據類型的高級用法，非常適合有一定基礎的讀者深入學習Python編程。本書的主要內容包括常見內置類型(數值、字符串和集合等)的高級用法和潛在的陷阱，用於文本處理的格式化方法和正則表達式，用於數值計算和大規模數據處理的math包和numpy包等。此外，文件存儲、隨機數生成和圖表繪製也是本書的重要內容。本書還開發了一個“RPN腳本解釋器”項目，該項目貫穿本書的各個章節，通過對該項目的學習，你也可以開發出自己的“語言”。

為了適應信息技術的發展，切實滿足社會各個領域對計算機應用人才不斷增長的需求，本書設計了“Python程序設計”通識課程教學方案，力求融入計算思維的思想，將多年教學實踐所形成的解決實際問題的思維模式和方法滲透到整個教學過程。與傳統的程序設計類教材不同，本書在介紹程序設計的基本技能外，還著重介紹分析問題和解決問題的方法與思路，通過構建典型案例，為學生在未來利用Python程序設計語言解決各自專業中遇到的實際問題打下良好的基礎。

《Python OpenCV從入門到精通》以在Python開發環境下運用OpenCV處理圖像為主線，全面介紹OpenCV提供的處理圖像的方法。全書共分為16章，包括Python與OpenCV、搭建開發環境、影像處理的基本操作、圖元的操作、色彩空間與通道、繪製圖形和文字、圖像的幾何變換、圖像的閾值處理、圖像的運算、範本匹配、濾波器、腐蝕與膨脹、圖形檢測、視頻處理、人臉檢測和人臉識別以及MR智能視頻打卡系統。本書圖文豐富，直觀呈現處理後的圖像與原圖之間的差異；在講解OpenCV提供的方法時，列舉了其中的必選參數和可選參數，讀者能更快地掌握方法的語法格式；最後一章以MR智能視頻打卡系統為例，指導讀者系統地運用OpenCV解決工作中的實際問題。本書專注於影像處理本身，盡可能忽略影像處理算法的具體實現細節，降低閱讀和學習的難度，有助於讀者更好更快地達到入門的目的。此外，本書資源包中提供了完整的示例源碼、要使用到的圖像等配套學習資源。

本書分為8章，內容包括Python的開發環境、爬蟲的基礎原理和概念、數據解析與存貯、簡單爬蟲的使用、PyQuery模塊、Scrapy框架、Beautiful Soup框架開發出不同的網絡爬蟲。用實例顯示出不同框架的優缺點，供讀者學習選擇。

本書以“任務驅動，實戰領先”為出發點，通過216個實例詳細介紹了Python語言的基礎知識和語法操作規範，同時，書中還剖析了10個綜合應用案例，以培養讀者解決問題的能力。本書將理論和實踐融為一體，讓讀者真正做到學以致用。

《跟老齊學Python》系列後續。讀者在本書中可以學習到Numpy、Pandas、matplotlib、SciPy、SymPy等與數據分析相關的庫，掌握其所定義的數據對象以及常用的屬性和方法等，並通過各種類型的應用舉例將所學基本知識給予綜合應用。

本書深入講解Python OpenCV的核心技術,並通過大量的代碼和項目實戰,充分展示了如何將這些技術在不同領域中實現。本書的主要內容如下: 第1章介紹Python和OpenCV的基礎知識,包括Python和OpenCV的起源、優勢、版本、安裝及應用場景等; 第2章介紹圖像基礎知識,包括圖像的讀取、顯示、保存以及像素處理等; 第3～9章介紹圖像處理的高級技術,包括使用NumPy進行圖像操作、繪製圖形的方法、直方圖的應用、圖像濾波技術、圖像形態學操作,以及使用OpenCV進行圖形檢測和模板匹配; 第10章介紹圖像分析與修復,包括使用OpenCV進行圖像分析及圖像修復技術; 第11～13章介紹特徵檢測、視頻處理和人臉識別,包括使用OpenCV檢測和匹配圖像中的特徵點、使用OpenCV 進行視頻處理,以及人臉識別技術; 第14章介紹ChatGPT 和OpenAI API,包括使用ChatGPT 輔助編寫代碼,以及利用OpenAI API將ChatGPT 的功能嵌入自己的應用; 第15～18章為項目實戰,為讀者提供了各種基於OpenCV 的應用案例。本 書適合作為從事圖形圖像領域研究和開發的技術人員和對OpenCV感興趣的讀者的學習用書。

