Python

本書以Django Web項目開發為主線，深入系統地介紹了Django 3在Web開發中的應用。從網站開發入門開始，逐步深入講述Django框架的各功能要點，每個功能要點從源碼角度分析，並在源碼的基礎上實現自定義的功能開發。還介紹了Django的第三方功能應用，如DRF框架開發API接口、生成網站驗證碼、站內搜索引擎、第三方網站實現賬號注冊、異步任務和定時任務、實時通信實現在線聊天。本書提供了4個實戰案例，包括信息反饋平臺、博客系統、音樂網站平臺、前後端分離與微服務架構，涵蓋了網站的單體式開發、前後端分離和微服務開發，從單一的網站開發轉變到網站架構設計開發。最後講述Django的上線部署方案，分別講述Django如何部署在Windows和Linux系統上。本書內容豐富，技術新穎，注重實戰，適合有一定Python基礎的Web開發人員閱讀，也可用作培訓機構和大中專院校相關專業的教學參考書。

物件導向程序設計（OOP）是現代程序設計語言（包括C++、Java、C#、Visual Basic.NET、Ruby、Objective-C和Swift）的基礎。物件也構成了許多Web技術（如JavaScript、Python和PHP）的基礎。 在開始使用物件導向的開發環境之前，瞭解物件導向的基本概念至關重要。OOP促進了良好的設計實踐、代碼可攜性和重用性，但是需要轉變思維才能完全理解OOP。剛接觸OOP的程序員應該抵制直接跳入特定程序設計語言或建模語言的誘惑，首先花時間學習本書作者提出的“物件導向的思考過程”。 儘管程序設計技術多年來一直在變化和發展，但是無論平臺如何演進，物件導向仍然是一個不變的概念。本書側重於在過去20年中倖存下來並保持其核心的OOP技術，其中包括新的和擴展的設計模式、避免依賴關係以及SOLID原則，以説明開發人員使軟件設計易於理解、靈活和可維護。 通過閱讀本書，你將學到： 面向解決方案的方法 繼承和組合的正確用法 聚合和聯合之間以及接口和實現之間的重要區別 第5版新增內容 相比前幾版而言，作者對內容做了大量修改，刪除了一些與物件導向不太相關的章節，突出了本書的主題，同時引入了設計模式、物件導向設計的SOLID準則等全新章節，補全了物件導向設計思想的方方面面。無論你是否有物件導向程序設計的經驗，本書都適合作為你物件導向思考的旅程的開端。

統計學習是機器學習的重要分支，本書兼顧了數學上的理解和代碼實踐，內容主要包括基礎知識和統計學習模型。第1章、第2章結合VC維介紹過擬合的本質，並介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發經過概率統計的解讀而得到分類和回歸算法；第5章討論了不依賴於假設分布的非參數模型；第6章將核方法作為一種非線性拓展的技巧介紹如何將該方法應用到很多算法中，並且引出了著名的高斯過程；第7章以混合高斯作為軟分配聚類的代表性方法，從而引出著名的EM算法；第8章討論了機器學習的集成算法；第9章介紹的線性和非線性降維方法將會解決維度災難問題，並且不同於單純的特征選擇；第10章討論了不依賴於獨立同分布假設的時間序列算法。本書適合對於統計學習感興趣的大學生、工程師閱讀參考。閱讀本書需要具備基礎的Python編程技術和基本的數學知識。

數據挖掘一般是指從大量的數據中通過算法搜索隱藏於其中信息的過程。大多數數據挖掘的教材專注於介紹理論基礎，因而往往難以理解和學習。本書是介紹寫給程序員的一本數據挖掘指南，可以幫助讀者動手實踐進行數據挖掘、集體智慧並構建推薦系統。全書共8章，介紹了數據挖掘的基本知識和理論、協同過濾、內容過濾及分類、算法評估、樸素貝葉斯、非結構化文本分類以及聚類等內容。全書採用做中學的方式，用生動的圖示、大量的表格、簡明的公式，實用的Python代碼示例，闡釋數據挖掘的知識和技能。每章還給出了習題和練習，幫助讀者鞏固所學的知識。本書專注適合對數據挖掘、數據分析和推薦系統感興趣的程序員及相關領域的從業者閱讀參考；同時，本書也可以作為一本輕鬆有趣的數據挖掘課程教學參考書。

