Python

"《生成式AI × 穩健提示爬蟲技術 I》數據抓取篇★從Colab、Anaconda 到 Jupyter Kernel，一步步把 Python 環境建好、跑起來。★用Pandas × PyArrow × Polars，把資料整理做得更快、更穩，也更貼近實務。★透過提示工程和情境工程，讓 ChatGPT、Claude 成為你的程式開發夥伴。★結合Perplexity Comet＋爬蟲＋寄信＋行事曆，把資訊蒐集到自動化流程一次串起。★多模態OCR × Gemini和Groq API，把圖片文字直接變成可分析的結構化資料。你學過Python，卻常卡在「環境裝不好、資料處理很慢、爬蟲一下就被擋、AI 工具只會聊天」嗎？本書以「做得出成果」為主軸，帶你從 Google Colab、Anaconda、Jupyter Notebook 與 Kernel 建置開始，快速建立穩定、可重現的開發環境。接著用 Pandas 打底，涵蓋多欄多列取值、資料框合併、字串提取與條件篩選，並延伸到 PyArrow 與 Polars，讓你面對較大的資料量也能跑得快、跑得順。更關鍵的是，本書把提示工程與情境工程結合「直覺式開發」：教你如何用 ChatGPT和Claude 協作寫程式、除錯；再搭配 Perplexity Comet 進行摘要與探勘，串接 Gmail、Google 行事曆、SMTP、Resend 寄信，打造可實際應用的自動化資訊流程。最後以多模態 API（Gemini、Groq）＋中文 OCR（PaddleOCR、EasyOCR）＋爬蟲實戰進行總結，範例涵蓋電商、股價、ESG、重大訊息、交易指標等案例，並附上Gemini AI 教育版證照準備重點，適合資料分析初學者、稽核、採購、研究人員、跨域工作者，以及想把 AI 變成生產力的人。專業推薦崑山科技大學 電機工程系系主任─林俊良 博士住宅消保會創會理事長─吳翃毅博士錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─凃春愛 博士伽碩職訓中心執行長─郭明洽昱創企管顧問有限公司總經理─裴有恆元大銀行系統開發部專業副理─陳尚瑋極策網路行銷有限公司總經理、崑山科技大學房地產開發與管理系講師─蔡宗甫"

AI 浪潮來襲，不掌握，就等著被淹沒！ 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。 本書的每一章都是為了解答您可能對這些科技主題有的疑問而精心編輯的。無論您是科技新手，還是其他各個領域的一般人士，我們希望本書都能滿足您的需求。 第一章將帶您深入探討AI協作的世界，然後介紹AI知識庫及AI Agent，最後則是介紹在現階段應該遵守的AI倫理及相關社會議題。第二章則詳述資訊安全的重要性以及它在我們生活中扮演的角色，諸如各種風險、應對策略以及法規要求。第三章將探討智慧財產權、著作權等議題，幫助您了解這些法律對於數位生活的影響和重要性。 在第四章，我們將引領讀者了解如何使用Excel和Google表單來處理文書工作和設計問卷。第五章則將帶領讀者進入程式設計的世界，提供Python程式語言的基礎知識並解說其在資料分析中的應用。進入第六章，我們將探討新興的Web 3.0技術，包括元宇宙、區塊鏈、虛擬貨幣與NFT等話題，帶您一探數位世界的新發展趨勢。在第七章中，我們將帶領讀者了解大數據分析的基礎概念和方法，並學習如何使用Python來進行資料分析與視覺化。 我們的目標是讓這本書成為您的科技知識指南，希望您在閱讀本書的同時，不僅能學習到新的知識，更能對科技的未來發展充滿期待。再次感謝您選擇本書，讓我們一同探索科技的奧秘。 ☛☛☛☛☛☛☛Python的安裝方式☚☚☚☚☚☚☚ 在進行本書第五章時，請依影片安裝 Python。 本書內容範圍極廣，涵蓋了從AI協作平台到資訊安全，從智慧財產權到文書試算表設計，再到程式設計、Web 3.0技術與大數據分析等各種現代科技領域，皆以深入淺出的方式進行解說。。

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。

本次改版新增「Python 語言快速入門」及「Python 程式語言觀念題題庫」，讓您準備更加充分！ ╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋 APCS 考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析 APCS 程式設計觀念題與實作題 APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。 為了因應新制的「程式識讀」，本次改版也另外新增了兩個附錄，提供「Python 語言快速入門」及「Python 程式語言觀念題題庫」。筆者希望本書能引導各位讀者具備應試 APCS 的經驗與實戰能力的養成，並學會如何解析程式的程式實作的能力，進行有能力根據自己的創意思維，開發出各式各樣功能的軟體，而這也正是本書努力達成的目標。 本書的實作題以 C++ 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C++ 語言應試 APCS 的實戰能

想要成為駭客嗎？你的起點就在這裡！ 如果你打算踏上駭客攻擊、資訊安全，與滲透測試這條令人興奮的旅途，這是絕佳的入門書。你將使用Kali Linux這套專為數位鑑識與滲透測試而設計的作業系統來學習Linux的基本用法，並掌握操控Linux環境所需的各種工具與技巧。 首先，本書將帶你在虛擬機器上安裝Kali，並介紹基本的Linux概念，接下來會深入介紹更廣泛的Linux主題，包括文字操作、檔案控制、目錄權限，以及處理使用者環境變數等，然後探討基本的駭客攻擊觀念，例如安全性與匿名性，並教你使用bash和Python來撰寫腳本。 本書提供實用的教學與練習題來提升並測驗你的技能，內容包括： ．修改網路資訊和操作journalctl記錄工具來掩蓋行蹤。 ．撰寫工具以掃描網路連線，並連接與監聽無線網路。 • 使用Tor、proxy（代理伺服器）、VPN和加密電子郵件來掩護你的網路行動。 • 編寫bash腳本，在IP位址範圍內尋找潛在攻擊目標。 • 使用MySQL、Apache網頁伺服器和OpenSSH等服務，以及利用它們來發動攻擊。 • 設計自己的駭客攻擊工具，例如遠端監視器和密碼破解程式。 ★ 第二版新增內容 ★ 為因應Kali與Linux的最新變化，我們在第二版加入更安全的root權限使用方法、更新Bluetooth與Linux記錄功能，並新增一章探討在資安領域中使用AI的建議。 駭客技術十分複雜，一窺堂奧的道路並非只有一條，何不讓本書成為你的起點！

【內容特點】?快速上手：專為 Python 開發者打造，用熟悉思維無縫接軌 Rust?解鎖高效能：掌握所有權與生命週期，根除記憶體錯誤並突破 GIL?PyO3 實戰：從零開始教你撰寫 Rust 擴充套件，解決 Python 運算瓶頸?AI 落地應用：駕馭 Candle 與 Burn 框架，實現輕量化推論與模型移植?工程化思維：涵蓋模組化設計、自動化測試到效能分析的完整實踐【本書獻給不願在效能與開發效率間妥協的你】?資料科學家：受夠了 Pandas 在大數據下的龜速，想尋找更高效的運算替代方案。?資料工程師：需要建構高吞吐量、低延遲且穩健可靠的 ETL 管線，徹底告別執行期錯誤，讓資料流動不再阻塞。? MLOps 工程師：致力於模型生產環境部署，追求在有限算力下達到極致的推論速度。?進階 Python 開發者：不滿足於語法糖，想深入理解底層運作與並行程式設計，大幅擴張技術守備範圍。