本書在不涉及大量數學模型與複雜編程知識的前提下，從零開始逐步帶領讀者熟悉並掌握當下流行的基於Python 3的數據分析，以及支持單機、深度和分布式機器學習的開源程序庫，如pandas、Scikitlearn、PyTorch、TensorFlow、PaddlePaddle、PySparkML等。全書分4部分。入門篇包括對全書核心概念的指南性介紹，以及在多種主流操作系統(Windows、macOS、Ubuntu)上配置基本編程環境的詳細說明。基礎篇涵蓋Python 3的編程基礎、基於pandas的數據分析，以及使用Scikitlearn解決大量經典的單機(單核/多核)機器學習問題。進階篇介紹如何使用PyTorch、TensorFlow、PaddlePaddle搭建多種深度學習網絡框架，以及如何基於PySpark的ML編程庫完成一些常見的分布式機器學習任務。實踐篇利用全書所講授的Python編程、數據分析、機器學習知識，幫助讀者挑戰和參與Kaggle多種類型的競賽實戰，同時介紹如何使用Git在Gitee、GitHub平臺上維護和管理日常代碼與編程項目。本書適合所有對人工智能領域，特別是機器學習、數據挖掘、自然語言處理等技術及其實踐感興趣的初學者。

本書採用獨特的敘述方法，引導讀者利用Python編程實現基本的邏輯概念和數學證明來學習數理邏輯。這種專為編程基礎日益增強的當代學子量身打造的教學方法，充分契合其直覺認知與技術優勢，將數理邏輯學習帶入他們熟悉的編程語境，通過深度實踐構建清晰認知，並借助可運行代碼的創作來幫助讀者獲得成就感。本書主要內容涵蓋命題邏輯、一階謂詞邏輯和哥德爾完備性定理證明等，配套資源包括漸進式編程實踐任務集、模塊化代碼框架、自動化測試用例。本書適合已掌握基礎數學證明方法並具備Python編程實操能力的讀者閱讀。

運籌學是一門重要的管理類專業基礎課程，運用數學模型等方法對管理問題進行定量分析，為管理人員提供決策的科學依據。運籌學是實現管理現代化的有力工具，在供應鏈管理、生產計劃、商品動態定價，金融工程下的組合優化，人工智能和機器學習等領域，均發揮著重要的作用。本書除了包含線性規劃及靈敏度分析、運輸問題、整數規劃、目標規劃、圖與網絡分析、非線性規劃等重要理論知識，重要的是採用Python編程語言將這些理論實現，使學生理解晦澀難懂的理論知識；因此，本書還涵蓋運籌學理論的Python實現代碼與求解優化問題的算法介紹。

本書面向工程和科學專業的學生，介紹編程工具和數值方法，旨在幫助學生掌握計算問題求解技巧。書中第 一部分介紹基本的Python編程概念，使用簡單的例子快速將新的概念付諸實踐；第二部分涵蓋算法和數值分析的基礎知識，幫助學生在實際設置中快速應用結果。

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。

本書通過50個趣味十足的遊戲及活動為10歲及以上的孩子們講述了Python的基本技巧。通過對本書的學習，孩子們可以從掌握編程的基本代碼塊到寫出自己的代碼。有趣的遊戲實例，生動的圖文講解，交互式的課程設計，讓編程不再只是枯燥的代碼，而是有趣的思維活動。

