Python

作為全面介紹Vim使用方法的教程，本書介紹了各種常用的文本編輯方法和程序設計中的實用操作，深入Vim內部的數據結構和VimScript腳本編程，內容詳實。本書基於Vim 8平臺，介紹了前沿分支Neovim，還推薦了更先進的Oni編輯器，兼容並包，集Vim社區典型使用經驗和發展趨勢於一體。本書面向的讀者群體是所有使用Vim的程序員，書中的示例文本為Python代碼，並詳細介紹了Git和正則表達式。讀者需要對操作系統和程序設計有基本的瞭解，特別是需要瞭解Linux操作系統的基本使用。雖然本書嘗試兼顧三大操作系統，但毫無疑問書中內容以Linux為主。本書可以幫助讀者完善Vim技能，增加程序設計的知識儲備。

編程已然成為 21 世紀最流行、最重要的必備技能之一。編程可以方便地解決生活中遇到的多種問題，讓生活變得更簡單。本書共分為 5 部分。第 1 部分（第 1 ～ 3 章）講解什麼是代碼、編程中常用的語言和編寫代碼的流程；第 2 部分（第 4 ～ 9 章）講解如何使用 HTML、CSS和 JavaScript 編寫一個規範的網頁；第 3 部分（第 10 ～ 12 章）介紹構建一個Web 應用的具體過程；第 4 部分（第 13 ～ 14 章）簡單介紹 Ruby 和 Python 語言的作用和用法；第 5 部分（第 15 ～ 16 章）介紹一些程序員常用的編程資源和初學者應該注意的問題。

本書以掌握Python語言基礎為前提，由淺入深、全面系統地講解了機器學習的相關知識及技能，內容注重實用性和可操作性，在介紹機器學習理論知識的基礎上，結合具體的實戰實例，給出了詳細的代碼及實現步驟。全書共9個項目，分別介紹了數據分析基礎、機器學習項目實戰流程、探索性數據分析與特徵工程、常見機器學習算法及框架、交叉驗證與超參數調優，並結合主流機器學習技術框架Scikit-learn，展開了信用違約分類預測、社交媒體評論分類預測、共享單車用量需求回歸預測、信用卡客戶忠誠度回歸預測的項目實戰。

本書以培養學生的計算思維為出發點，結合全國計算機等級考試二級考試大綱，較全面地介紹了計算機工作原理，以人工智能時代使用最普遍的程序設計語言Python為例介紹程序設計方法，從數據結構、軟件工程、數據庫基礎知識幾方面介紹計算機軟件開發工作原理，介紹計算機網絡基本原理、多媒體音視頻的處理方法，介紹智能時代的大數據技術、雲計算、人工智能技術，為讀者深入瞭解計算機系統、理解計算機工作原理、跟蹤計算機技術發

本書從自然語言處理初學者的視角出發，以Python及其相關框架為工具，以實戰為導向，系統講述了中文自然語言處理中的基本概念、理論方法和經典算法，既有對基礎知識和理論模型的介紹，也有對相關問題的實現方法和技術現狀的詳細闡述。通過使用NLP中流行的jieba、LTP、HanLP、NLTK等工具庫解決案例中的問題，使讀者既能理解問題背後的原理，又能學習解決實際問題的思路和方法，提高使用自然語言處理方法來解決實際問題的能力。本書可以作為各類職業院校人工智能技術應用及相關專業的教材，也可以作為自然語言處理初學者的入門參考書。本書配有電子課件等教學資源，選用本書作為授課教材的教師可登錄機械工業出版社教育服務網(wwwcmpeducom)註冊後免費下載，或聯繫編輯(010-88379807)諮詢。