☆★☆好評熱銷再上市☆★☆★打不過AI就加入他！建立自己的GPT產品★手刻ChatGPT從NLP基礎開始★PyTorch親手打造RNN、LSTM、GRU、BERT、GPT★Attention、Transformer詳解★用GPT做出自動詩詞創作平台全書分為4篇：「自然語言處理基礎篇」、「PyTorch入門篇」、「用PyTorch完成自然語言處理任務篇」和「實戰篇」。第1篇包含自然語言處理的背景知識、常用的開放資源、架設Python環境以及使用Python完成自然語言處理的基礎任務。第2篇包含PyTorch環境設定和PyTorch的基本使用，以及機器學習的一些基本原理和工作方法。第3篇介紹如何使用PyTorch完成自然語言處理任務，各介紹一種模型，包括分詞(又稱斷詞)、RNN、詞嵌入、Seq2seq、注意力機制、Transformer、預訓練語言模型。第4篇是實戰篇，第分別講解自然語言理解的任務和自然語言生成的任務，即「中文地址解析」和「詩句補充」。這兩個任務綜合了前面各章的知識，並展示了從資料下載、處理、模型到使用者互動介面開發的全部流程。從入門到專案實戰，打下你在NLP這一門最紅技術上的紮實基礎。? 目標讀者■有一定程式設計基礎的電腦同好。■希望學習機器學習和自然語言處理的人。■電腦及其相關專業的學生。■對自然語言處理領域感興趣的研究者。■對自然語言處理感興趣並樂於實踐的人。

https://youtu.be/9E_99Kmgdj0☆★☆好評熱銷再上市☆★☆【書籍特點】● x86組合語言基礎知識，通用暫存器、常用指令，記憶體分頁● 指標的實現原理，指標組成、相關操作，以及Go語言的unsafe套件等。● 函數、堆疊框佈局、呼叫約定、變數逃逸、Function Value、閉包、defer和panic● 方法，實現原理，接收者類型、Method Value和組合式繼承● 介面，Go語言動態特性，括裝箱、方法集、動態派發、類型斷言、類型系統和反射● goroutine實現，GMP模型、goroutine的建立與退出、排程迴圈、先佔式排程、timer、netpoller和監控執行緒● 同步，記憶體亂數、原子指令、自旋鎖、runtime互斥鎖和訊號量、ync.Mutex、hannel● 堆積記憶體管理，heapArena、mspan，mallocgc函數、C的三色抽象、寫入屏障● 堆疊記憶體管理，goroutine堆疊的分配、增長、收縮和釋放【內容簡介】想要有C語言的高速和Python的便利性嗎？Go是最棒的選擇，Go語言在語言層面上支援程式碼協同（goroutine）和通道（channel），這使得併發程式設計變得非常簡單和高效。在多核CPU時代，高效的併發程式設計已經成為軟體開發的必備技能之一。此外Go語言的語法設計簡單清晰，注重可讀性和簡潔性，使得初學者能夠快速入門。Go語言的標準函數庫提供了豐富的功能，可以直接使用，避免了一些繁瑣的工作。另外在跨平臺支援方面，Go語言的編譯器可以將程式編譯成機器碼，支援跨平臺編譯，可以在不同的作業系統和硬體平臺上運行，這對於開發跨平臺應用程式非常有幫助。Go最有名的就是其高性能。Go語言的編譯速度非常快，生成的二進位檔案也很小，運行速度也非常快。Go語言在一些性能要求較高的應用領域，如Web服務、巨量資料處理、容器等方面表現出色。另外其開發效率高，Go語言在一些方面與Python、Ruby等動態語言相似，但又具有靜態語言的優點。Go語言的編譯器能夠在編譯期間捕捉一些錯誤，這使得程式的穩固性更高。同時，Go語言的工具鏈非常完善，如go fmt、go vet等工具可以幫助開發者規範程式，提高開發效率。

╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋APCS考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析APCS程式設計觀念題與實作題 APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」，目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效，其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以C、C++、Java、Python撰寫程式。 本書的實作題以C語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉APCS的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以Dev C++的IDE進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以C語言應試APCS的實戰能力。 【目標讀者】 ◆ 欲申請大學資訊相關科系的高中職生 ◆ 對程式語言有興趣的學習者 ◆ 想客觀檢測自己程式設計能力的人 APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」，目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效，其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。本書的實作題以C語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、

掌握Tableau，以資料分析驅動決策，發掘真正的商業洞見！ 在資料主導決策的時代，面對AI與自動化分析，光有資料、只會做圖表還不夠； 更重要的是，如何判斷資料是否可靠，並將分析轉化為真正有價值的洞見。 本書以Tableau為核心，帶你活用統計模型，驗證分析的可信度，讓資料不只「看起來合理」，而且有依據、有說服力、可以信任。 從統計顯著性、信賴區間到視覺化實務，協助你用科學方法解讀資料，做出更精準的決策。 無論是資料分析師、商業決策者，或希望提升資料判斷力的職場工作者，這本書都能幫助你將分析結果轉化為行動與影響力。 ------------------------------------------------ 「本書涵蓋了你開始在Tableau中運用統計所需的一切。Ethan清楚地帶領讀者了解背後的原理與實作的方法，非常精彩！」―Lorna Brown Data School教練，The Information Lab UK 「這本書結合了Tableau的統計分析功能與資料視覺化的強大表現，為讀者提供一套深入探索資料的有力工具。」 ―Christopher Gardner 商業智慧分析主任，密西根大學 在這個以資料驅動的時代，理解統計模型已成為進行有效分析與決策的關鍵。無論是剛入門的新手，還是經驗豐富的使用者，本書都能為您提供必要基礎知識，使您能夠掌握並靈活運用Tableau中使用各種統計模型，在運用模型時更具信心，讓您的分析成果與洞見更容易在組織內獲得認同與採納。 隨著人工智慧不斷促使各行各業產生變革，善用統計模型的能力早已從加分條件，轉變為不可或缺的基本技能。掌握這項能力，將幫助您充分釋放資料的潛能，並透過解讀與應用模型產出的洞見，使您始終保持領先地位。 無論您是資料分析愛好者、資料分析師，還是商業專業人士，本書都將帶來實用技巧與專業信心，協助您在快速變動的資料分析領域中游刃有餘、應對自如。 在本書中，您將會學習到： •在Tableau中建立基礎的統計模型 •驗證分析結果的統計顯著性 •計算並解讀信賴區間 •將統計融入資料視覺化的最佳技巧 •使用R和Python，整合Tableau與外部的分析工具 #Tableau #資料分析 #統計模型 #資料視覺化 #決策分析

使用「經濟版Copilot」輔助學習Python程式設計 VS Code + GitHub Copilot 建立你的程式閱讀力 × 提示工程力 × 架構思維 ● 不背語法，也能看懂Python程式碼 ● 9大AI提示詞，系統化訓練「程式閱讀力」 ● Copilot寫程式，你負責評估糾錯與決策 ● 從AI輔助學習到AI專案開發完整進階 ● 可與ChatGPT、Claude、Gemini搭配使用 不從背語法開始，而是先建立AI時代最重要的能力──程式閱讀力 隨著生成式AI能快速產生程式碼，「會寫程式」的定義正在轉變。在AI時代，真正的關鍵能力不再只是輸入指令，而是看懂、判斷、修正，並與AI協作完成程式設計與專案開發。 本書不是教你按快捷鍵、接受AI建議，而是從根本培養在AI時代不可或缺的核心能力——程式閱讀力。書中以新開發出的「窮人版Copilot」為核心，透過所設計出的9大AI提示詞，將「看懂程式」這件事有效轉化成結構化和系統化的程式學習方法論。 書中提供超過1000個程式範例，這些程式範例不是單純示範語法，而是學習者修煉程式閱讀力的最佳素材。每段程式碼都是一套可反覆拆解、理解與思考的「心法」，幫助你逐步建立看懂程式、評估程式與重構程式的能力。 全書依照程式學習的自然進程，分為三個修煉階段：從AI輔助學習Python，到駕馭GitHub Copilot撰寫程式，再進階到AI協作的專案開發與架構思維。所學到的不只是工具操作，更是在對的時機使用AI、評估AI的回應，以及真正掌握AI時代的程式設計能力。 你將學會 ● 使用「窮人版 Copilot」的9大提示詞看懂Python程式 ● 判斷AI產生的程式碼是否正確、可讀、可維護 ● 與GitHub Copilot協作撰寫、審查與重構程式 ● 將AI整合進版本控制、虛擬環境與專案流程 ● 建立AI時代必備的程式素養與架構思維 適合讀者 ● 想在AI時代學會程式設計的初學者 ● 已有基礎，但想突破「能寫卻寫不好」瓶頸的學習者 ● 希望導入AI輔助教學的程式設計教師與講師 本書特色 ● AI 輔助學習 × AI 輔助開發的完整整合 ● 幾乎免費的學習工具，人人都能上手 ● 超過 1000 個可反覆修煉的程式範例，建立真正的程式閱讀力