本書詳細講解了基礎數據類型、字符串、序列、程序結構、函數和模塊等面向過程的內容，深入地闡述了類、繼承、文件和I/O與異常處理等面向對象的高級內容，並通過一個案例對所有內容進行了綜合應用，使學習者能對Python的知識點有更深的理解和實際的應用體驗。

本書介紹強化學習理論及其Python實現。第1章：從零開始介紹強化學習的背景知識，介紹環境庫Gym的使用。第2～15章：基於折扣獎勵離散時間Markov決策過程模型，介紹強化學習的主幹理論和常見算法。採用數學語言推導強化學習的基礎理論，進而在理論的基礎上講解算法，並為算法提供配套代碼實現。基礎理論的講解突出主幹部分，算法講解全面覆蓋主流的強化學習算法，包括經典的非深度強化學習算法和近年流行的強化學習算法。Python實現和算法講解一一對應，針對深度強化學習算法還給出了基於TensorFlow 2和PyTorch 1的對照實現。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續時間模型、非齊次模型，半Markov模型、部分可觀測模型等，以便更好瞭解強化學習研究的全貌。

數據時代的來臨帶動了新一波的智能革命，數據與算法驅動了各個領域的改變。在幾個市場熱門的討論議題中，都可以看到數據應用扮演的角色。在面對真實世界的數據時，有許許多多的事情需要考慮。本書試圖從最務實的角度開始，結合理論與實踐去探索數據科學的真實世界，幫助讀者一步一步地培養數據時代下的思維與技術。本書將從基礎的 Python 編程開始，以數據分析的流程為主軸一步一步地解析，然后展開介紹數據收集、數據前處理、特征工程、探索式分析等。本書系統性地從函數庫開始學習，并拓展到不同的應用場景。 本書實用性強，提供數據分析所必需的編程技能的培訓，以及常見第三方軟件和庫的使用方法；以數據科學家、數據分析師等數據應用工作的實踐經驗作為培養目標，適合對 Python與數據分析有興趣的人閱讀。

本書的設計和編寫目標是培養讀者的數據思維能力和數據預處理能力，內容具有典型性和實用性，系統介紹基於Python的數據預處理的流程和技術。全書共8個單元，單元1介紹數據預處理的基礎知識，單元2介紹Python數據預處理的庫pandas的用法及主要數據對象的用法，單元3～單元7依次介紹數據預處理流程中數據獲取、數據合併、數據清洗、數據變換和數據描述等相關知識和技術。為突出培養讀者的動手能力，本書單元2～單元7都配套了任務實踐和拓展實訓，除單元8，每個單元還配套了課後習題。單元8為綜合案例，通過網易雲音樂相關數據集展示數據預處理的完整流程，幫助讀者綜合掌握全書相關知識和技術。本書適合作為高等教育本、專科院校大數據技術和人工智能技術應用等相關專業的教材，也可作為數據分析培訓班和“1+X”數據處理相關職業技能等級證書的教材。

本書是面向中學生，以Python編程語言應用為目的，基於可編程控制板Micro:bit V2.0為學習對象，學習Python編程語法、傳感器感知檢測、自動控制、無線遠程控制和實際操作等相關技術的一本綜合性機器人科普教材。本書共分為18課，利用情景式引入法，將生活中存在的各種使用智能化的場景展現給學生，並借由Micro:bit控制板實現。每一課分別講述了Micro:bit控制板上板載硬件的工作原理和編程控制方法，內容涵蓋LED點陣屏、四角按鍵、GPIO、觸摸點電容、音樂與語音、加速度傳感器、電子羅盤、舵機控制、無線電通信等。整個過程寓教於樂，學以致用。本書通過“拓展提高”引申每節課的知識，讓學有餘力的同學提高思維層次；通過“目標檢測”讓學生對自己在本課程中學到的內容進行總結。努力做到由簡到繁、深入淺出，讓孩子們在快樂中感受機器人課程的魅力。同時，在學習中培養孩子發現問題、搜索答案、思考應用、分析組成、設計創造的能力。本書可作為青少年編程學習的初等教材。