人工智能時代，數字數據的爆炸式增長推動了人們對使用機器學習(ML)的交易策略相關知識的需求。《機器學習在算法交易中的應用(第2版)》就以Python為基本工具，從全局、戰略的視角介紹了相關的概念，以及機器學習在交易策略設計和執行中的價值及實踐運用。全書分4部分，其中第1部分主要介紹基於機器學習的交易策略的基礎知識，該部分內容圍繞機器學習算法以及交易策略相關的數據展開，概述了如何有效捕獲數據信號內容、如何準確提取特徵，以及如何基於這些數據優化算法評估投資組合。第2部分重點闡述了在端到端工作流環境中，一些基本的監督學習、無監督學習是如何為交易策略的制定提供幫助的。第3部分是自然語言處理，這部分引入了無監督學習算法，力求從文本數據這種最關鍵的另類數據中高質量地提取信號。第4部分通過TensorFlow和PyTorch,重點介紹深度學習和強化學習在交易策略設計中的應用。 《機器學習在算法交易中的應用(第2版)》通過大量示例，詳細介紹了如何使用不同機器學習算法設計交易策略，並通過大量的數學及統計知識，幫助讀者更好地理解算法調優過程及整個計算過程。特別適合想獲得用於交易的機器學習算法相關知識或想設計交易策略的數據分析師、數據科學家、Python開發人員、投資分析師或投資組合經理參考學習。

本書以當前軟件測試人員掌握的主流編程語言Python為主，詳細介紹了自動化測試的基礎知識、進階知識和項目實戰。全書分為3部分，共8章，分別介紹自動化測試概述，單元自動化測試，接口自動化測試，界面自動化測試，擴展現有自動化測試框架，開發全新自動化測試框架，項目實戰，持續集成、持續交付和持續部署等知識，且每個知識點都有相應的實現代碼和實例。 本書適合有一定編程基礎的測試工程師、自動化測試工程師、測試開發工程師及測試管理者閱讀，也可作為全國高等院校或培訓機構的教材。

本書將數學理論與實例相結合，這些實例以最先進的通用機器學習框架為基礎，由Python實現，向讀者介紹更複雜的算法。全書共25章，包括機器學習模型基礎、損失函數和正則化、半監督學習導論、高級半監督分類、基於圖的半監督學習、聚類和無監督學習模型、高級聚類和無監督學習模型、面向營銷的聚類和無監督學習模型、廣義線性模型和回歸、時序分析導論、貝葉斯網絡和隱馬爾可夫模型、最大期望算法、成分分析和降維、赫布學習、集成學習基礎、高級提升算法、神經網絡建模、神經網絡優化、深度卷積網絡、循環神經網絡、自編碼器、生成對抗網絡導論、深度置信網絡、強化學習導論和高級策略估計算法。

本書是基於幾款常用的大數據分析軟件編寫的，以項目教學的方式循序漸進地講解大數據可視化技術的基本原理和具體應用的方法與技巧。本書分為7個項目，具體內容為：瞭解大數據可視化、數據可視化過程、數據可視化工具、Excel數據可視化、Tableau數據可視化、ECharts數據可視化、Python數據可視化。本書案例豐富、內容翔實，操作方法簡單易學，既可以作為職業院校計算機與軟件工程相關專業的教材，也可以作為從事數據分析相關工作的專業人士的參考用書。

本書根據現有的大數據技術理論，綜合介紹了大數據技術的相關基礎理論知識，並提供了部分實踐操作介紹。全書共 8 個章節，內容包含大數據的概念與特徵，大數據計量，大數據生命週期，大數據與雲計算，大數據處理架構Hadoop，分布式文件系統 HDFS，MapReduce，大數據編程語言Python，Spark，R語言，爬蟲技術，MINIST 數字識別技術，數據建模，k- 鄰近分類算法，聚類分析，數據預處理，數據可視化，大數據應用，大數據安全與威脅。本書分別在大數據采集與預處理、數據挖掘與分析等重要章節中安排了入門級的實踐操作，以便讀者更好地學習和掌握大數據關鍵技術。本書可以作為高等院校數據科學與大數據等相關專業的課程教材，亦可作為大數據愛好者的科普讀物。

專著,自動駕駛汽車、自然語言識別、內容推薦引擎的實現都離不開人工智能和機器學習算法.機器學習算法只有在解決具體問題時才能體現價值.本書以解決各種有趣的問題為目標,教讀者用Python、C++、JavaScript編寫機器學習算法,內容深入淺出,兼具實用性與大局觀.讀者將學習編寫遺傳算法、啟發式算法、爬山算法、模擬退火算法,運用蒙特‧卡洛模擬、點格自動機、適應函數解決問題.本書尤其適合對人工智能和機器學習感興趣的程序員進階學習.

