Think Python

編程是一項充滿樂趣的挑戰，想上手非常容易！在本書中，沃倫和卡特父子以親切的筆調、通俗的語言，透徹、全面地介紹了計算機編程世界。他們以簡單易學的Python語言為例，通過可愛的漫畫、有趣的示例，生動地介紹了變量、循環、輸入和輸出、數據結構以及圖形用戶界面等基本的編程概念。與第2版不同，第3版的示例使用Python3而不是Python2，另外添加了關於網絡的新內容。只要懂得計算機的基本操作，任何人都可以跟隨本書，由簡入難，學會編寫Python程序，甚至製作遊戲。

代碼和數學是相知相惜的好夥伴，它們基於共同的理性思維，數學公式的推導可以自然地在編寫代碼的過程中展開。本書帶領程序員使用自己熟知的工具，即代碼，來理解機器學習和遊戲設計中的數學知識。通過Python代碼和200多個小項目，讀者將掌握二維向量、三維向量、矩陣變換、線性方程、微積分、線性回歸、logistic回歸、梯度下降等知識。

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。

本書以實踐為宗旨，對數據挖掘進行了詳細地入門引導。本書囊括了比賽結果預測、電影推薦、特徵提取、好友推薦、破解驗證碼、作者歸屬、新聞聚類等大量經典案例，並以此為基礎提供了大量練習和額外活動。在練習中，本書介紹了數據挖掘的基本工具和基本方法；在額外活動中，本書為深入瞭解數據挖掘指明了方向。本書適合希望應用Python進行數據挖掘的程序員閱讀。

數據是非常重要的資產，是“數字經濟”時代的核心生產要素。本書主要面向財經類等非大數據技術、計算機科學與技術等專業的學生，旨在培養學生大數據處理能力。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，根據崗位典型工作任務，MySQL 數據庫重點講解庫表操作、結構化查詢部分，Python 重點講解數據采集、數據整理與數據分析部分，同時拓展浪潮可視化數據處理應用。本書以企業真實項目為例講解大數據基礎知識、主流大數據分析工具與方法，以及浪潮可視化大數據分析工具等。本書共 6 個項目，分別是認知大數據系統、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分析工具應用。本書選擇商業案例進行講解，內容新穎，講解透徹。本書不僅可作為高等職業院校相關專業的教材，也可作為廣大數據處理研究人員和從業人員學習和參考書。

本書介紹了如何利用 Python 3 開發網絡爬蟲。本書為第 2 版，相比於第 1 版，為每個知識點的實戰項目配備了針對性的練習平臺，避免了案例過期的問題。另外，主要增加了異步爬蟲、JavaScript 逆向、App 逆向、頁面智能解析、深度學習識別驗證碼、Kubernetes 運維及部署等知識點，同時也對各個爬蟲知識點涉及的請求、存儲、解析、測試等工具進行了豐富和更新。本書適合Python 程序員閱讀。

最新版內容已特別加入近年來十分熱門的 AI 輔助程式設計工具及介紹，其餘原有優點仍將繼續保持，歡迎舊雨新知、不吝指教。 本書內容的切入點，首先定義 Python 初學者應學習的內容，而學習內容主要也是程式設計的基礎，包含資料型態及運算、程式三大結構 ( 循序、選擇、重複 ) 、函式與資料結構等部分，而應用方面則選定 Python 的爬蟲技術。本書並依據學習內容，設定若干學習目標，而在每一個目標之下，以概念與技能兩個維度引導，來達成學習目標。 概念的維度會在書籍中清楚說明，而技能的維度則由許多的知識點所構成，這些知識點其實是一道又一道循序漸進設計的程式練習題，需要讀者依序練習，從這些練習中學習單元中的技能。最終，希冀讀者將書籍中引導的知識點內化為概念，而能掌握基礎程式設計能力。全書各章最末附有方便讀者自我練習或教師作為評量的習題，為本書另一特色。

本書以深度學習框架PyTorch為基礎，介紹機器學習的基礎知識與常用方法，全面細緻地提供了基本機器學習操作的原理和在深度學習框架下的實踐步驟。全書共16章，主要分別介紹了深度學習基礎知識、深度學習框架及其對比，機器學習基礎知識，深度學習框架基礎，Logistic回歸，多層感知器，計算機視覺，自然語言處理以及8個實戰案例。本書將理論與實踐緊密結合，相信能為讀者提供有益的學習指導。?? 本書適合Python深度學習初學者、機器學習算法分析從業人員以及高等院校計算機科學、軟件工程等相關專業的師生閱讀。