《信號與系統》不僅是一本教科書，更是一趟橫跨數學、工程與藝術的深度旅程。它融合嚴謹的理論基礎與實務應用，從自然現象的建模到人造系統的設計，帶領讀者以邏輯與美感兼備的視角，理解這個世界如何透過「信號」與「系統」彼此連結與運作。 本書由淺入深，逐步建立讀者對信號與系統的完整認知，涵蓋內容廣泛且深入，包括：樂高般可組合的基本函數、連續與離散時間系統的性質、LTI 系統的建模、傅立葉與拉普拉斯轉換、數位取樣、濾波器設計，以及在無限維度希爾伯特空間中的頻譜解析。這些理論不僅涵蓋信號處理領域的核心概念，也為深入機器學習、電腦視覺、生醫工程、通訊技術等應用領域奠定堅實基礎。 書中以豐富的比喻與實例，將抽象概念具象化：阿爾罕布拉宮的幾何對稱激發數學美感；羅傑‧潘羅斯的視覺幻象帶出不可能的結構之思；音樂的和聲則引導讀者感受複指數函數的頻率美學。這些設計不僅啟發思考，更讓艱深的內容充滿人文與藝術的溫度。 每章節都精心編排，結合理論推導、Python 程式實作與大量範例，讓讀者不僅理解公式，更能實際操作、觀察與驗證。從簡單的時間平移與反轉，到進階的卷積運算與傅立葉轉換，透過實作，讀者將能直觀掌握信號如何變化、如何被解構與重建。

「軟體開發者與資料科學家必備的實戰資源！Ali以深厚技術與清晰教學，手把手帶你用FastAPI打造可上線的生成式AI服務，從實作中保持領先地位。」 ―Joe Rowe，Applied Data Science Partners技術保證與合規主管 「這是一本極實用的生成式AI入門書籍，詳盡說明如何打造真正能運作的服務，非常適合當成邁入 AI 開發領域的首選書籍。」 ―Julian Brendel，Vitol資深Python開發者 準備好要用生成式AI打造真正可上線的應用程式了嗎？ 本書以實作為核心，教你如何運用FastAPI網頁框架來設計與部署AI服務。你將學到如何整合模型，處理文字、圖像、音訊與影片，並讓服務與資料庫、檔案系統、網站與API自然串接。無論你是網頁開發者、資料科學家，還是DevOps工程師，本書提供的範例、工具與策略，都能幫你打造高效、可隨需擴展、能即時提供服務的AI應用程式。 作者Alireza Parandeh透過清楚的解說與實際範例來介紹身分驗證、並行、快取，同時結合向量庫的檢索增強生成（RAG）技術。你將學會如何檢驗AI輸出品質、提升效能，以及保護微服務的最佳做法，並利用Docker來部署容器，在雲端自信啟動你的AI應用程式。 • 建立可與資料庫、檔案系統、網站及API互動的AI服務。 • 管理並行的AI工作與長時間運行的任務。 • 透過WebSockets與伺服器傳送事件（SSE），以串流形式傳送AI生成的結果。 • 使用身分驗證、內容過濾、限流與速率限制機制來保護服務。 • 透過快取、批次處理與微調技術強化AI效能。 Alireza Parandeh 是獲得英國工程委員會（UK Engineering Council）認證的特許工程師（Chartered Engineer），也是微軟與Google認證的開發者、資料工程師與資料科學家。 #FastAPI #生成式AI #AI服務/應用開發 #RAG #Docker部署AI #Context-rich AI

本書深入解析大數據的發展沿革、4V特徵、行業價值與企業管理模式，更重要的是，它引導讀者從商業應用情境出發，思考並解決真實的數據分析問題，如群組、分類、推薦與關聯等。建立數據驅動思維，與數據科學家進行更有效的溝通，加速智慧應用發展。在實作層面，本書提供Python語言範例，循序漸進地引領讀者了解分析與模型建立步驟。提供房價預測、電影推薦、圖片辨識及自然語言解析等貼近真實的案例。本書更納入AI先進技術，介紹LangChain基礎運用，發展簡單的AI代理程式。這是一本橫跨大數據基礎、預測分析方法，到文本挖掘、圖像辨識、生成式AI代理的完整教材，是商管學生與商業人士理解AI實務與應用的最佳起點！

線性代數是一門高度通用且具備廣泛應用的基礎工具，無論是在人工智慧、數據分析或是各類工程領域，專業人士都需要對其具有紮實素養，方能在實際問題中建立準確的數學模型。本書的核心特色是擺脫傳統冗長而抽象的理論推導，轉而以直覺化的概念闡釋和高效的實戰應用為主軸。在解題風格上，本書不同於一般教科書完全按照理論框架進行推導。作者憑藉多年的實戰教學經驗，在許多計算技巧上提供了獨家捷徑，幫助學生有效提升解題速度，達到事半功倍的學習效果。同時，本書強調與現代科技趨勢的接軌，於附錄中提供 MATLAB 與 Python 雙程式平台的程式碼範例與腳本教學，專門針對複雜的線性代數計算提供電腦輔助實作指導。

身處 LLM 時代的必備技能 AI 爬蟲與資料檢索的全本機工作流 你還在用傳統的方法爬取網路資料嗎？還在手動分析 HTML 網頁結構、逐一定位網頁元素、再手刻爬蟲程式嗎？身處 AI 世代，是時候該學習更聰明、更高效的資料收集方法，讓你坐在電腦前，喝著咖啡、悠閒地看著 AI 為你自動爬取網路資料。在 AI 飆速發展的今天，傳統網路爬蟲技術正迎來全新的變革。過去，Python 爬蟲程式的開發者必須自行剖析 HTML 網頁結構，撰寫繁瑣複雜的資料擷取規則與步驟；如今，隨著 LLM 的普及，AI 已能協助我們理解 HTML 網頁結構、定位網頁資料，甚至能夠自動化建立整個爬取流程，大幅提升開發效率。本書從 HTML 結構解析入門，循序講解 BeautifulSoup + CSS 選擇器、lxml + XPath 表達式、正規表達式等核心技術，再深入 Selenium 模擬瀏覽器互動及 Scrapy 爬蟲框架的專業應用，帶領讀者全面掌握靜態與動態網頁擷取技術。更進一步結合 Playwright 自動化瀏覽器、以及 AI 驅動的爬蟲框架 Crawl4AI 和 ScrapeGraphAI，讓 LLM 成為理解與提取網頁資料的主力。不只如此，本書採用 n8n × Ollama 全本機架構，無需 API Key、無需 Docker，即可整合 SearXNG 搜尋引擎、Crawl4AI API 資料爬取、Qdrant 向量資料庫與 RAG 知識檢索生成，最終打造出 MCP + AI Agent 自動化流程 ⸺ 從搜尋、爬取到資料處理與知識生成一手包辦！本書特色: 用 AI 分析 HTML 結構建立 Python 網路爬蟲▸全面掌握靜態與動態 HTML 網頁擷取技術，CSS Selector、XPath 一次上手▸實戰演練 BeautifulSoup、Selenium、Scrapy 經典 Python 爬蟲框架Python × LLM 建立 AI 網路爬蟲▸整合 OpenAI、Gemini、Groq、Ollama 等多種 LLM，打造智慧爬蟲系統▸運用 AI 驅動的爬蟲技術 Crawl4AI 與 ScrapeGraphAI，自動理解並提取網頁內容▸結合非同步程式設計，提升資料抓取效率與彈性整合 Python × AI 網路爬蟲的 AI 工作流程：n8n▸以視覺化介面建立自動化流程，輕鬆整合

若要打造可推理及提取外部資料、理解前後脈絡、可投入正式環境的 AI 應用程式，你就必須熟悉熱門的開發框架與平台 LangChain。它可以用來建立、執行與管理有自主行動能力的 app。目前已有許多頂尖公司採用 LangChain，包括 Zapier、Replit、Databricks 等。對於已經學會 Python 或 JavaScript，且想要掌握 AI 能力的新手開發者而言，本書是必備的學習資源。 作者 Mayo Oshin 與 Nuno Campos 透過實用的見解與深入的教學，帶領你逐步掌握 LangChain 的運用。從基礎概念開始，一步步帶你建立一個可正式上線，並且能夠使用個人資料的 AI agent。 • 運用 retrieval-augmented generation（RAG）技術，結合外部的即時資料來提升 LLM 的準確性。 • 開發並部署能夠與使用者聰明地互動，並且記得前後脈絡的 AI 應用程式。 • 透過 LangGraph 來使用強大的 agent 架構。 • 整合並管理第三方 API 與工具，以擴充 AI 應用程式的功能。 • 監控、測試與評估 AI 應用程式，以提升效能。 • 瞭解 LLM app 開發的基礎知識，並學習如何在 LangChain 上加以活用。 ------------------------------------------------------------- 「本書包含條理分明的講解和可落實的技巧，是掌握 LangChain 的強大功能，並用它來製作可上線的生成式 AI 與 agent 的首選資源。對於想充分利用此平台之潛力的開發者來說，是必讀之作。」 ── Tom Taulli，IT 顧問暨《AI輔助程式開發》作者 「這本完整的指南涵蓋文件提取與檢索，以及在正式環境中部署與監控 AI agent 的完整知識。透過引人入勝的範例、直覺的圖解與實際的程式碼，讓 LangChain 變得既有趣又好玩！」 ── Rajat K. Goel，IBM 資深軟體工程師 「這是一本完整的 LLM 指南，不只介紹基礎知識，也探討生產階段，充滿技術見解、實用策略，以及強大的 AI 模式。」 ── Gourav Singh Bais，Allianz Services 資深資料科學家暨技術內容撰寫人