本書並非簡單地介紹兩種語言和框架API相關的圖書，而是以Django與Vue.js為載體，詮釋前、後端技術生態中**的優化方案和思路。 本書主要內容包括網絡編程與異步併發的基礎，軟件工程的設計模式在前端技術中的演進，從Vue.js的核心開發指南到Webpack編譯打包的優化經驗分享，Web/Service Workers與WebSocket為Vue.js實現多線程離線加速，揭秘Vue.js全方位異步惰性加載優化，Django、PyPy、WSGI和Gevent的全套異步方案實戰，Asyncio、gRPC、Channels與Django的分布式應用實戰，Python Agent技術分享。 本書內容豐富、案例眾多，適合想瞭解全棧技術的前、後端開發人員學習使用，也可作為相關培訓機構、開設相關專業課程院校的教材。

本書第一章主要介紹科創的基本CAD設計軟件及常用的金加工方式，如Solidworks， 3Ds Max等；第二章介紹機器人動力學基礎，基本結構及控制方法，主要以人形機器人、機械臂等為主；第三章介紹機器人感知部件及執行機構，如相關的傳感器、電機、舵機等；第四章主要介紹兩種通用的編程語言，C++及Python；第五章則是介紹科創過程中常用的控制芯片及其應用方法，如STM32；第六章介紹機器人開發的神兵利器――ROS；第七章介紹人工智能技術基礎；第八章介紹元宇宙技術。

本書基於“基礎知識” +“代碼示例” +“應用案例”的模式編寫，共包括 7個項目。項目 1主要介紹互聯網數據采集的入門知識；項目 2通過一個入門級的簡單案例，介紹互聯網數據采集的基本流程；項目 3通過一個進階的案例，詳細介紹在沒有給出官方開放 API的情況下，如何通過抓包工具獲取 XHR請求地址；項目 4主要介紹 HTML文檔數據的採集，對 HTML進行解析，以及如何提取數據的屬性與文本；項目 5主要講解批量獲取數據的整理與合併技巧；項目 6重點講解如何通過 Python的 pymysql庫對 MySQL進行讀寫；項目 7給出了對半結構化數據進行處理的最佳實踐。 本書內容條理清晰、案例豐富，可以作為職業院校大數據、人工智能、雲計算等相關專業的教材，也可以作為行業從業人員的參考用書。 本書封面貼有清華大學出版社防偽標簽，無標簽者不得銷售。

本書適合那些對人工智能感興趣，且具備一定移動終端應用程序開發經驗的讀者。如果您掌握一定的JAVA 、C++或Python語言開發知識，同時具備Android操作系統或IOS操作系統的應用的開發經驗，將能迅速掌握基本的移動終端人工智能應用開發方法。如果您只是對人工智能技術感興趣，相信本書也能帶您瞭解人工智能技術是如何在移動終端上部署和運行的。

‧用監督學習回歸模型開發算法交易策略和衍生品定價模型。 ‧用監督學習分類模型預測信貨違約概率，檢測欺詐行為。 ‧用降維技術解決投資組合管理和收益率曲線構造問題。 ‧為實現交易策略和管理投資組合，用降維和聚類技術尋找相似資產。 ‧用強化學習模型和技術開發交易策略、衍生品對沖策略，管理投資組合。 ‧用NLTK和scikit-learn等Python庫解決金融領域自然語言處理問題。