本書基於Python 3.8，採用理論與項目結合的方式全面介紹Flask 2.0框架的相關知識。全書共10章，其中第1～5章針對Flask框架的基礎知識進行講解，包括認識Flask、路由、模板、表單與類視圖、數據庫操作；第6～10章介紹智能租房項目的完整開發過程，有助於讀者加深對Flask框架基礎知識的理解，提高靈活使用Flask框架開發Web應用程序的能力。本書附有教學PPT、教學設計、教學大綱、源代碼等資源。為幫助初學者更好地學習書中的內容，本書還提供在線答疑，希望能得到更多讀者的關注。

“圖像處理”和“計算機視覺”課程是人工智能專業的必修課，是計算機、智能科學、電子信息、軟件工程等專業的選修課。OpenCV 是一個開源的計算機視覺庫，高效地實現了大量圖像處理和計算機視覺算法。本書基於成熟的 OpenCV 庫，採用 Python 語言，通過大量的實際應用案例，介紹圖像處理和計算機視覺算法。書中的案例以最近幾年的最新科研進展為主，如人臉識別、目標跟蹤、二維碼識別、手勢識別等。讀者通過這些實用案例可以快速透徹理解算法理論，同時提高將理論應用於實踐的能力。本書提供配套的源碼，方便讀者學習實踐。本書可作為“圖像處理”和“計算機視覺”課程的教材，適合圖像處理領域的師生、從業人員、OpenCV 初學者參考，也適合有一定 Python 語言基礎的讀者進階學習。

本書是一本概率編程的入門書。本書使用概率編程庫 PyMC3以及可視化庫 ArviZ對貝葉斯統計分析的相關知識進行講解，包括概率思維、概率編程、線性回歸建模、廣義線性模型、模型比較、混合模型、高斯過程以及推斷引擎等知識。全書圖文並茂，通俗易懂，適合具備一定 Python基礎的讀者學習使用。學完本書，讀者可以利用概率思維建立貝葉斯模型並解決自己的數據分析問題。

全書共分為10章，第1～2章介紹了數據科學的基礎知識以及數據科學所涉及的各項技術；第3～5章涵蓋了Python的語法基礎，函數、模塊與組合數據類型，文件讀寫；第6章介紹了網絡爬蟲的數據采集及方法；第7～8章重點介紹了數據分析過程中的兩個重要模塊：numpy和pandas；第9章介紹了數據可視化與應用；第10章結合之前的內容，以一個綜合案例進行了實戰分析。本書配有電子課件、電子教案、教學大綱、習題答案、模擬試卷及答案等教學和學習資料（部分資料僅限用書教師下載），索取方式參見書末的“更新勘誤表和配套資料索取示意圖”。本書適合作為經濟管理類專業數據科學與Python語言入門的教材，特別適合工商管理、經濟學、電子商務等專業的學生學習。

本書在選材和編排上，貼近當前普通高等院校“數據結構”課程的現狀和發展趨勢，符合新的研究生考試大綱，內容難度適中，突出實用性和應用性。全書共8章，包括緒論，線性表，棧和隊列，串、數組和廣義表，樹和二叉樹，圖，查找，排序。全書採用類Python語言作為數據結構和算法的描述語言。為方便讀者學習，編者專門為書中每個算法製作了算法演示動畫，此外，本書還提供了多媒體課件、教學大綱、源代碼等配套資源。本書可作為普通高等院校計算機和信息技術相關專業“數據結構”課程的教材，也可供從事計算機工程與應用工作的科技工作者參考。

本書使用Python的機器學習算法庫Scikit-learn講解機器學習重要算法的應用，內容包括機器學習認知、數據預處理、KNN算法、線性回歸算法、邏輯回歸算法、樸素貝葉斯算法、決策樹與隨機森林、支持向量機SVM、k-means聚類算法、神經網絡、模型評估與優化。 本書使用通俗易懂的語言、豐富的圖表和大量的案例對機器學習的算法進行講解，提供了一條從實踐出發掌握機器學習知識的途徑，即使沒有很強的數學基礎也可快速入門，大大降低了學習門檻。本書是項目驅動活頁式教材，算法原理講解深入淺出、實踐案例豐富，配套課件、實踐案例、習題等課程資源豐富，並融入了課程思政內容。