MongoDB是目前非常流行的一種非關係型數據庫（NoSQL），因其操作簡單、完全免費、源碼公開等特點，受到了IT從業人員的青睞，並被廣泛部署於實際的生產環境中。《MongoDB入門經典》採用直觀、循序漸進的方法，講解了如何設計、實施和優化NoSQL數據庫，如何存儲和管理數據，以及如何執行數據分片和複製等任務。本書共分為24章，其內容涵蓋了NoSQL和傳統RDBMS的使用時機，理解基本的MongoDB數據結構和設計概念，安裝和配置MongoDB，為自己的應用選擇正確的NoSQL交付模型，規劃和實施不同類型和規模的MongoDB數據庫，設計MongoDB數據模型，創建新的數據庫、集合和索引，掌握存儲、查找和獲取MongoDB數據的方法，通過PHP、Python、Java和Node.js/Mongoose與數據交互，在一致性、性能和持久性方面做出平衡，對MongoDB數據庫進行管理、監控、驗證、保護、備份和修復；掌握數據分片和複製等**技術；實施GridFS存儲來有效地存儲和獲取大型數據文件，評估用於優化性能的查詢，查找和診斷與集合、數據庫相關的問題。《MongoDB入門經典》適合對NoSQL以及MongoDB感興趣的數據庫開發、運維人員閱讀。

《人工智能入門》 （全四冊）教材由全球領先的人工智能平臺公司、全球最具價值的 AI 創新企業人商湯頂級研究團隊，聯手全國知名教育專家和優秀中學教師共同編寫。本書系面向初中學生，以及初中文化程度以上讀者，一共分為四冊，九個章節。整體內容圖文並茂，包括人工智能概覽、簡單的判斷、機器視覺入門、圖像理解入門、語音識別入門、自然語言處理、簡單機器決策和開放實驗與思考。考慮到學生的認知規律，在具體章節編排上基於應用穿插推進，使學習過程與生活應用相配合。每章以相關生活場景引入，通過對相關問題的思考，對知識進行循序漸進的傳遞。每章穿插編程練習和小項目，結合豐富的虛擬平臺和小車教具，鼓勵發展學生的動手能力與創造能力，對基礎的編程教育也進行了普及。《人工智能入門》 （第一冊），講述了什麼是人工智能，人工智能可以做什麼，以及關於人工智能引發的一些思考和討論――假如你生活在人工智能高速發展的明天。★進入AI世界,學會如何與機器人對話Python 語言在人工智能領域,是最廣受歡迎的語言之一。書中將將結合Python編程語言, 探索如何逐步控制虛擬小車做更多的動作。如何用指令來控制小車的運動? 如何讓小車具有感知周圍物理世界的能力、給予小車決策的能力? 如何實現綜合的小車應用? 我們帶著這些問題, 通過對虛擬小車的操縱, 認識人工智能基礎, 包括基礎編程、傳感器, 以及古典的人工智能控制等方面的內容。★如何利用多種傳感器協同定位的方法, 進一步提高機器人定位的精度在機器人或機器小車的控制中, 我們往往希望它們可以不用外界的遙控就能完成特定的任務, 幫助人們分擔一些日常的工作, 比如, 在家裡掃地、在醫院運輸藥品、在球場撿球等。不論是在室內還是在室外, 都不難發現, 在很多實際的應用場景中都有一個最基本的要求, 就是機器人在執行指令的過程中, 需要知道自己的位置。比如室內的掃地機器人, 需要知道自己處於房間內的什麼位置, 才能準確地沿著一定的路線行駛; 再如無人駕駛的汽車, 需要知道自己處於哪條街道, 處於街道上的什麼位置等。機器人知道自己所處位置的這個功能, 就是定位的功能。本書中, 我們將用一個簡單的一維定位任務對定位問題進行初步的探究。在一台直線行進的小車上, 用不同的辦法分別解決小車的定位問題。

無

本書共分為12章, 內容包括緒論、數字圖像處理基礎、圖像基礎性運算、圖像的正交變換、圖像增強、圖像復原、圖像的數學形態學處理、彩色圖像處理、圖像分割、圖像描述與分析、特徵檢測與匹配, 以及圖像編碼, 涵蓋了數字圖像處理的核心內容。

無

無

本書共9章, 涵蓋了機器學習的基本內容, 主要包括概述、離散變量與分類、連續變量與線性回歸、維數災難與降維、K均值聚類、生成模型與貝葉斯分類器、自監督與大語言模型、環境監督與強化學習、綜合實驗等。

本書採用以任務為導向的編寫模式，全面地介紹了Python編程基礎及其相關知識的應用，講解了如何利用Python的知識解決部分實際問題。全書共7章，第1章介紹學習Python的準備工作，包括Python的由來與發展、Python環境搭建、編輯器介紹與安裝等。第 2～5章和第7章主要介紹Python的基礎知識、數據類型、程序流程控制語句、函數和文件基礎等內容。第6章講解了Python面向對象的編程。本書每個章節都包含了實訓與課後習題。通過習題和操作實踐，讀者可以鞏固所學的內容。