本書是“高級人工智能人才培養叢書”中的一本，首先介紹了機器學習的相關概念和發展歷史，並在此基礎上提出了深度學習――它本質上是近幾年來大數據技術催生的產物。本書共12章，其中，第1～7章為機器學習的內容，分別介紹了機器學習的簡單模型、貝葉斯學習、決策樹、支持向量機、集成學習和聚類；第8～12章為深度學習的內容，由感知機與神經網絡開始，之後分別介紹了卷積神經網絡、循環神經網絡、生成對抗網絡及強化學習。第2～12章均提供了相應的實驗案例，不僅配有完整翔實的Python語言代碼及相關注釋，也給出了實驗結果和實驗分析，便於初學者上機操作並加強理解。本書注重易學性、系統性和實戰性。

本書在內容選取上，注重實踐性和應用性，突出應用型人才培養特色；突出立體化、自主學習式教學資源平臺整合。全書共8章內容，主要包括計算機文化與前沿技術、計算思維導論、Windows 10應用、Word 2016 綜合應用、Excel 2016 綜合應用、PowerPoint 2016綜合應用、Python基礎應用和多媒體數據處理。對於操作應用性強的部分均設置任務，每個任務均按照“引導任務卡→任務分析→任務實施→難點解析”的順序進行，既能覆蓋全書的主要知識點和技能點，帶動教學的主要內容，又能切合日常的工作、生活，實用性強。 本書不僅可以作為應用型本科院校非計算機專業學生的計算機基礎教材，也可作為各類從業人員的職業教育和在職培訓的計算機入門教材。

隨著無人駕駛技術的發展，智能網聯汽車計算平臺在智能駕駛中的作用也愈發重要。本書是智能網聯計算平臺測試應用與調試開發的初級教材，主要介紹了智能計算平臺的架構、搭建、拆裝、應用開發等相關知識。全書共8章，以學習任務為出發點貫穿教學，通過任務導入、任務分析、任務資訊、任務準備、任務實施、任務檢查與評價逐層深入實踐。本書內容包括智能網聯車載計算平臺的基礎知識、框架結構和硬件認知，Python語言和Linux系統的相關操作和基礎知識，華為MDC平臺和智行者計算平臺的拆裝與調試，以及相關軟件的環境部署和操作技巧。 本書可作為大專院校智能網聯汽車相關專業師生的教材和參考書，也可供汽車使用、維修、檢測和管理等行業的相關人員學習參考。

本書採用豐富的圖例來闡述數據結構的基本概念，力求簡潔明瞭地闡述複雜的算法理論，以Python作為描述語言解析算法的執行過程，以大量的範例程序來展示數據結構的使用及其相關算法的具體實現。 數據結構是計算機專業的核心課程之一，也是編程愛好者程序設計的重要基礎。本書內容體現這門必修課的完整知識體系：數組、鏈表、堆棧、隊列、樹、圖等數據結構，以及基於這些數據結構的各類算法等。為了教學的需要，每章都提供了豐富的課後習題及詳細的參考答案。 本書圖文並茂，文字簡潔、清晰，範例豐富、可操作性強，並配有視頻教學、PPT課件和範例程序源碼，適合學習數據結構和算法的讀者作為自學參考書，也適合作為高等院校計算機及信息相關專業的教材。

本書採用產教融合方式編寫，以數據分析與可視化應用場景為設計框架，選擇汽車、金融、生活、零售、電子商務等典型的數據應用場景，以Python 為數據分析與可視化工具，以機器學習為主要分析方法。全書以通俗易懂、圖文並茂的方式，介紹了商業問題的分析邏輯、處理流程及工具方法的有效使用，幫助學生形成可以遷移的問題解決認知圖式，避免課程學習變成純粹的統計理論知識學習，或者簡單數據分析工具（軟件）的操作訓練。本書適合高等職業院校及應用型本科院校學生使用，同時也適合對商業數據分析與可視化感興趣的企業、培訓機構相關人員使用。