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。

Python是當今使用最為廣泛的開發語言之一，被認為是開發深度學習程序的最佳語言。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》通過9個綜合實例，詳細講解了使用Python語言開發大型深度學習項目的過程，這些項目在現實應用中具有極強的代表性。第1章講解了AI智能問答系統的具體實現流程；第2章講解了AI智能推薦系統的具體實現流程；第3章講解了智能OCR文本檢測識別系統的具體實現流程；第4章講解了國際足球比賽結果預測系統的具體實現流程；第5章講解了智能繪圖系統的具體實現流程；第6章講解了利用ChatGPT開發微信客服機器人的具體實現流程；第7章講解了移動機器人智能物體識別系統的具體實現流程；第8章講解了AI考勤管理系統的具體實現流程；第9章講解了網絡輿情數據分析系統的具體實現流程。在具體講解每個實例時，都遵循項目的進度順序來講解，從接到項目到具體開發，直到最後的調試和發布，內容循序漸進，並穿插講解了這樣做的原因，深入講解了每個重點內容的具體細節，引領讀者全面掌握Python深度學習開發技術。《深度學習項目開發實踐（TensorFlow Sklearn PyTorch）（微視頻版）》不但適合Python深度學習開發的初學者學習，也適合有一定Python深度學習開發基礎的讀者學習，還可以作為有一定基礎的程序員的參考書。

本書系統地講述了基於Django框架的Python Web開發的相關基礎知識，涵蓋了開發環境配置、Django配置、URL分發、模型和數據庫、視圖、模板、表單、Django工具等內容。對每一個知識點，本書都儘量結合實例幫助讀者學習理解，並在每一章最後給出一個綜合實例說明本章知識的使用。

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。

本書選取某新零售行業的公司為原型，通過整合來自企業經營的大數據和來自互聯網的大數據，結合大量豐富的企業管理與業務案例場景，從大數據采集、處理、挖掘、可視化分析，到決策與優化改善，逐步展開，幫助讀者瞭解大數據的技術基礎（Python、SQL），掌握大數據采集、處理的方法，具備應用典型的大數據算法進行價值挖掘的能力，具備結合企業經營管理場景進行大數據可視化分析、決策的能力。本書共分為三個部分：第一部分“大數據概述”，主要介紹大數據的基本概念，大數據的應用場景；第二部分“大數據技術基礎”，主要介紹python基本語法、python數據采集、python數據處理、python可視化分析、SQL基礎等相關內容；第三部分為綜合案例，結合新零售企業的案例背景，介紹大數據采集、處理、挖掘的應用以及大數據可視化分析、大數據決策分析、優化改善的思路和方法。

本書採用理論與實例相結合的形式，以Anaconda 3為主要開發工具，全面地介紹了Python數據可視化的相關知識。全書共分為9章，第1章介紹數據可視化與matplotlib的入門知識；第2～8章全面地介紹matplotlib的核心知識，包括使用matplotlib繪製簡單圖表、圖表輔助元素的定制、圖表樣式的美化、子圖的繪製及坐標軸共享、坐標軸的定制、繪製3D圖表和統計地圖、使用matplotlib繪製高級圖表；第9章介紹pyecharts的基礎知識。除了第1章，其他章都配有豐富的實例，讀者可以邊學邊練習，鞏固所學知識，並在實踐中提升實際開發能力。本書既可作為高等教育本、專科院校計算機相關專業的教材，也可作為數據可視化技術愛好者的入門書籍。

本書以任務為導向，較為全面地介紹了不同場景下Python爬取網絡數據的方法。全書共分為7個項目，第1個項目介紹了爬蟲與反爬蟲的基本概念，以及Python爬蟲環境的配置，第2個項目介紹了爬取過程中涉及的網頁前端基礎知識，第3個項目介紹了在靜態網頁中爬取數據的過程，第4個項目介紹了在動態網頁中爬取數據的過程，第5個項目介紹了對登錄後才能訪問的網頁進行模擬登錄的方法，第6個項目介紹了爬取PC客戶端、App的數據的方法，第7個項目介紹了使用Scrapy爬蟲框架爬取數據的過程。本書所有章節都包含了實訓與課後習題，通過練習和操作實戰，可幫助讀者鞏固所學的內容。 本書可以作為大數據技術愛好者的自學用書，也可作為高校大數據技術類專業的教材。