本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的數學基礎，為人工智慧領域做好準備。AI時代來臨，你的數學準備好了嗎？打好基礎，推開智慧之門邁向未來，就從這本書開始！初學者友善的入門指南本書專為資料科學與人工智慧（AI）相關領域的學生與初學者量身打造，旨在幫助讀者建立學習AI所需的基礎數學概念。不同於傳統艱澀的數學教材，本書以通俗易懂、由淺入深的方式進行講解，讓即便是數學基礎薄弱的讀者，也能輕鬆理解並掌握內容。透過清晰的結構與大量實例說明，本書化繁為簡，降低學習門檻，是通往AI世界的重要敲門磚。理論與實踐兼備，學以致用本書的內容設計強調理論與實務並重，既有嚴謹的數學推導，也有豐富的應用實例。除了傳統的計算練習，還融合Python程式語言進行實作，讓讀者能夠同步訓練邏輯思維與程式技能。透過實際編程演練，不僅有助於加深對數學原理的理解，也提升將理論應用於資料分析與AI開發的實務能力。這樣的設計不僅符合現代科技教育的需求，也貼近業界實際工作情境。教材與自學兼用，應用範圍廣泛本書不僅可作為大專院校資料科學與人工智慧相關課程的教材，也非常適合自學者與職場從業人員作為參考書使用。內容涵蓋機率與統計、線性代數、微積分、最佳化等AI核心數學領域，系統性地建立完整知識架構。無論是準備進一步修習機器學習、深度學習等進階課程，或是需要在實務工作中應用資料分析與模型建構能力，本書都是不可或缺的重要資源。奠定未來AI學習的基礎人工智慧的發展日新月異，對數學的依賴與日俱增。唯有具備紮實的數學基礎，才能真正理解演算法的原理與模型背後的邏輯，進而靈活應用於各種情境中。本書不僅是一部數學入門書，更是一座銜接AI世界的橋樑。透過理論與實務交織的學習旅程，幫助讀者在AI領域立足，迎接更廣闊的未來發展機會。本書特色：本書專為資料科學與人工智慧專業的初學者設計，內容通俗易懂，系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐，結合推導、計算與Python程式實作，幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材，或是從業者的自學參考書籍，本書皆能有效協助讀者打下紮實的

GitHub Copilot學習手冊｜效率倍增的AI程式設計力 「《GitHub Copilot學習手冊》是實用、有深度、貼近日常開發方法的一本書。」 ――Andrew Stellman，開發者、團隊主管、講師與作者 「每一位程式設計師都要瞭解AI輔助程式設計，GitHub Copilot顯然是這個領域的龍頭，而Brent的這一本書是帶你精通這款強大工具的終極指南。」 ――Tom Taulli，《AI輔助程式開發》 作者 使用GitHub Copilot的生成式AI 來大幅提升程式設計效率！在這本實用指南中，作者Brent Laster將教你如何使用生成式AI來迅速寫出更好的程式、輕鬆生成測試程式、在任何開發階段寫出完善的文件…等。本書也會探討進階用法――例如利用Copilot的Agent功能來自動新增功能，以及自動審查pull requests。 《GitHub Copilot學習手冊》適合任何程度的開發者、測試人員、DevOps工程師，以及軟體專業人士。本書除了介紹基本知識外，還會深入討論Copilot Edits、Agent模式與Copilot Vision。你也將學習建立自己的Copilot擴充套件以擴展功能。不論你使用的是Python、JavaScript還是其他語言，本書都能幫你充滿信心地將AI整合到開發流程中。 - 利用即時的AI建議來探索與瞭解陌生的程式與演算法 - 精通行內補全與聊天介面，將常見任務自動化 - 快速、輕鬆地將自然語言提示詞轉換為完整的函式、測試與文件 - 利用背景資訊與提示詞來優化AI生成的結果，以獲得量身打造的解決方案 - 在IDE中透過AI的協助來簡化功能開發與重構

用數學與實作打通最佳化 從理論、工具到應用，學會打造更強的 AI 模型 本書內容改編自第 16 屆 iThome 鐵人賽 AI/ ML & Data 組冠軍系列文章《調整 AI 超參數好煩躁？來試試看最佳化演算法吧！》這是一本以「結合 AI 工具實作搭配少量理論」為核心的最佳化入門到進階指南。全書以直觀圖解與儘可能少的必要數學，帶你理解五花八門的演算法、目標函數與測試函數的本質，並以可直接執行的程式碼範例來串接起常見方法。例如，傳統啟發式演算法、粒子群算法（PSO），與比較近期的灰狼演算法（GWO），以及機器學習跟深度學習中的超參數最佳化（例如 TPE 等）。 書中不只介紹理論與實作，也新增「AI 協作」章節，示範如何下 Prompt，讓你與 AI 分工寫最佳化程式、請 AI 教學演算法與驗證結果。無論你來自影像處理、訊號處理、資料科學或工程領域甚至是學生，都能把最佳化真正用在工作、研究與學習裡。 本書可以學到哪些知識 本書規劃為五大篇、十個章節，以循序漸進的方式引導各位讀者深入最佳化的世界，並精選了一系列實際應用案例，讓各位不僅能理解理論，更能即學即用。 第一篇〈最佳化演算法的全貌〉：本篇會從最佳化技術的基礎概念開始，介紹什麼是最佳化演算法，接著會介紹目前的演算法種類大致分成哪幾種，這幾種演算法中目前比較主流跟比較多研究在使用的演算法有什麼。這些演算法雖然都是以數學來定義的，不過本書會根據這些公式的用途做一個簡單的總結，讓生活已經遠離數學的讀者也可以輕鬆上手。 第二篇〈最佳化演算法評估與測試函數〉：本篇將帶你掌握研究中廣泛使用的測試標準，讓你的最佳化演算法不再只是「感覺變好」，而是能以數據驗證、圖像呈現的方式準確比較表現。從經典測試函數到 Python 實作，幫助你建立完整的最佳化演算法評估公式。不論你是 AI 工程師、研究人員，還是想用最佳化技術提升產品效能的開發者，這章都能讓你學到「量化進步」，優化策略看得見！ 第三篇〈Python Optuna 模組介紹〉：進入實作關鍵！本篇將帶你認識 Optuna，一款靈活又高效的 Python 最佳化工具。無論你是要調校 AI 模型參數，還是優化自家產品或演算法效能，Optuna 都能幫你快速實驗、多次試錯、精準收斂。從基礎語法到深度學習案例，搭配 ChatGPT 提示技巧，讓你能在開發流程中聰明用好最佳化，把模型與應用

☆好評熱銷再上市☆★ ML 最強套件 scikit-learn ? 經典演算法，帶領你徹底攻略所有 ML 必備理論與實踐技能！ ★機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以 Python 3 為基礎，使用 scikit-learn 解決實際問題。全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析 ? 資料獲取 ? 模型建構 ? 推斷 ? 演算法評估，讓你理論與實踐技能一次學會，輕易上手。本書特色ML 的最佳參考書，scikit-learn 的最紮實實戰應用，亦為深入 AI 技術的優良基礎！● 機器學習概述● 資料特徵提取● scikit-learn 估計器分類● 單純貝氏分類● 簡單線性迴歸到多元線性迴歸● k 近鄰演算法分類● 線性迴歸到邏輯迴歸● 非線性分類與決策樹迴歸● 決策樹到隨機森林● 感知機到支持向量機● 從感知機到類神經網路● 主成分分析降維