本書是為順應智能時代教育信息化發展和滿足教師專業發展的現實需求編寫的，並以“理論與技術相結合，實用性導向”為宗旨，全面介紹教育人工智能研究及發展應用的基本原理和方法，學完本書後，讀者將對教育人工智能有全面的瞭解，並能掌握其整體知識框架。本書共分十六章，主要內容包括緒論、教育人工智能理論基礎、教育人工智能應用實踐、教育人工智能倫理、Scraino 程序設計、Python 程序設計、其他常用的編程語言、知識表示方法、數據挖掘、搜索技術、群智能算法、機器學習、自然語言處理、視覺圖像處理、教育專家系統、教育多智能體與教育機器人。為便於讀者學習和使用，本書各章還分別設置了學習目標、學習建議和思考題等。 本書可供本科生、研究生和教師閱讀，也可供對教育人工智能感興趣的讀者自學。

本書是高校計算思維通識教育類課程的入門教材，以基於計算機的問題求解為主線，以計算思維能力培養為目的，從全新的視角組織教學內容，突出計算理論與計算機科學方法。全書共7章，分別介紹了計算與計算思維、信息表示、計算機系統、程序設計基礎――Python編程入門、信息傳遞與信息安全、人工智能基礎、機器學習等內容。 本書內容豐富、結構清晰、語言簡練、圖文並茂，具有很強的實用性和可操作性，可作為高等學校本科生的第一本計算機課程教材，也可作為大中專院校計算機課程的教材或教學參考書。對各類計算機教育者、從事計算機各方面工作的人員，本書也是一本很有價值的參考書。

本書以高等職業教育的人工智能類專業人才培養基本要求為指導, 以培養學生掌握智能語音信號處理及應用為目標, 以“必須、夠用”為原則,採用“項目教學法”, 系統介紹了智能語音信號處理的基本理論、方法以及Python在語音信號處理中的應用。全書包含六個教學項目, 其中, 項目1介紹了智能語音的概念樂展、未來趨勢以及應用, 語音信號的採集讀寫和播放的技術原理以及處理的-般流程; 項目2介紹了語信號分析的基礎知識, 語譜圖的概念、應用和繪製方法; 項目3介紹了語音識別技術的應用; 項目4介紹了語音合成技術的應用; 項目5介紹了對話機器人的關鍵技術及應用; 項目6介紹了聲紋識別的關鍵技術應用。

當今時代，人工智能技術越來越受重視，影響著人類生活的方方面面，提高人工智能相關知識素養，十分有必要。全書是人工智能入門類基礎書，共10章，內容包括人工智能概述、機器學習、神經網絡與深度學習、智能語音處理及應用、計算機視覺處理及應用、自然語言處理及應用、知識圖譜及應用、機器人、經典智能算法 Python 實現、展望等。本書適合作為高等院校人工智能、計算機科學與技術、大數據、軟件工程或相關專業的入門教材，也適合從事相關工作的人工智能愛好者和工程師學習閱讀。

《大學計算機基礎教程（第3版）》根據《大學計算機基礎課程教學基本要求》編寫。 《大學計算機基礎教程（第3版）》共9章，第1章介紹計算機系統與信息技術知識；第2章講述操作系統和Windows7的使用；第3章學習運用字處理軟件Word2016編輯與排版文檔；第4章學習使用電子表格軟件Excel2016處理表格和數據；第5章學習使用PowerPoint2016製作演示文稿；第6章學習計算機網絡基礎知識與Internet的應用；第7章介紹多媒體技術與應用知識；第8章介紹數據庫基礎，並結合Access介紹數據庫應用；第9章介紹算法與程序設計基礎，並結合Python語言介紹程序設計的應用。 《大學計算機基礎教程（第3版）》內容精練，語言簡潔，通俗易懂。各章均給出綜合案例，並在章後配習題，適合讀者邊學邊練。 《大學計算機基礎教程（第3版）》可作為高等學校計算機公共課教材，也可供參加全國計算機等級考試的人員參考。