本書通過講述樹莓派（Raspberry Pi 4 Model B）上的Python實現，使讀者在熟悉Python語言和許多感測器使用的同時，掌握如何使用樹莓派的GPIO與週邊硬體進行資料交互、讀取硬體的工作狀態、控制硬體工作等，實現樹莓派與外界硬體設備的交互，通過軟硬體的結合，掌握人工智慧專案開發的基本方法，實現集語音辨識、自動投放、溢滿提醒、火情報警等功能于一體的智慧垃圾分類系統。 本書可作為高等學校電腦類、資訊類、電子類等專業人工智慧相關課程的教材，也可供希望學習Python、OpenCV的讀者或其他從事人工智慧專案開發的工程技術人員學習參考。

本書首先從簡單的思路著手，詳細介紹了理解神經網絡如何工作所必須的基礎知識。第一部分介紹基本的思路，包括神經網絡底層的數學知識，第2部分是實踐，介紹了學習Python編程的流行和輕鬆的方法，從而逐漸使用該語言構建神經網絡，以能夠識別人類手寫的字母，特別是讓其像專家所開發的網絡那樣地工作。第3部分是擴展，介紹如何將神經網絡的性能提升到工業應用的層級，甚至讓其在Raspberry Pi上工作。

本書採用開源智能硬件micro:bit，使用Python進行程序編寫，通過內置LED、按鈕、傳感器、無線和藍牙，實現了遊戲開發、POS機、石頭剪刀布等實踐案例；通過Arm公司安芯教育設計的擴展板，實現了聲控風扇、智能搶答器、紅綠燈系統、遙控LED燈、大棚管理系統、電子門鈴、限位雨刷器、遙控小車等項目。 本書還介紹了如何實現樹莓派與micro:bit之間進行信息讀寫的方法，如何通過圖形界面進行程序編寫以及對應的靜態Python程序，如何使用Arm公司的物聯網免費開源操作系統mbed OS對micro:bit進行編程。 本書可作為各類高校、高職、中小學開設開源硬件課程或Python編程相關課程的教材，也可供想進行編程學習的青少年、家長、教育工作者、創客等各類讀者參考。

《算法不難 》結合300多幅示意圖與70個算法示例（Python實現）直觀地講述36種常用經典算法的相關知識和9種經典算法思想，幫助讀者深入理解相關算法的原理與設計思想，為後續學習高級算法夯實基礎。《算法不難 》分為5章。第1章介紹算法的基本概念以及如何正確使用和設計算法等相關知識；第2章介紹排序算法的基本思想以及冒泡排序、選擇排序、插入排序、希爾排序、歸併排序、快速排序、堆排序、計數排序、桶排序和基數排序十大排序算法；第3章首先介紹圖算法的基礎知識，然後介紹路徑搜索、廣度優先搜索、深度優先搜索、最小生成樹、單源最短路徑、**流等常用圖算法。第4章介紹字符串處理算法的相關知識，涵蓋字符串基礎知識以及字符串判斷、字符串匹配、字符串排序和字符串壓縮等。第5章介紹枚舉、遞推、遞歸、分治、貪心、動態規劃、迭代、回溯和模擬九大算法思想的原理與應用。《算法不難 》內容豐富，講解循序漸進，適合有一定Python語言基礎的算法入門人員閱讀，也適合其他算法愛好者和程序設計從業人員閱讀，還可以作為高等院校相關專業算法課程的教材。

本書重點介紹模擬電路仿真器的內部工作原理，並闡述了在開發過程中出現的各種難題的解決方案。本書選擇Python作為代碼環境以展示算法原理。本書首先概述了數值方法，重點強調了非線性方程及其牛頓-拉夫森算法中的解；其次介紹了建模技術，以及線性情況和非線性情況的電路仿真器；然後討論了實際場景中的仿真器，強調了一些限制因素並提出了對策；最後簡要介紹了仿真器涉及的更深入的數學背景知識。本書還提供了大量的示例和練習，以確保讀者更好地理解仿真器的工作原理。