本書以Python及各類人工智能API為實訓環境，以實際項目為導向，介紹人工智能技術基礎、Python基本語法、基於Python的數據分析、基於Python的機器學習應用、基於Python的各類人工智能API應用、基於Python的項目開發等。本書是理論與實踐相結合的項目化教材，配有人工智能模型的理論講解和案例分析，內容實用性強，簡單易學，能夠幫助學生在訓練過程中鞏固所學的知識。本書適合作為應用型高等院校的大數據、人工智能等專業的實訓課教材，也可作為企業開展人工智能模型應用培訓的參考教材。

本書摒棄繁複的理論知識，通過大量的代碼舉例，重點講解Python的基礎知識，為零基礎的初學者深入淺出地介紹Python編程語言的基礎知識及簡單的數據處理應用技術。主要內容包括初識Python，數據類型、變量與運算符，字符串，列表與元組，字典，條件與循環語句，函數與模塊，類，文件與異常，數據處理及可視化。本書適合作為高等院校Python程序設計課程的教材，也可供相關人員參考使用。本書摒棄繁複的理論知識，通過大量的代碼舉例，重點講解Python的基礎知識，為零基礎的初學者深入淺出地介紹Python編程語言的基礎知識及簡單的數據處理應用技術。主要內容包括初識Python，數據類型、變量與運算符，字符串，列表與元組，字典，條件與循環語句，函數與模塊，類，文件與異常，數據處理及可視化。本書適合作為高等院校Python程序設計課程的教材，也可供相關人員參考使用。

本書聚焦Python編程基礎、數據分析基礎理論和媒介數據分析技能三方面內容。Python編程基礎：從Python的安裝、開發環境搭建、變量和數據類型、控制流(條件分支與循環)、數據結構(列表、元組、字典等)開始，逐步深入講解函數、面向對象編程等核心內容。媒介數據分析技能：介紹如何使用python進行數據清洗、數據可視化、數據挖掘、數據統計分析和機器學習等進階技能，特別是針對媒介數據的特性進行案例分析。 數據分析基礎理論：闡述數據分析中的大數據基礎、算法基礎理論、數據概率與統計分析、新聞核查算法等，並通過python編程進行實戰。採用“任務驅動+知識學習+情境案例+動手實踐+課後自我測試”五位一體模式，設計貼近實際工作的情境案例，如新聞文本分類、情感分析、個性化推薦等，引導學生學習，在實踐中加深對知識的理解和記憶。

機器學習作為人工智能值得期待的內容，也深具商業價值。本書是金融工程和風險管理大師約翰‧赫爾教授的新著作。 全書深入淺出地講解了機器學習的核心內容、常用和流行的算法以及大量機器學習的商用案例，對技術性要求很低，讓讀者很容易從商業的角度理解其技術內涵，特別適合機器學習的初學者和業界人士閱讀，也非常適合大學商學院教學，幫助其學生瞭解“數據科學家”這個職業。 特別地，作者在書中同時使用Excel工作表和Python代碼，方便初學者先從容易的Excel入手，按照自己的節奏，再慢慢轉向Python，書中的相關數據、工作表和Python代碼都可在指定網站查詢。另外，本書還配有相關的教輔資料、PPT，以供參考。

本書是一本專注於Python和Ansible工具在雲計算環境中應用的教材。全書以實戰項目為導向，涵蓋從基礎知識到高級技能的內容，旨在培養具備實際操作能力的自動化運維工程師。本書具體內容包括Python程序設計基礎、Python高級編程技術、Python自動化運維、Ansible基礎與部署、Ansible自動化腳本設計、Ansible進階與最佳實踐、Ansible高可用實踐、自動化運維綜合實踐。對於每個任務，本書都通過實際操作和案例分析，幫助讀者深入理解並掌握雲計算自動化運維的核心技能。本書不僅適合高校計算機網絡技術、雲計算技術應用等相關專業的學生和工程師閱讀，也為中高級Linux系統管理員提供了寶貴的技術參考。通過對本書的學習，讀者將能夠掌握Python和Ansible工具在雲計算中的應用，提高在雲計算領域的技能水平。