數據科學家是目前熱門的職業之一。本書全面介紹了成為合格數據科學家所需的知識、技能和工作流程，是一本內容全面的實用性技術圖書。本書分為13章，其中第1～3章介紹數據科學；第4～8章介紹數學知識，包括統計學和概率論；第9章介紹數據可視化；第10～12章介紹機器學習；第13章介紹案例。各個章節內容均由淺入深，同時通過案例和Python代碼，使讀者掌握實戰技能。本書適合有志于成為數據科學家的師生或業界新手，同時也適合經驗豐富的職場老手參考。

計算方法、科學計算、數值方法、數值分析中的主要內容基本相同，都是講解如何實現數值計算，只是側重點不盡相同，有的側重算法本身的精度和誤差分析，有的則側重程序的編寫與實現。數值計算的核心就是對數據的操作。而數據大多數以矩陣的形式存在。數值計算的算法即數值方法，大多數是公開透明的，只是實現過程需要的工作量比較大，有的較為複雜。 進行數值計算的軟件平臺非常多，常見的有 MATLAB、Mathematica、R、Python等 , 大多數實現過程也都很簡單，短短幾行代碼就可以實現複雜的過程，根本不需要知道算法實現的細節。 關於數值方法(計算方法、數值分析、科學計算)的書籍非常多，也非常成熟。 針對不同的數值問題，講解的主要內容都是相同的。各種教材更多關注算法本身相關的概念、步驟、精度、誤差等數學相關概念。而在如何將算法變成程序實現方面卻非常少。 講述數值計算程序實現的教材大多數以 MATLAB 為主，因為 MATLAB 具有強大而簡單的矩陣運算，聲明和使用矩陣都非常方便，因此學習數值方法算法的實現過程變得簡單。而與 MATLAB 相同的 Python，同樣作為解釋型語言，由於其完成矩陣的操作略顯麻煩，需要調用 numpy 模塊，目前沒有發現用 Python 語言講述數值計算方法的書籍，但是直接用 Python 進行科學計算的書籍卻不少。R 語言同樣作為解釋型數據分析語言，在國內的用戶非常少，更很難見到其實現數值計算。 既然數值方法中的算法在大多數數值計算軟件中都可以直接簡單調用函數名稱實現，那為什麼還要學習數值計算方法自己編程實現科學計算呢？這是因為不經過編程實現數值計算算法的訓練過程，就不可能深入理解數值計算方法的實現過程與細節，計算方法的編程能力與技巧得不到有效鍛煉，更不容易順利地編寫更多具有複雜數值算法的程序。數值方法編程是學習數值方法的有效和必然途徑，可以為提高數值計算水平打好基礎。 針對數值方法編程，在編譯型語言上實現更具有意義，因為編譯型語言應用範圍廣泛，手機移動端、個人用戶端、服務器端、各種環境下都會用到編譯型語言進行編程。編譯型語言中 C 語言、C++、C#、Visual Basic、Java 這幾種語言的使用者數量龐大。學習使用 C++ 與 C# 語言的人員，並不一定同時熟悉 MATLAB 或者 R 這類數值計算語言。在採用 C++ 和 C# 等

本書依據**的“工科類本科數學基礎課程教學基本要求”編寫而成。本書注重培養學生用“已知”認識、研究、解決“未知”的能力；注重給學生營造一個啟發式、互動式學習的氛圍與環境，使學生在“邊框”提出的問題的啟發、引導、驅動下邊思考、邊讀書、邊總結；內容力求簡明、引出盡可能直觀，注重避免新的概念、新的結論、新的方法“從天而降”。同時注意為青年教師實施啟發式、互動式教學提供一定的借鑒。本版在保持第一版的內容特色基礎上，增添了部分章節內容；對數學軟件與數學建模的實例進行了修改，數學軟件改為了Python語言；更加注重文化育人，對“歷史的回顧”及“人物簡介”部分做了修改，並以二維碼形式呈現；對“邊框”做了修改；增添了注記，擴大學生知識面，並將知識點加以總結，方便學生掌握；以二維碼的形式增加了Python源代碼等資源。本書分為上、下兩冊，上冊內容包括微積分的基礎知識――函數與極限、一元函數微分學、微分中值定理與導數的應用、不定積分、定積分及其應用、微分方程等。本書可供高等學校非數學類專業學生使用，也可供科技工作者學習參考。