★「APCS大學程式設計先修檢測」培養運算思維能力，為學習歷程加分! ★依據坐7級望8級的考試策略編寫的APCS專書，運用APCS申請國立大學。 ★觀念題C+實作題Python：學習C加強程式設計、資料結構及演算法的知識；以Python實作磨練程式設計功力。 本書特色 ★目標定位清晰：為預備挑戰APCS學科4級與術科3級而設計，協助學生以7級以上的成績，順利進入理想大學的資訊科系。 ★策略性學習：根據「坐7級望8級」的考試策略精心編寫，提供從基礎到進階的全面學習指南。 學科+術科的系統訓練 ★學科策略： •深入淺出，系統性地介紹學科概念，使學習和練習更加有效率。 •積極準備不僅可達成4級目標，同時開啟邁向5級的可能。 ★術科攻略： •基礎篇：從基本題目開始，確保清楚理解重點題型，確實實作，3級目標輕鬆達成。 •進階篇：將複雜題目拆解為易懂的子問題，逐步建立解題技巧和自信，為挑戰4級及5級做好充分準備。 •實戰演練：通過反覆練習，使學生在考場上能夠鎮定自若，有效應對各種題型，高分通過考試。

Python x AI辦公室作業自動化 Word、Excel、PowerPoint、PDF、CSV、Pandas 多執行緒、排程、藝術二維碼、短網址、電子郵件、爬蟲 【本書內容】 ★☆★☆★【技術最強、功能最廣】★☆★☆★ ★☆★☆★【AI助力效率飛躍】★☆★☆★ ★☆★☆★【多執行緒設計效能提升】★☆★☆★ ◆正則表達式 CIA情報員搶救任務 電子郵件地址自動擷取 文件格式化自動化 ◆多執行緒進階平行運算 客戶服務系統效能提升 即時數據同步技術 企業自動化報表生成 ◆自動化檔案管理 自動化備份流程 批次檔案修改 過期文件自動清理 ◆提升效率的利器 – 短網址 短網址生成器 短網址解析技巧 ◆告別重複工作 – 自動化排程 schedule模組應用 APScheduler模組 - 背景任務管理 ◆Python高效處理Word 自動化行銷文案生成 擷取圖表、表格數據 Word與PDF格式互轉 ◆PDF魔法 擷取PDF中的圖片、文字與表格 PDF文件加密與解密 PDF浮水印自動生成 ◆Python操作Excel 吸睛報表完美呈現 數據圖表說故事 樞紐分析表的強大應用 Excel與CSV轉換 Excel轉PDF ◆Python操作PowerPoint 程式自動生成簡報 批次簡報製作 - 效能再升級 會議簡報自動化流程 PowerPoint轉PDF ◆傳送與接收電子郵件 自動發送會員信件 通知會員繳費提醒 找出含特定內容的郵件 ◆網路爬蟲技術 多執行緒爬蟲下載圖片 自動抓取網頁數據並轉成表格 JSON數據下載轉CSV或Excel 網頁表格轉CSV或Excel ◆Openai API助攻客服設計 線上客服設計 ChatGPT x Excel建立客服知識庫

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

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。

深度學習是一門注重應用的學科。瞭解深度學習背後的數學原理的人，可以在應用深度學習解決實際問題時遊刃有餘。本書通過Python代碼示例來講解深度學習背後的關鍵數學知識，包括概率論、統計學、線性代數、微分等，並進一步解釋神經網絡、反向傳播、梯度下降等深度學習領域關鍵知識背後的原理。本書適合有一定深度學習基礎、瞭解Pyho如編程語言的讀者閱讀，也可作為拓展深度學習理論的參考書。

本書共 5 章： 第 1 章介紹代數系統的基本概念, 內容包括集合與映射、群、環、域及線 性代數系統等; 第 2 章介紹矩陣代數, 內容包括矩陣定義、矩陣的各種運算, 如線性運算、 乘法、轉置、方陣的行列式等, 並由此討論可逆陣的概念及性質; 第 3 章介紹線性方程組的 消元法, 為後面講解向量空間的知識奠定基礎; 第 4 章基於矩陣、線性方程組等討論應用廣 泛的向量空間, 內容包括向量及其線性運算、向量組的線性相關性、線性空間的線性變換等; 在以上幾章的基礎上, 第 5 章定義向量的內積運算,在向量空間中引入“度量”, 即向量的 長度（範數），從而將二維、三維的幾何空間擴展到一般的 n 維歐幾裡得空間.本書選擇 Python 的科學計算的軟件包 NumPy 作為計算工具, 針對書中討論的線性代數 的計算問題給出詳盡的 Python 解法. 本書中的每一段程序都給出了詳盡的注釋及說明, 適合各層次讀者閱讀.