幫助你解決各類實務問題的演算法寶典 ★ 超過 60 個演算法的介紹與應用 ★ 生成式模型、進階序列模型、大型語言模型 ★ 片單推薦、電商平台商品推薦、餐廳評分系統、詐騙偵測 ★ AI 數位時代工程師必備寶典 《每個程式設計師都應該要知道的 60 個演算法》是資料科學家必備的兵工廠。如果你正在探索資料科學或是希望提升你的技能，這本書是幫助你打下穩固基礎的絕佳起點。 Somaieh Nikpoor博士 | 加拿大政府資料科學與 AI 部門主管，Carleton 大學 Sprott 商學院兼任教授 ＿＿＿＿＿ 使用演算法解決現實世界問題的能力，是每一位開發人員或程式設計師必備的技能。本書不僅能幫助你培養選擇和使用演算法來解決真實世界問題的技能，也會讓你了解這些演算法的工作原理，第二版內容加入了最新的生成式模型與序列模型介紹與應用，讓你能夠輕鬆理解與應對不斷變化的 AI 應用。 你將從演算法簡介開始，進一步學習各種演算法的設計技巧，然後透過實際範例的引導，探索如何實作不同類型的演算法。隨著進度推進，你將學習到線性規劃、頁面排名、圖形演算法，然後運用機器學習演算法來理解它們背後的數學和邏輯。 部分案例研究將會展示如何以最佳方式應用這些演算法，接著，你將聚焦在深度學習演算法，並學習各種不同類型的深度學習模型及其實際的應用方式。 你也會學到關於現代序列模型和它們的變體、演算法、方法論以及架構，用來實作像是 ChatGPT 這類大型語言模型（LLM）。 最後，你將能夠精通平行處理技術的技巧，讓你具備在計算密集型任務中高效運用這些演算法的能力。 讀完這本程式設計書，你將可以熟練地使用各種演算法，解決現實世界中的各種計算問題。 ▍你將會學到以下內容： ⋄ 設計演算法以解決複雜問題 ⋄ 熟悉類神經網路和深度學習技術 ⋄ 探索 Python 程式庫中現有的資料結構和演算法 ⋄ 使用網路分析實作圖形演算法進行詐欺偵測 ⋄ 透過實際範例，深入研究自然語言處理的最先進演算法 ⋄ 建立一個可以向訂閱者推薦電影的推薦引擎 ⋄ 掌握序列機器學習模型的概念及其在開發尖端大型語言模型中扮演的基礎角色 本書藉由各種實務案例研究深入研究LLM的細微差異，同時了解關於序列網路、LSTM、GRU、加密技術等內容，展現演算法的實際應用，並給出如何實作這些應用的程式碼範例，助

Clean CodePython 寫 乾淨程式碼告別技術債，不再為爛程式加班收爛攤寫程式不是比誰先跑起來，而是能否長期維護。當需求一改就骨牌倒、長函式與巢狀條件像毛線球、沒有測試誰也不敢動，這些都是「技術債」。本書以實務為軸，從Clean Code 的定義、Pythonic 寫法、命名與文件、PEP 8 與工具鏈、函數與物件設計、模組化結構、單元測試、例外處理與 logging，到壞味道識別與小步重構，一步步把專案從混亂導向清晰與可持續。你將學到☆Clean Code的5大原則◎「可讀」◎「可維護」◎「單一職責」◎「低耦合」◎「高內聚」☆如何判斷好/壞程式碼與乾淨程式碼的核心特徵。☆Pythonic vs. Non-Pythonic 的差異與常見誤用修正。☆命名、註解、docstring 的可讀性準則，讓程式自我說明。☆PEP 8 + black/isort/flake8 的實戰組合，建立一致風格。☆函數設計：單一職責、控制參數、避免副作用的落地做法。☆物件設計：恰到好處的封裝、避免過度設計與抽象。☆模組化設計：高內聚、低耦合，避開循環匯入。☆單元測試：unittest/pytest 的測試網，降低回歸風險。☆錯誤處理與 logging：把問題抓出來，也把原因留下來。☆重構手法：辨識壞味道、拆長 if-elif-else，穩健演進。適合讀者☆每天與需求變更拔河的一般公司軟體工程師。☆技術主管、Code Review 參與者與維運/測試人員。☆想把「能跑」升級為「能維護、能擴充」的 Python 開發者「為何必讀這本書」的關鍵理由☆把「能跑」升級為「能維護」：讓修改不再牽一髮動全身。☆對抗技術債：用小步重構把壞味道逐一清掉，減少救火。☆可讀性優先：命名、註解、docstring 讓程式能自我說明。☆統一團隊風格：PEP 8 +自動化工具（black/isort/flake8）讓評審聚焦在設計而非格式。☆降低回歸風險：pytest 測試網＋錯誤處理與 logging，建立可靠的安全網。☆穩定交付：把需求變更的成本降到最低，開發節奏更平滑。☆良好設計習慣：單一職責、低耦合、高內聚，在真實專案中務實落地。☆清晰專案結構：模組化與目錄切分，避免循環依賴、縮短新人上手時間。☆有章可循：從 Code Review 清單到重構步驟，立即可用的標準流程。☆減少加班：把時間花在創造價值

產品特色： 隨著 APCS 程式設計先修能力檢測成為升學重要指標，如何有效備考、精準得分，已成為每位高中職學生與教學者關心的課題。 本書從考試介紹、程式識讀、演算法演練，到歷屆試題詳解，提供最貼近命題趨勢的備考資源。不只是教語法，更強調「解題實力」的養成！ 本書特色如下： 1. 完整解析 APCS 檢定架構與準備要點，方向明確不迷路。 2. 跨語言程式識讀教學（C語言＋Python），多元語感一次搞懂。 3. C++ 實作演算法與資料結構重點精華，強化邏輯與寫作力。 4. 歷屆實作題詳解，解題技巧與命題方向一次掌握。 5. 模擬題實戰訓練，題感培養、舉一反三，穩步提升實力。 無論您是初次挑戰 APCS 的新手、苦於突破實作題的考生，或是想找系統教材的教學者，本書都是您邁向高分通過、穩紮程式基礎的最佳選擇！

☆ROS 2 核心架構與通訊機制深度解析☆ROS 2 節點、話題、服務、動作完整實作☆DDS 通訊模型與QoS參數實務設定☆tf 座標系統操作與動態轉換程式開發☆Gazebo 模擬環境與 URDF/XACRO 模型建構☆ROS 2 驅動層設計：從PWM到閉環控制實作☆差速運動學正逆解與底盤驅動開發☆相機標定、影像處理與 OpenCV 整合應用☆深度學習視覺巡線與 YOLO 物件辨識部署☆SLAM Toolbox、Cartographer、ORB 與 RTAB地圖建構實戰☆Nav2 導航框架全域規劃、局部避障與定位技術實務☆rqt、rosbag 與 RViz 資料視覺化工具詳解☆ROS 2 分散式通訊與 SSH 網路整合部署☆C++ 與 Python 雙語言範例完整提供【內容簡介】本書共分三部分、九章，完整涵蓋ROS 2在實際機器人開發中的應用。第一部分為基礎原理篇（第1至第3章），說明ROS 2的核心概念與技術基礎，包括節點、話題、服務、動作、參數機制，並深入解析ROS 2所採用的DDS通訊架構與QoS設定方式，此外也介紹實務開發常用的工具，如ros2 launch、tf變換、RViz可視化、rosbag記錄與Gazebo模擬環境的整合方法。第二部分為機構與驅動篇（第4至第6章），從機器人建模的URDF與XACRO語法開始，延伸到機構模擬與差速底盤的運動學正逆解與實作，並包含感測器資料處理、馬達PWM控制、編碼器讀值、PID閉環控制與ROS 2硬體驅動的整合流程。第三部分為應用實作篇（第7至第9章），涵蓋影像處理與機器視覺模組建置，包含OpenCV影像分析、YOLO物件偵測與視覺巡線應用，並介紹常見SLAM建圖方案如SLAM Toolbox、Cartographer與RTAB-Map的使用流程與設定方式，最後完整說明導航框架Nav2的架構設計、路徑規劃、障礙物避讓與自主探索參數調校方法，協助開發者快速建立具備自我定位與導航能力的智慧型移動機器人。

本書共分為12章，微積分綜覽、微分方程式介紹、一階微分方程式、一階微分方程式模型、高階微分方程式、高階微分方程式模型、拉普拉斯轉換、微分方程式系統、微分方程式的級數解、向量與向量空間、向量分析、傅利葉級數與轉換之理論與應用，適合工專與工程科系之學生用來初學與複習之用。第三版將原附錄的 Matlab 教學改為「Python程式實作」，針對工程數學相關課題提供範例與程式碼；目的是希望您在學習工程數學的過程，同時熟悉Python程式實作，可以深入理解與實際應用，進而提升學習效果。第三版特別增列「學習評量」，針對每個主題在課後提供同學在觀念上的評量，可以協助老師快速了解教學成效。