本書主要介紹了與量化投資相關的基本概念、量化投資領域的策略以及量化交易，並對金融量化研究中應用越來越多的機器學習進行了介紹。 全書共分為十章，內容包括緒論、因數檢驗與分類、多因數選股、輪動策略、期貨套利、期權套利、統計套利、機器學習、演算法交易、高頻交易等。 本書給出了大量案例分析, 並在附錄中收錄了常用因數庫、基於Python語言的經典策略代碼，以方便讀者查閱。 本書主要面對金融學專業及其他經管類專業的學生，旨在為對量化投資感興趣的初學者開啟金融科技之窗。

《數據分析與可視化》主要介紹目前非常流行的數據分析和數據可視化工具，首先介紹數據分析“三劍客”，即NumPy、Matplotlib和Pandas。NumPy側重於科學計算，Matplotlib側重於數據可視化，Pandas側重於數據分析。然後介紹微軟推出的交互式數據分析和可視化工具Power BI。 《數據分析與可視化》分為上篇和下篇，上篇介紹使用Python實現數據的分析和可視化，通過4個項目介紹NumPy、Matplotlib和Pandas的使用。下篇共4個項目，介紹使用微軟的Power BI Desktop實現數據的分析和可視化。 《數據分析與可視化》適合作為高職院校大數據、人工智能等專業數據分析和可視化課程的教材，也可作為《人工智能數據處理》1+X證書的學習用書，同時也適合數據分析初學者、數據分析愛好者、數據分析工程師以及相關培訓機構學員學習。

本書詳細介紹了青少年編程語言Scratch3.0這個軟件的技術和實際應用。用大量的實際案例手把手一步一步教會青少年編寫有趣的遊戲程序，你可以讓球跳動，讓氣球爆炸，讓螃蟹過馬路，讓甲蟲穿過迷宮，讓飛龍躲避立柱飛行。想做到這些事情嗎？你只需要一台電腦，就可以馬上開始！本書可以讓青少年讀者在自己實際操作中體驗編寫遊戲程序的快樂，激發青少年學習程序語言的興趣，拓展思維能力和實際操作能力。青少年通過本書的學習可以為將來學習Python這種更高級的語言程序打下堅實的基礎。

本書比較全面和系統地闡述了營銷調研大數據分析的基本理論和方法，全書共分七個項目。包括認知營銷調研大數據分析、市場調查方案的設計、市場調查的技術方法、市場調查資料的整理與分析、營銷大數據分析、市場調查報告的撰寫、市場預測方法七個項目。每個項目既相互獨立，又都由一條主線貫穿：採用一個真實的項目、以工作過程為基礎貫穿全篇，學生學完課程後就熟悉並完成了整個的一個市場調查，真正使學生學以致用。本書的特點是借鑒和吸收了國內外營銷調研大數據分析的最新研究成果，既有理論性闡述，又有較強的實用性和可操作性，結構新穎，內容全面。書中還介紹了數據分析軟件excel、Python、spss等在營銷調研大數據分析中的應用。