本書介紹了中高級Web和移動應用的開發者如何使用Google App Engine在雲中構建高度可擴展的Python應用程序。本書的主要內容有：通過一個示例應用程序來指引你親自動手實踐App Engine相關的工具和功能。在開發機器上使用Google Cloud SDK中的工具模擬App Engine。將應用程序結構化為可單獨尋址的模塊，每個模塊都有自己的可擴展配置。利用可擴展的Cloud Dat

本書首先介紹什麼是性能分析，性能分析如何在專案開發週期中發揮作用，以及通過在專案中進行性能分析實踐能夠取得的效果。緊接著介紹分析性能所需的核心工具（性能分析器和視覺化性能分析器）。然後介紹一系列性能優化技術，最後一章會介紹一個具有實際意義的優化案例。 本書適合所有Python 程式師閱讀。

本書旨在幫助讀者掌握如何用Python有效地處理Excel數據，實現辦公自動化。本書首先介紹開發環境的搭建和Excel模塊的安裝，接著講解編寫代碼前的準備，然後介紹如何使用openpyxl和pandas這兩個模塊編寫員工信息表查詢案例，最後介紹PyInstaller模塊與.py文件的編譯，以及如何快速移植本書案例的代碼。本書不僅適合辦公人員閱讀，還適合想要瞭解openpyxl模塊和pandas模塊的初級開發人員閱讀。

深度學習正日益深刻地滲入我們的生活，從建議內容到在任務關鍵型和安全關鍵型應用中發揮核心作用，其影響無所不在。然而，隨著這些算法影響力的逐漸擴大，人們對於依賴這些算法的系統安全性和魯棒性的擔憂也日益加劇。簡言之，傳統的深度學習方法往往難以察覺自身的知識邊界，即它們“不知其所不知”。貝葉斯深度學習(Bayesian Deep Learning，BDL)領域包含一系列利用深度網絡進行近似貝葉斯推理的方法。這些方法通過揭示模型對其預測結果的置信度，增強了深度學習系統的魯棒性，使我們能夠更謹慎地將模型預測融入實際應用中。《Python貝葉斯深度學習》將引領你踏入迅速發展的不確定性感知深度學習領域，助你深入理解不確定性估計在構建魯棒性的機器學習系統中的重要價值。你將學習多種流行的BDL方法，並通過涵蓋多種應用場景的Python實用示例來掌握這些方法的實現技巧。讀完本書後，你將深刻理解BDL及其優勢，並能夠為更安全、更魯棒的深度學習系統開發貝葉斯深度學習模型。主要內容：● 了解貝葉斯推理和深度學習的優缺點● 了解貝葉斯神經網絡(Bayesian Neural Network，BNN)的基本原理● 了解主要貝葉斯神經網絡實現/近似之間的差異● 了解生產環境中概率深度神經網絡的優勢● 在Python代碼中實現各種貝葉斯深度學習方法● 運用貝葉斯深度學習方法解決實際問題● 學習如何評估貝葉斯深度學習方法並為特定任務選擇最佳方法● 在實際深度學習應用中處理“分布外”數據

計算工程光學是指將傳統工程光學理論以數值計算的方法進行全新解讀，以強化經典光學理論與新興智能計算技術的有機融合， 有效解決光學設計與製造過程中遇到的瓶頸難題。本書共4章，包括Python基礎、幾何光學基礎、光學成像系統設計和物理光學基礎等內容。其中， 第1章介紹Python語言的語法基礎和數據類型以及與工程光學相關的標準庫函數等；第2章和第3章以幾何光學為基點，介紹基本光學理論的編程實現方法、近軸和實際光線追跡方法、光學像差數值分析和成像系統評價方法，詳細介紹光學系統設計和優化實現的方法;第4章介紹基本物理光學概念和編程實現方法，以傅裡葉變換為基礎介紹標量衍射理論，從波像差的角度分析光學系統成像的性能，以衍射光學元件為例說明前沿光學設計方法和工程光學應用案例。本書可作為高等院校光學工程、機械電子、儀器儀表、光電信息及其他相關專業的教材，也可供相關技術人員閱讀和參考。