★★★「程式設計不再孤軍奮戰，讓 AI 成為你的戰友！」★★★☆☆☆「用 VS Code + Copilot，讓寫程式變得像聊天一樣簡單！」☆☆☆★★★「專案實戰，立即上手，程式設計不再卡關！」★★★《寫程式的AI戰友 - VS Code x GitHub Copilot》帶你進入 AI 輔助程式設計的新世代。本書不僅教你如何用 VS Code 打造專屬開發環境，更完整揭示 GitHub Copilot 的秘密武器：自動補全、錯誤修正、重構優化、AI 對話寫程式，讓你像專業工程師一樣高效開發。◎為何要讀這本書？在這個 AI 與程式設計緊密結合的時代，單靠背誦語法已經不足以讓你成為一位優秀的工程師。《寫程式的AI戰友 - VS Code x GitHub Copilot》將帶給你三大核心價值：1. 掌握開發主流工具VS Code 是全球最受歡迎的開發環境，本書完整介紹其安裝、操作與進階應用，讓你在最短時間內熟悉業界標準工具。2. 學會駕馭 AI，而不是被 AI 取代GitHub Copilot 能幫你寫程式，但本書更強調「思維升級」——如何正確下指令、判斷 AI 建議的正確性，培養「指揮 AI」的能力，避免淪為被動依賴。3. 專案實戰，立即上手從 CLI 工具到資料分析，從 API 整合到自動化報表，本書以專案導向學習，讓你邊學邊做，學到的技能馬上能應用在實際工作與專案中。◎ 讀完這本書，你將：☆ 熟悉 VS Code 與 Python 的整合操作。☆ 能使用 GitHub Copilot 提升開發效率，寫程式就像與 AI 對話。☆ 具備判斷、比較與優化程式碼的能力。☆ 透過專案實戰累積經驗，快速從初學者邁向專業者。這不只是一本文教你「怎麼寫程式」的書，而是一本幫你建立 「AI 時代程式設計思維」 的手冊。◎本書特色：☆從零開始：安裝 VS Code、設定 Python 環境、快速上手介面操作。☆AI 實戰：完整示範 Copilot 的用法——寫程式、除錯、重構、生成測試與文件。☆專案導向：涵蓋 CLI 工具、資料處理、API 整合等專案，邊學邊做，馬上能用。☆資料科學應用：結合 Jupyter Notebook、NumPy、Pandas、Matplotlib，立即展現 AI + Python 的威力。☆思維升級：教你如何成為「指揮 AI 的人」，而不是被 AI 主導

★☆★「AI 時代最全面的 ChatGPT 5 實戰指南」★☆★在 AI 快速演進的浪潮中，ChatGPT 5 不僅是工具，更是未來工作與創作的強大戰友。本書從基礎到進階，完整揭示最新的 Agent 模式、任務自動化、Prompt 實戰技巧、Projects 專案管理、Canvas 協同創作、Sora 影片生成 等核心應用，幫助讀者全方位掌握 AI 工作流。本書特色：☆最完整技術解析：從 GPT-5 的多模態升級到語音、影像與影片生成，一次掌握 AI 前沿能力。☆實戰案例豐富：行銷文案、教育教學、投資理財、Python 程式設計、創意影像，涵蓋職場與創作者的各種需求。☆工作流整合應用：教你如何串接 Prompt → Projects → Agent → Canvas → GPT → Sora，打造專屬的 AI 解決方案。☆創意與效率兼具：從資料處理、圖表分析，到文學創作、影音生成，全面提升學習、工作與創作力。這不只是一本工具書，而是一份 AI 戰略藍圖。讓你在 AI 時代不僅跟上，更能領先一步。本書重點內容如下：☆AI助手的重要里程碑 - ChatGPT 5　◎ChatGPT 5 的核心技術與更新亮點　◎GPT-5 在多模態（文字、圖片、語音、影片）上的進化　◎搜尋聊天　◎AI幻覺　◎網頁搜尋　◎閱讀網頁新聞☆輸出格式的 Prompt 規則　◎讓 AI 用您指定的格式回應　◎條列式、Q&A、表格、簡短╱詳細輸出控制　◎限制字數、加入實例、標示來源的技巧☆ChatGPT繪圖 - 開啟心靈畫家的旅程　◎從對話到創作 - 探索AI繪圖的起點　◎深入探索AI繪圖語法 - 打造你的專屬風格☆資料處理與分析　◎表格與數據分析（含 Excel、CSV）　◎PDF、Word、PPT 的自動化摘要與編輯☆AI文學工坊 - 詩詞、小說與創作的全景探索　◎古詩與現代詩　◎規劃與創作一部小說　◎多風格與多語言的創作生成技巧　◎AI 與人類協作的實例☆教育與學習　◎AI 助教與教材生成　◎課程設計與互動學習☆商務與行銷　◎行銷文案與 SEO 優化　◎廣告與品牌策略　◎客戶服務與自動化回覆☆表格資料彙整與視覺化圖表製作　◎表格訊息彙整技巧　◎股市資料的視覺化分析　◎熱力圖分析與應用☆專案(Projects)管理功能　◎專案功能的核心概念　◎專案實作範例與應用 – AI分析均線☆深入研究

從傳統銀行到虛擬資產，洗錢風險無所不在。在全球法遵壓力升溫下，企業與金融機構迫切需要更精準的智能查核工具。本套書整合 ICAEA 國際電腦稽核教育協會認證之兩冊教材，聚焦「盡職調查與黑名單偵測」與「拆單與規避申報查核」兩大主題，搭配 JCAATs AI 智能稽核軟體與案例演練資料，協助讀者全方位強化 AML 查核能力。內容涵蓋黑名單偵測、拆單交易、規避申報、人頭戶洗錢、提現為名轉帳為實等高風險行為的 AI 查核技術，結合大數據分析、模糊比對（Fuzzy Join）、文字探勘與機器學習（ML）模型，提升異常識別效率與監控精準度。JCAATs 為 Python-Based 新世代 AI 稽核工具，支援七國語言與直覺式介面，內建近百項智能查核指令，包括模糊比對、拆單偵測（SPLIT）、風險預測分析等，操作簡易，實務導向，適用於數位轉型下的查核需求。本套書由 ICAEA 國際查核顧問團隊編撰，適用於會計師、內部稽核、監管機關、AML 合規與風控人員。讀者可申請 JCAATs 教育試用版授權，搭配演練快速上手，實現法遵數據化與查核智慧化轉型！◎代理經銷 白象文化

在金融詐欺日益猖獗、假帳技術不斷升級的數位時代，審計人員如何有效辨識財報異常、揭露潛在舞弊風險，成為專業查核的首要挑戰。《數位審計－運用Benford’s Law協助財報舞弊預測性稽核》即是為此而生，結合經典舞弊案例與AI智能查核技術，提供完整實作演練與數位稽核解方。Benford’s Law（班佛定律）揭示自然數字分布的規律，長年被譽為「假帳剋星」，已廣泛應用於全球財報稽核與法遵會計領域。本書以國際知名財報舞弊事件為例，解析企業造假邏輯，搭配JCAATs AI稽核軟體的班佛定律專業指令，讓讀者快速上手數據分析、查核指令與視覺化判讀。JCAATs為新世代Python-Based AI稽核軟體，具備直覺化操作介面與內建Benford指令，無須程式背景亦能輕鬆應用。書中亦收錄完整OPEN DATA與TEJ資料匯入與融合實作範例，協助讀者模擬查核流程、熟悉風險偵測步驟。本書由ICAEA國際電腦稽核教育協會認證顧問團隊編寫，特別適合會計師、內稽人員、財報分析師、法遵主管及商管院校教師使用。凡購書者皆可申請JCAATs教育試用版軟體90天授權，搭配教學演練資料，快速掌握AI查核技能，強化財報審計能力。無論您是想提升專業競爭力、導入科技查核工具，或是培育稽核團隊能力，本書皆是您不可或缺的實戰教材。◎代理經銷 白象文化