Kittenblock是深圳市小喵科技開發的一款基於Scratch 3.0的圖形化編程軟件。Scratch 3.0強調的是創作與分享，更注重純軟件編程；Kittenblock強調的是教育與創造屬性，根據當下的教育需求，重點增加人工智能、物聯網和Python編程，盡可能地滿足教育的系統性和連續性需求，讓學生和老師無須切換多個軟件。Kittenblock打通了軟硬件編程，支持市面上的熱門開源硬件，如micro:bit、Arduino等。Kittenblock集合了多種人工智能插件和物聯網插件，支持一鍵轉Python、一鍵導入Scratch原生項目。齊全而豐富的插件，讓用戶無須頻繁更換件，同時也打破了知識“孤島”，降低了用戶的學習成本和門檻，讓用戶更專注於創意項目製作。本書的章節和知識點都做了精心編排，章節編排依據技術種類進行細分，每節先從生活中與人工智能相關的常見實物切入，引出所用的人工智能技術，再講解Kittenblock與這項技術相關的圖形化編程積木，最後結合多個實例進行編程講解。本書在章節編排上從易到難，先講解語音部分，再講解視覺部分，最後講解機器學習部分。在後面章節的進階實例裡，還會結合一些樂高結構件進行搭建。中小學信息技術課老師和青少年編程培訓機構的老師，可將本書作為參考書開展人工智能教育。如果是Scratch基礎比較好的中小學生，想學習一些新技術，做出一些大放異彩的作品，本書也可以滿足需求。非軟件專業的愛好者，可以通過本書結合人工智能快速實現語音、視覺、機器學習等方面的項目，把想法變為現實，獲得成就感，進而激發對人工智能的學習興趣。

我們在與環境交互的過程中進行學習，經歷的獎勵或懲罰將指導我們未來的行為。深度強化學習將該過程引入人工智能領域，通過分析結果來尋找最有效的前進方式。DRL智能體可提升營銷效果、預測股票漲跌，甚至擊敗**圍棋高手和國際象棋大師。 《深度強化學習圖解》呈現生動示例，指導你構建深度學習體系。Python代碼包含詳明、直觀的注釋，助你深刻理解DRL技術。你將學習算法的運行方式，並學會用評估性反饋來開發自己的DRL智能體。 本書主要內容包括: 強化學習入門 行為與人類似的DRL智 能體 在複 雜情況下應用DRL。

《Pandas數據分析實戰》全面介紹了用於數據分析的Pandas庫。Pandas可以幫助讀者輕鬆地執行多種數據操作,包括排序、連接、旋轉、清理、刪除重複數據、聚合等。本書循序漸進地介紹了Pandas的各種功能,每種功能從較小的構建塊開始,再到較大的數據結構。《Pandas數據分析實戰》適合具有電子表格軟件(如Microsoft Excel. Google Sheets和Apple Numbers)以及類似的數據分析工具(如R和SAS)使用經驗的中級數據分析師閱讀和參考。對於想瞭解更多數據分析知識的Python開發人員來說,也是一-本非常 合適的參考書。

本書內容共分13章，第1章主要講解CityEngine的軟件界面、工程組織方式、圖層及其操作、軟件安裝步驟和使用嚮導創建虛擬城市的過程；第2章講解街道建模方法，主要包括隨機街道建模和手動街道建模；第3章講解手動建模工具，主要包括形狀建模工具、形狀變換工具和形狀測量工具；第4～10章講解CGA規則建模操作，主要包括形狀編輯、紋理貼圖、屬性及其設置、程序結構、規則函數、常用內置函數、注解和樣式等內容；第11章講解對象選擇方法與視域分析工具；第12章講解數字模型導入/導出方法，以及利用地理信息系統數據進行三維建模的基本過程；第13章主要講解Python腳本的使用過程和常用操作。

本書從人工智能時代說起，通過項目學習(PBL)的方式由淺入深地剖析圖像處理、人臉聚類、語音識別、人臉簽到、慧眼識人、自動駕駛小車等人工智能的相關應用案例，並在此基礎上推出5個生動有趣的典型綜合實踐項目――裸眼3D、無人機+智慧農業、創建自己的語音識別庫、語音播報智能垃圾桶、垃圾分類機器人。本書項目在實施過程中，依託人工智能學習網站、拖拽式積木編程、Python編程等軟硬件相結合的形式， 讀者輕鬆學習深奧的人工智能知識，讓他們在體驗人工智能學習樂趣的同時，進一步培養其人工智能的意識和能力。 本書可作為青少年學習人工智能知識和開展人工智能實驗的基礎用書，也可作為人工智能愛好者的自學讀物。