Designed as a textbook for a one or two-term introduction to mathematical statistics for students training to become data scientists, Foundations of Statistics for Data Scientists: With R and Python is an in-depth presentation of the topics in statistical science with which any data scientist should be familiar, including probability distributions, descriptive and inferential statistical methods, and linear modelling. The book assumes knowledge of basic calculus, so the presentation can focus on 'why it works' as well as 'how to do it.' Compared to traditional "mathematical statistics" textbooks, however, the book has less emphasis on probability theory and more emphasis on using software to implement statistical methods and to conduct simulations to illustrate key concepts. All statistical analyses in the book use R software, with an appendix showing the same analyses with Python.The book also introduces modern topics that do not normally appear in mathematical statistics texts but ar

本書分為6章，系統全面地介紹了Python語言的基礎語法、基本數據類型與組合數據類型。基本數據類型包括整數、浮點數、字符串、布爾值和空值；組合數據類型包括序列類型（字符串、列表和元組）、字典類型和集合類型。本書包括IT行業的14個故事與話題，例如伊莉莎程序、身份證的數字化、計算機加密算法等；設計了110個案例，例如猜數遊戲、繪製小花朵、計算機造句等；列舉了4個算法分析的案例，分別是凱撒加密法、換位加密法、英文小說的詞頻統計以及字典加密器。

運用數位與統計方法了解歐式選擇權定價！※將抽象的數學公式，巧妙運用程式語言進行輸出，帶你無障礙進入統計分析的世界。※使用熱門Python程式語言，學習數學或理論模型，瞭解選擇權的定價。※透過量化分析方法與時間序列模型，深入解析專業財金議題。※本書適合大學部高年級或研究生使用及對衍生性商品有興趣的讀者自修。更是「衍生性金融商品」、「創新金融商品」或「財務工程」等課程最佳工具書。 一書在手，掌握選擇權

本書由流行深度學習框架Keras之父弗朗索瓦·肖萊執筆，通過直觀的解釋和豐富的示例幫助你構建深度學習知識體系。作者避免使用數學符號，轉而採用Python代碼來解釋深度學習的核心思想。全書共計14章，既涵蓋了深度學習的基本原理，又體現了這一迅猛發展的領域在近幾年裡取得的重要進展，包括Transformer架構的原理和示例。讀完本書後，你將能夠使用Keras解決從計算機視覺到自然語言處理等現實世界的諸多問題，包括圖像分類、圖像分割、時間序列預測、文本分類、機器翻譯、文本生成等。

本教材是為職業教育財經商貿大類專業學生的數據分析課程編寫的教材。內容包括數據處理、描述性分析、推斷性分析及一些常用的分析方法。教材以數據分析為基礎，立足於數據類型和可視化目的對圖形進行分類，使用python工具進行數據處理和分析。教材注重統計方法的應用，包含課程思政內容，每章開頭均以問題與思考的形式引出本章的內容，對方法的介紹側重于原理和應用，把繁雜的過程交給工具完成。教材配有例題和練習題的電子版數據，方便教師教學和學生學習。

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。

時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律並預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。本書是基於Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列分析、多元時間序列分析。

《Python分布式機器學習》本書詳細闡述了與分布式機器學習相關的基本解決方案，主要包括拆分輸入數據、參數服務器和All-Reduce、構建數據並行訓練和服務管道、瓶頸和解決方案、拆分模型、管道輸入和層拆分、實現模型並行訓練和服務工作流程、實現更高的吞吐量和更低的延遲、數據並行和模型並行的混合、聯合學習和邊緣設備、彈性模型訓練和服務、進一步加速的高級技術等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。