本書首先全面介紹了信息技術、計算機基礎，以及計算機的起源與發展、計算機系統的組成、操作系統和文件管理等內容，然後深入探討了Python編程的基礎知識，包括編程環境、語法、流程控制、組合數據類型、函數和模塊、常用的庫等，並通過豐富的實操練習幫助讀者掌握Python在文件管理、數據處理、科學計算等領域的應用能力。此外，本書涵蓋了機器學習、大數據分析框架及國產大模型DeepSeek等內容，有助於讀者建立從基礎到前沿 的Python知識體系。本書包含豐富的代碼示例和綜合案例，可以幫助讀者快速掌握大數據分析理論和實用的編程技能。本書適用於高等院校計算機相關專業的學生、Python編程初學者，以及對數據科學、機器學習感興趣的讀者。

本書涵蓋計算思維與程序設計(Python)、物聯網、雲計算、大數據、人工智能、數據安全與相關法律法規等知識體系和相關核心內容。

本書涵蓋了以下內容：怎樣使用FastAPI構建Web應用程序。FastAPI、Starlette與 Pydantic之間的區別及聯繫。讓FastAPI框架與眾不同的兩項性，也就是對異步函數的支持，以及數據類型的檢測及驗證機制。Python 3.8及後續版本所支持的新功能，尤其是類型注解機制。同步Python代碼與異步Python代碼之間的區別。怎樣與外部的API及服務相連接。

本書共8章, 內容涵蓋人工智能概述、Python基礎、機器學習、計算機視覺、語言識別、自然語言處理、知識圖譜和人工智能行業解決方案。

數據是非常重要的資產，是“數字經濟”時代的核心生產要素。本書主要面向財經商貿類專業的學生，旨在培養學生的大數據處理能力。本書重點講解MySQL數據庫基礎、Python程序基礎、浪潮可視化大數據三大核心內容，根據大數據分析崗位的典型工作任務，詳細講解MySQL數據庫的庫表操作、結構化查詢部分，以及Python中的數據采集、數據處理與數據分析部分，同時拓展講解浪潮可視化大數據工具應用的實操技能。本書共6個項目，包括認知大數據系統、MySQL數據庫設計、MySQL數據查詢操作、Python應用基礎、Python數據處理與浪潮可視化大數據工具應用。本書選擇真實的商業案例進行講解，內容新穎，解析透徹。本書運用人工智能技術輔助學生自主學習與拓展練習，培養學生的學習力與創新力。本書不僅可以作為高等職業院校財經商貿類專業相關課程的教材，也可以作為從事大數據處理與分析相關工作的人員的參考書。

本書以Windows 10 Anaconda為運行環境，採用項目 任務驅動的方式，深入探討Python 在旅遊大數據領域的應用，以期為廣大讀者提供更為高效的數據分析手段。全書共七個項目：項目一主要對旅遊大數據分析進行概述，並且介紹了Python環境搭建。項目二介紹使用Pandas 處理旅遊業務數據的相關知識，涉及Pandas 的數據結構，Series和DataFrame的創建和訪問，基本操作、排序與統計和讀取外部數據與存儲文件操作。項目三介紹使用Numpy處理旅遊業務數據的相關知識，涉及Numpy數組的創建、數組的運算、訪問與轉換，數組的排序與統計分析。項目四、五、六均為數據可視化的相關內容，其中項目四為使用matplotlib 可視化旅遊業務數據，項目五為使用seaborn可視化旅遊業務數據，項目六為使用WordCloud 和jieba 可視化旅遊業務數據。項目七為綜合實戰，即使用Python 完成旅遊數據分析與可視化。本書以實戰為導向，結合旅遊行業典型案例，講解Python在旅遊大數據分析中的具體應用。

本書從商業數據分析的基礎入手，詳細介紹了商業數據分析的內涵、數據類型、數據來源及分析流程。介紹了Python數據分析的基礎知識，Python在數學運算與統計、科學計算方面的應用；介紹了搜索算法、排序算法、圖算法、動態規劃算法、貪心算法、回溯算法、分治算法等常用算法；介紹Python在機器學習、人臉檢測、推薦系統自然語言處理、自動駕駛等人工智能領域的應用。本書還緊跟時代潮流，介紹了ChatGPT與Python的結合應用，包括通過Python實現ChatGPT、ChatGPT人機對話、ChatGPT智能客服以及ChatGPT個性化推薦等。最後，介紹了數據挖掘與商業智能案例，將理論知識與實際應用相結合，為讀者提供商業領域中應用數據分析技術的實踐指導。