本書旨在提供一套兼具理論深度與實務操作的研究指南，協助讀者理解此一取徑背後的方法論依據，並掌握如何在實務上正確應用。全書分為十章，從基本的反事實因果推論概念出發，逐步引導讀者了解聯合分析的邏輯、實驗設計的策略、樣本數的估算，以及如何運用Qualtrics進行聯合網調實驗，並運用R及Stata軟體分析資料，亦將Python程式碼列於附錄一。 本書適合具備基礎研究方法訓練的碩博士生、學術研究人員、政策分析者與市場研究專業人士閱讀。我們期望透過本書，讓更多人能夠在繁雜的社會現象中，透過嚴謹的實驗設計與網路調查的靈活性，精準地探究人類行為背後的偏好結構與因果邏輯。

從概念到實作，全方位掌握 RAG 與 LangChain 精準打造你的專屬 AI 系統！ 本書改編自第16屆 iThome 鐵人賽生成式 AI 組優選系列文章《初探 LangChain 與 LLM：打造簡易問診機器人》，完整收錄生成式 AI、大型語言模型（LLM）與檢索增強生成（RAG）的核心觀念與技術細節。 書中首先帶領讀者認識生成式 AI 與 LLM 的重要觀念，深入探討模型常見的幻覺問題與即時知識更新的難點，並逐步引導讀者學習 RAG 架構如何有效克服這些挑戰。接著，以詳細且易懂的步驟說明環境建置方法，包括 Python、PyCharm、OpenAI API 及 MongoDB Atlas 的設定，確保讀者能快速架設並應用於實務專案。 此外，書中透過實際案例「智慧問診機器人」專案的完整演練，全面介紹 LangChain 框架的基礎到進階操作技巧，並深入說明如何評估與測試系統效能，運用 DeepEval 及 LLM as a Judge 等工具進行成效驗證，幫助讀者掌握 RAG 系統的實務與優化策略，快速提升實戰能力。 無論你是初次接觸生成式 AI 的新手，或希望深度實作 RAG 技術的進階讀者，本書將引導你扎實地掌握理論基礎與技術細節，輕鬆建立屬於自己的高效能智慧應用系統。 重點摘要 ✦ 理論基礎 深入淺出 RAG 核心觀念 ✦ 環境架設 從開發到部署一本搞定 ✦ 實務專案 採用貼近生活的問診系統實戰演練 ✦ 效能評估 開發同時也關注模型回答的表現 目標讀者 ．對生成式 AI 有興趣的讀者 ．具備基礎 Python 知識的讀者 ．期望理解 RAG 系統的人士 ．想要了解如何評估 RAG 表現的開發者 本書從基礎概念出發，帶領讀者探索 LangChain 與 RAG 的整合應用， 並透過智慧問診機器人實作，展現生成式 AI 如何與後端技術結合，打造更智能、更可靠的應用。

零基礎也能打造AI物聯網， 用Node-RED整合YOLO與LLM， 全方位建構你的AIoT與邊緣AI應用！ 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 內容重點 ➤ 使用Node-RED視覺化流程建立監控儀表板（Dashboard）、MVC網站、REST API和使用MySQL資料庫儲存感測器數據。 ➤ 詳細說明MQTT通訊協定、取得網路OpenData與JSON資料剖析、寄送Email電子郵件與Telegram通知。 ➤ 使用Teachable Machine與YOLO訓練自己的AI模型，並且串接LLM來輕鬆使用Node-RED整合生成式AI，建立你的AIoT智慧物聯網應用。 ➤ 完整YOLO模型訓練步驟，只需執行各步驟的Python工具程式，就可以使用LabelImg標註圖片建立資料集，訓練出你自己的YOLO物體偵測模型。 ➤ 提供綠化版Node-RED+Python整合套件fChartEasy，免安裝輕鬆幫助你建構學習本書內容所需的Windows開發環境。 你將學會以下實作專案： ✔ 建立溫溼度監控儀表板、繪製Node-RED圖表、送出天氣通知 ✔ 使用Teachable Machine 模型、標註圖檔、YOLO客製化模型 ✔ 打造透過MQTT控制的ESP32-CAM相機與IP Camera，輕鬆建立你的AI之眼 ✔ 建立AI猜拳遊戲、OCR車牌辨識、物體偵測、即時串流偵測、路況分析 當人工智慧結合物聯網成為未來主流，本書提供一條簡單易學的路徑，帶你從視覺化流程工具Node-RED入門，逐步整合YOLO物體偵測、Teachable Machine影像辨識與LLM大型語言模型，打造出屬於自己的智慧感知系統。全書以圖解＋範例方式呈現，並搭配專為本書設計的fChartEasy綠化開發套件，簡化安裝流程快速上手。不論是專題學生、教師或AIoT初學者，都能從中找到有用且完整的解決方案。 本書特色  視覺化開發×無痛入

網路自動化領域的權威之作，帶你完整掌握核心技術，從手動操作邁向自動化管理，打造彈性高、易維護的現代網路架構！ 還在用手動設定網路設備、與CLI指令纏鬥傷神嗎？ 四位業界大師結合豐富實戰經驗，帶你從腳本到架構、從手動升級到自動流程，全面掌握現代化網路的關鍵技術！ 本書新版內容全面升級，整合Python、Go、Ansible、Terraform、Kubernetes等新一代主流工具與技術，從基礎入門到大型架構實戰，帶你逐步打造具備彈性、可維護、自動化的現代網路環境。適合想要從傳統網路工程轉型為具備程式設計與自動化能力的工程師！  涵蓋Python、Go語言網路自動化實務  深入講解Ansible、Nornir、Terraform等主流工具與應用  解析容器、Kubernetes與CI/CD整合實作  真實情境導向，從個人學習到企業級部署的多場景適用  網路工程師、系統管理員、軟體開發人員必備工具書 ------------------------------------------------------------- 「本書協助網路專業人員及開發者寫出清晰、易於擴充的網路自動化劇本。它幾乎涵蓋了掌控網路自動化須知的每一件事物。」 —Akhil Behl RedHat合作夥伴經理 隨著新的協定、新技術、交付模式推陳出新，企業的需求變得日益靈活與彈性，網路工程師想單靠手動作業完成工作已越來越難，因此網路自動化已成為不可或缺的技能。本實用指南的第二版全面更新內容，將帶領網路工程師學習如何運用各種技術與工具，內容涵蓋以下主題： ．以Linux為主的新穎網路功能技術及雲端原生環境，還有如何運用這些工具為網路專案布置開發環境。 ．使用Python與Go語言等程式設計技能。 ．藉由範本設計建構一致的網路裝置組態。 ．資料格式、編碼方式及模型。包括：JSON、XML、YAML、Protobuf與YANG。 ．應用程式設計介面(API)在網路自動化中扮演的角色，涵蓋HTTP API、NETCONF、RESTCONF與gNMI。 ．學會使用Git等版本控制系統，以及持續整合等開發實務，強化網路自動化專案的品質與流程。 ．如何透過Ansible、Nornir及Terraform來自動化網路裝置與服務。 ．架構網路自動化解決方案的整體性手法。

Stability AI官方合作夥伴從零開始教， 新手也能即學即用，最實用的AI繪圖入門指南！ 手機、平板也能用，一本成為AI生成創作者。 ※適用Google Colab & Stability Matrix環境 ＊一本書一次解決下列問題！ ‧想認識圖像生成AI ‧想生成自己專屬的圖像 ‧想用AI輔助一部分工作 ‧想親自確認AI的實用性 ‧想學習實際的應用例與注意點 圖像生成模型「Stable Diffusion」存在許多不同的版本。本書將主要介紹如何使用「Stable Diffusion XL」(SDXL) 和「AUTOMATIC1111/Stable Diffusion WebUI」(v1.8.0) 進行數位插畫製作。 本書並非為精通GPU、Python和機器學習相關技術的人士所撰寫，也不以需要高額設備投資，而更重視「學習更基礎的知識、技能和表現技術，使讀者掌握能長久應用的技能」。編寫團隊以實用且能穩定獲得的成果為依據，並以清楚說明容易出錯的地方以及提升繪圖品質的「訣竅」作為本書的編寫方針。 將會以SDXL和Google Colaboratory（Colab）這個無需使用GPU，即便是新手和一般使用者也能輕鬆使用的標準環境為中心來進行解說。只要擁有Google帳戶，任何人都能使用這個環境，再加上AICU公司開發和翻譯的便捷腳本，就能以最少的先備知識和環境建置技能，舒適地體驗圖像生成AI。 此外，即使是完全沒有程式設計知識的人，也能學到如何自行修改腳本，打造屬於自己的舒適創作環境。

