Python Data Science Handbook

Finally! Deep Neural Networks Simplified with PythonDeep Learning Step by Step with Python takes you on a gentle, fun and unhurried journey to building your own deep neural network models in Python. U

「這本書正是我當年提出『資料科學家』這個職稱時，所希望能擁有的一本書。如果您希望投身資料科學╱工程、人工智慧，或機器學習領域，就該從這裡開始。」 ── DJ Patil 博士，美國首任首席資料科學家 身為一位有志成為資料科學家的讀者，能夠理解各類組織為何仰賴資料來做出關鍵決策──無論是公司在設計網站、還是市政府在改善公共服務，或者是科學家在致力於阻止疾病擴散。而您也希望具備將雜亂資料整理為可行洞見的能力。我們將這整個過程稱為「資料科學生命週期」：也就是從資料的收集、整理、分析，到導出結論的完整流程。 本書是第一本涵蓋程式設計與統計兩大基礎技能、並貫穿整個資料科學生命週期的書籍。本書的對象包括希望成為資料科學家的人、與資料科學家共事的專業人士，以及希望跨越「技術╱非技術」界線的資料分析師。只要具備基本的 Python 程式設計知識，便可學習如何透過業界標準工具（如 pandas）來處理資料： ．將感興趣的問題精煉為可透過資料探究的研究問題 ．執行資料蒐集，其中可能涉及文字處理、網頁爬蟲等技術 ．透過資料清理、探索與視覺化，萃取出有價值的洞見 ．學會使用建模來描述資料特性 ．推廣研究結果，進行超出資料本身的推論

Written for developers with a background in any high-level language, Introduction to Python and Data Science for Programmers explores the Python language and Python APIs in depth, applying the Deitels

This is a handbook for decision-makers from the initial research and decision-making process through planning, choosing products, and implementing—and, crucially, maintaining and governing—the modern

As with the first three editions of the Handbook of Materials Science and Engineering, the fourth edition focuses on the high quality data including that provided by the most relevant professional soc

風險建模演算法 「Abdullah Karasan成功展現了在金融風險管理領域中使用機器學習的能力，這是對任何金融機構都攸關重要的功能。」 ―Yves J. Hilpisch博士 The Python Quants與The AI Machine創辦人及總裁 「如果您需要將統計和機器學習方法應用在金融風險分析的入門指南，那麼這是一個很好的起點。」 ―Graham L. Giller 《Adventures in Financial Data Science》作者 金融風險管理在人工智慧的幫助下發展迅速。透過這本實用指南，開發人員、程式設計師、工程師、金融分析師、風險分析師及定量和演算法分析師，將可以機器學習和深度學習模型進行金融風險評估。建立基於人工智慧的財務建模實務技能後，您將學習要如何運用機器學習模型來取代傳統的金融風險模型。 作者Abdullah Karasan幫助您探索金融風險建模背後的理論，再深入研究使用Python運用機器學習模型以對金融風險進行建模的實際方法。 有了這本書，您將可以： ‧回顧經典的時間序列應用並將其與深度學習模型進行比較 ‧使用支撐向量迴歸、神經網路和深度學習來探索波動率模型以衡量風險程度 ‧使用機器學習技術來改善市場風險模型(VaR和ES)，並包括了流動性維度 ‧使用分群和貝氏方法來進行信用風險分析 ‧使用高斯混合模型和關聯結構模型來捕捉流動性風險的不同面向 ‧使用機器學習模型來進行詐欺偵測 ‧使用機器學習模型來預測股價崩盤並識別其決定因素

第一本結合管理數學和Python、R應用的工具書，輕鬆獲得雙倍效果！管理的問題，就用數學來解決吧！令人驚呼的超強特色：1.淺顯易懂的口吻加上超豐富內容，一本掌握管理數學！2.附有精彩的範例、習題與解析，滿足所有練習慾望！3.用Python、R簡單搞定繁雜的數學計算，手把手跟著步驟走！讓數據分析成為管理的後盾，成就更無懈可擊的經營決策！管理數學為一門重要的基礎，不只是為了商業管理和決策，也是學習資料科學的第一步。現今不論是商管領域的學生或是從業人員，為了跟上世界的腳步，都必須學習程式語言，如果能在學習管理數學時搭配Python、R做使用，不只符合世界潮流，也等同開啓資料分析的大門。本書作者投入融合「計量經濟學和資料科學」的計量資料科學 (Econometric Data Science) 多年，對於以計量經濟學為基礎的資料科學猶有心得，本書由淺入深地介紹微分、積分、矩陣代數和數學規劃等管理數學必需的基礎與商管應用，此外，為達到與程式學習相輔相成之效，作者編排章節亦十分用心，在管理數學的16堂課中，穿插步驟式的Python、R教學單元，讓讀者學完數學原理和計算之後，能立刻熟悉Python與R的應用方式，學習效率更加倍！輕鬆就學會管理數學！

Learn to master basic programming tasks from scratch with real-life, scientifically relevant examples and solutions drawn from both science and engineering. Students and researchers at all levels are increasingly turning to the powerful Python programming language as an alternative to commercial packages and this fast-paced introduction moves from the basics to advanced concepts in one complete volume, enabling readers to gain proficiency quickly. Beginning with general programming concepts such as loops and functions within the core Python 3 language, and moving on to the NumPy, SciPy and Matplotlib libraries for numerical programming and data visualization, this textbook also discusses the use of Jupyter Notebooks to build rich-media, shareable documents for scientific analysis. The second edition features a new chapter on data analysis with the pandas library and comprehensive updates, and new exercises and examples. A final chapter introduces more advanced topics such as floating-p

本書首先介紹如何設置基本的數據科學工具箱，然後帶你進入數據改寫和預處理階段，這一部分主要是闡明所有與核心數據科學活動相關的數據分析過程，如數據加載、轉換、修復以及數據探索和處理等。通過主要的機器學習算法、圖形分析技術，以及所有易於表現結果的可視化工具，實現對數據科學的概述。本書對上一版內容進行了全面拓展和更新，涵蓋新版的Jupyter Notebook、NumPy、pandas和Scikit-le

Python has become the language of choice for programmers in data science, game development, and numerous other areas. Learn the basics of Python programming in this step by step guide in a “teach your

Learn the art of regression analysis with PythonAbout This BookBecome competent at implementing regression analysis in PythonSolve some of the complex data science problems related to predicting outco

If you are a researcher or a machine learning enthusiast, or are working in the data science field and have a basic idea of Bayesian learning or probabilistic graphical models, this book will help you

A bioinformatics expert, Model introduces readers to the use of Python to speed up and automate data manipulation tasks encountered in life science research and development. The book emphasizes practi

「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