本書內容分七大模塊: 大數據概述、開發環境搭建、大數據采集 (爬取)、大數據分析、數據建模與數據挖掘、數據可視化以及大數據分析挖掘綜合案例。開發環境採用Python語言環境, 詳細講解爬蟲技術原理、python爬蟲第三方庫、scrapy爬蟲框架等。大數據分析部分講解Numpy和Pandas兩大模塊。數據建模與數據挖掘模塊講解相關性與關聯規則、聚類、分類等算法與實現。數據可視化部分講述Matplotlib、Pyecharts和Seaborn三大模塊。

本書以Python作為主要工具，著重講解海量數據采集與處理相關內容。力求通過由淺入深、先理論基礎後實踐應用的思路，培養學生應用Python解決實際問題的能力。全書內容分為上、下篇共9章。上篇主要介紹數據采集的基本概念、Python開發環境、數據采集常用的兩種框架Numpy和Pandas的使用；下篇對數據采集原理、爬蟲基礎庫的使用、頁面採集框架的使用、數據的存儲與使用、數據的清洗與預處理，以及綜合實例的應用進行介紹。本書在內容編寫與安排上儘量做到結構合理、邏輯嚴謹，可供信息管理與信息系統、大數據、計算機、人工智能等相關專業的學生使用；亦可供經濟管理類其他專業學生入門參考，用於交叉方向的科學研究。

本書針對有一定圖像處理基礎的本科生和碩士研究生。為促使學生掌握多種數字圖像處理的實現與應用技術，增強學生應用數字圖像處理基礎理論知識解決實際問題的能力，本書重點講解數字圖像處理最新的實現與應用技術。本書講解使用MATLAB GUI技術實現帶有圖形用戶界面的數字圖像處理程序；講解基本數字圖像處理的C語言實現；講解基於Android-JNI技術的移動平臺數字圖像處理；講解使用Python語言實現數字圖像處理；講解使用PIL庫實現Python環境中的圖形用戶界面；講解使用Ctypes技術在Python環境中使用C/C++程序。本書共分為7章。第1章是概述。第2章是數字圖像處理的MATLAB GUI實現。第3章是數字圖像處理的C語言程序實現。第4章是基於Android-JNI技術的移動平臺數字圖像處理。第5章是使用Python語言實現數字圖像處理。第6章是Python環境中的GUI實現。第7章是Ctypes技術：Python和C/C++的紐帶。

本書涵蓋Python基礎、數據獲取 (爬蟲)、財務大數據分析 (包括數據清洗和整理、數據分析和數據可視化) 三個項目。

本書圍繞Python編程、人工智能和機器人, 學習Python語言編程、人工智能基礎、機器人控制等內容。在Python編程方面, 學習變量與數據類型、三大程序結構、列表、函數、面向對象、文件操作、網絡編程等; 在人工智能方面, 學習顏色識別、標簽識別、圖像識別等基礎的圖像識別內容; 在機器人方面, 教材中使用EP機器人與TT無人機, 學習機器人的基礎移動控制, 雲台控制、目標追蹤、避障控制等內容。

本書共分4章、11個項目、28個情境, 內容包括大數據認知體驗、Python基礎應用、數據預處理實戰、大數據技術在財務分析中的應用。

本書主要講解量化投資的基礎知識，並借助Python 工具進行金融案例實戰。本書一共分為4部分，第1部分是量化投資策略概述，第2部分是python語言介紹，第3部分是量化投資之金融計量應用，第4部分是量化投資之機器學習應用。本書首先對量化投資概念、量化選股、量化擇時、投資組合、統計套利、期權套利等內容進行介紹，其次，對Python編程語言進行簡要介紹，通過學習，讀者可以迅速掌握用Python語言處理金融數據的方法，並靈活運用Python解決實際金融問題；再次，向讀者介紹金融計量方法在量化投資中的應用；最後介紹機器學習方法如何構建量化投資策略。

本書以Python為基礎，逐步帶領讀者熟悉並掌握機器學習的經典算法。本書共12章，包括Python概述，Python語言基礎，基礎數據結構，函數與模塊，面向對象程序設計，Numpy數據分析，數據可視化，基礎算法分析與實現，機器學習概述，回歸分析，分類算法，聚類算法。 本書內容精練，文字簡潔，結構合理，案例經典且實用，綜合性強，面向機器學習入門讀者，側重提高。本書適合作為高等院校相關專業機器學習入門課程教材或教學參考書，也可以供從事機器學習應用開發的技術人員參考。

本書按照數字圖像處理的知識體系，對OpenCV-Python的基本功能進行介紹。全書共18章，分為OpenCV-Python的基本操作、圖像處理的基本方法、圖像處理的高級方法和計算機視覺四部分，介紹常用的OpenCV函數，並講解例程代碼。