‧軟體測試職涯 探討職業發展與未來趨勢。‧實體到軟測 透過實例理解測試核心概念。‧需求評審技巧 強化文件評審與測試準確性。‧多種測試方法 涵蓋等價類、邊界值等技術。‧Bug追蹤管理 介紹禪道等工具提升效率。‧Linux與資料庫 強化測試環境與數據操作能力。‧Web自動化測試 使用Selenium+pytest提升效率。‧API測試實戰 從HTTP基礎到實際案例分析。‧封包抓取分析 利用Charles定位前後端問題。‧Python測試應用 透過Requests、pytest完成自動化。‧AI在測試中 NLP技術輔助測試，提升測試效能。‧求職與面試 履歷製作、題庫解析與模擬問答。本書內容包含測試職涯發展、學習路線與核心素質，並透過實體產品測試實例幫助讀者理解測試概念。軟體測試從需求評審開始，書中解析如何審查需求文件，確保測試的準確性，並深入探討測試計畫、測試用例設計與功能測試方法，如等價類劃分、邊界值分析、錯誤推測等，使讀者掌握測試用例的編寫與評審技巧。在測試執行方面，本書介紹 Bug 追蹤與測試管理工具，提升測試效率，並涵蓋 Linux 指令與 MySQL 操作，幫助測試人員搭建與管理測試環境。書中還深入探討 Web 自動化測試，透過 Selenium 與 pytest 測試框架與 POM 設計模式提升自動化能力，並介紹 HTTP 介面測試，幫助讀者強化 API 測試技能。此外，本書涵蓋封包抓取與分析，利用 Charles 工具解析封包內容，有助於前後端錯誤定位，並提供 Python 自動化測試應用，透過 Requests、pytest 提高測試執行效率。近年來 AI 在測試領域的應用日益重要，本書探討 AI 與 NLP 技術如何輔助測試，如自動生成測試用例與指令碼提升測試效能。

不要再問『為什麼 ChatGPT 可以？』，你寫的程式也可以！開發生成式 AI 應用程式時總是在想『為什麼 ChatGPT 有這個功能？』，現在你也可以。本書帶你學會 OpenAI API 關鍵元素，達到跟 ChatGPT 類似的功能。｜用 Realtime API 提供進階語音模式｜開發直接語音交談，隨時插話的應用，再加上其他章節介紹的 function calling 與 MCP 等，實現真正出一張嘴、連打字都不用就可以操控的應用程式。書中會帶你實踐桌面版與網頁版的語音交談程式，各種情境都能派上用場。｜透過 MCP 介接全世界｜MCP 雖然不是 OpenAI API 的一部分，但卻可以接上各式各樣的輸入與控制功能，本書會教你設計可分享功能給他人使用的 MCP 伺服器，也會實作具備 MCP 用戶端的主控程式，介接你自己或別人提供的 MCP 伺服器幫模型長出感官與手腳。｜用 Responses API＋內建工具快速實作 RAG 應用｜Responses API 可以使用多種內建工具，搜尋網路、文字生圖、撰寫並執行 Python 程式碼都難不倒它，還可以檢索檔案，提供檢索片段內容幫模型增長知識，快速設計 RAG 應用。｜可運作多 agent 的 Agnets SDK｜實現讓程式自主決策並執行任務、達成代理人（agent）的理想，Agents SDK 還可以協調多個 agent 彼此合作，把任務交棒給最合適的 agent 處理。｜運用推理模型解決複雜數理問題｜透過 API 使用推理模型，還可以像是 ChatGPT 那樣呈現推理過程，不再需要撰寫複雜的提示內容或是指示，就可以解決數理或是邏輯問題。｜深度瞭解 function calling 機制｜不論是 Agents SDK 還是 MCP，底層的運作關鍵就是 function calling，你不一定會直接使用它，但瞭解它卻是延伸模型能力的必備基礎。｜直指核心設計的範例｜學習 API 當然可以直接看官方文件與範例，不過官方範例有時候因為想要有漂亮的 UI 呈現等原因，採用了你不一定熟悉的框架，使得範例本身摻雜太多非必要的元素，混淆了真正的關鍵主題，在設計範例時我們就特意保留最精簡的架構，高度聚焦提升成效。｜能踩的雷我們都先幫你踩過一遍｜使用 API 光看文件是一回事，實際測試又是一回事，尤其像是 MCP 要介接其他人提供

1.全新的內容編排，提供學生視覺上的增強學習與閱讀的便利性。2.各章首安排本章節次及學習目標等，提供學生課前掌握學習重點。3.全書採用數百幅精緻全彩圖片，圖表化說明相關原理，讓學生以最簡易的方式學習深澀理論。4.全書圖例採用機能性標誌引導，讓學生準確學習，提升學習效率。5.本書使用Python程式語言。6.每一章附有課後習題，依各節順序編排，適合學生循序複習。7.每一章均有探討活動，讓學生學會去思考與分析問題，從中找出解決的方法，再選擇適合的資訊科技，與他人進行共創。

用最簡單的方式，打造專屬於你的自動化神器，從此告別重複工作，把時間拿回來！★ 不會寫程式也沒關係，AI 幫你一行一行生出來★ Google Apps Script、Python、VBA 三大語言通通教，幫你選最適合的那一個★ 搭配大量實用案例，讓你馬上應用在日常工作★ 從自動寄信、整理報表，到跨平台整合，通通一書搞定★ 專為初學者設計，每段程式碼都有白話說明只要你曾經想過：「這工作可以不要一直重複做嗎？」這本書，就是你的解答！【簡易入門】讓你從 0 開始不怕程式．三大熱門自動化工具：Google Apps Script、Python、VBA，一次搞懂差異．完整入門流程：從介面操作、程式碼結構，到如何用 AI 協助寫程式．初學者必備觀念：function、debug、權限、API…通通白話解釋【動手實作】跟著做就會，自動化實戰案例滿載．自動寄送報表給主管、定時備份資料、表單送出即時通知．整合 Gmail、Google Sheets、Forms、Drive，打造你的工作助理．案例皆搭配 GenAI 助手操作範例，讓你不懂語法也能跑起來【自由創作】玩出自己的創意自動化．結合多個工具，打造跨平台的工作流程．學會部署前端小介面，讓你寫的程式更好用、更像一個小產品．把 AI 不只放在旁邊寫程式，而是真正「嵌入」到你的程式裡面！【本書適合】◎行政人員與助理：每天重複處理表單、報表、寄信、對帳◎中小企業老闆或主管：希望提升工作效率、又沒有程式背景◎會計、財務與人資人員：經常操作 Excel 或 Google Sheets◎業務與行銷人員：身兼多工、想把流程自動化◎自由工作者、創作者與接案者：想靠自己建立自動化工具◎學生與轉職者：想打好基礎、未來走向資料分析或工程領域

開啟AI時代，成就數據超能力！── 從生成式AI到數據驅動決策，全面進化你的職場實力。當世界被 ChatGPT、Google Gemini、Claude AI、Grok、DeepSeek 等生成式AI顛覆，當數據成為每一個決策、每一次創新的燃料！你，準備好用什麼能力迎戰未來？本書由科技實務專家編著，結合多年第一線教學經驗與產業觀察，帶領你系統化學習：? 提示工程（Prompt Engineering）──學會設計「能聽懂人話」的AI指令，精準駕馭生成結果。? 數據採樣與清理──運用Python、Pandas、Requests、BeautifulSoup、Selenium等工具，快速掌握乾淨且有價值的資料。? RAG（檢索增強生成）實戰──從理論到實作，建立能自主學習的智慧系統，整合 Hugging Face 資源。? 流程自動化與排程──讓你的數據收集與模型調用不再靠手動，效率翻倍提升。? 多元開發環境──從Google Colab雲端作業到Anaconda本地部署，甚至VSCode高效開發，一網打盡。不只是工具操作，更是一次次解構真實場景的訓練：政府開放資料、電商平台趨勢分析、醫療資料探勘…在每個場景中精煉技術、磨練思維。這是一本真正實務導向的書。適合所有希望在數位轉型時代，掌握未來主導權的你──學生、研究者、工程師、稽核、智財專家，或者，渴望蛻變、再出發的職場人。跟著本書，讓你從「使用AI的人」進化成「駕馭AI的人」。【專業推薦】國立中正大學成人及繼續教育學系教授、教育部樂齡學習總輔導團計劃主持人──魏惠娟明安國際集團董事長室內部稽核、資深內部稽核專責人員──張景評錸成科技有限公司執行長──?春愛聖橋國際專利商標事務所執行長──楊仁豪伽碩企業有限公司執行長──郭明洽元大銀行系統開發部專業副理──陳尚瑋