近年來，固定收益市場規模、產品類別、投資實踐等都呈現跨越式發展，相關從業人員的教育需求也與日俱增。固定收益市場是一個重要的投資市場，瞭解這個市場的規律對成為一個合格的投資與風險管理人員來說至關重要。本書巧妙地將固定收益市場的相關知識和Python語言的編程實踐結合起來，通過12章內容，由淺入深地介紹了中國固定收益市場的情況，並給出了具體的 Python 分析案例。全書內容翔實，參考價值較高，涉及中國固定收益市場介紹，債券的計息基準與應計利息的計算，債券的淨價、全價與到期收益率的計算，收益率曲線與構建，債券的估值與風險計量，債券的會計與損益歸因分析，債券現券交易方式，回購與債券借貸，國債期貨與標準債券遠期，利率互換，利率期權，信用衍生品等內容。本書內容全面，實戰性強，通俗易懂，適合固定收益領域的從業者及想要進入這一領域工作的讀者閱讀。

《Python數據分析項目全程實錄》精選不同行業、不同分析方法以及機器學習等方向的12個熱門Python數據分析項目。這些項目既可以作為練手項目，也可以應用於實際數據分析工作中，其中的機器學習還可作為參賽項目的參考。總體來說，這些項目的實用性都非常強。具體項目包含：熱銷產品銷售數據統計分析、籃壇薪酬揭秘：球員位置與薪資數據的深度分析、股海秘籍：股票行情數據分析之旅、京東某商家的銷售評價數據分析、商城註冊用戶數據探索分析、自媒體賬號內容數據分析、汽車數據可視化與相關性分析、抖音電商數據分析系統、會員數據化運營RFM分析實戰、商超購物Apriori關聯分析、基於K-Means算法實現鳶尾花聚類分析、電視節目數據分析系統。本書從數據分析、機器學習的角度出發，按照項目開發的順序，系統、全面地講解每一個項目的開發實現過程。體例上，每章一個項目，統一採用“開發背景→系統設計→技術準備→各功能模塊實現→項目運行→源碼下載”的形式完整呈現項目，給讀者明確的成就感，可以讓讀者快速積累實際數據分析經驗與技巧，早日實現就業目標。

本書以Python為開發環境，以小遊戲開發為載體，對編程及人工智能技術進行講解，讓讀者同時學習編程及人工智能知識。 本書共16章，可分為4個部分。第1部分為第1～3章，分別是編程、遊戲和AI，Python環境準備及Pygame基礎知識。第2部分為第4～7章，分別講解了貪吃蛇遊戲編程、打磚塊遊戲編程、笨鳥先飛遊戲編程和五子棋遊戲編程。第3部分為第8～12章，分別介紹了神經網絡和PyTorch基礎、蒙特卡羅模擬、強化學習入門、深度強化學習DQN及遺傳算法。第4部分為第13～16章，分佈介紹了貪吃蛇AI編程、打磚塊AI編程、笨鳥先飛AI編程和五子棋AI編程。 本書內容系統性強，語言精練，適合對AI遊戲編程感興趣的讀者閱讀，也適合作為青少年遊戲編程培訓的參考用書。

本書通過講解Python編程及其基礎應用為大數據專業的學習奠定基礎。全書共8個項目，主要內容包括進入Python編程世界、編程計算三角形面積、開發一個面積計算器、開發一個萬年曆、開發一個撲克牌遊戲、開發一個文件自動備份器、字符串加密解密和天氣數據分析與可視化。本書以簡潔、通俗易懂的語言，講解了Python中*基本、*重要的概念。本書適合作為各類職業院校大數據技術及相關專業的教材，也可作為計算機愛好者的大數據入門和學習Python程序設計的參考用書。本書配有電子課件、微課視頻(書中掃碼觀看)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。

本書全面介紹Python語言編程方法，選用有趣、實用的項目編程，以培養讀者學習興趣、鍛煉思維為主。 本書採用項目式教學體系例寫，選擇學練結合的學習方法，全書安排14個項目，將編程的知識分解到各項目中， 每個項目包含一個核心知識點，同時加強對上一項目內容的應用和拓展，做到從易到難、循序漸進。 本書可作為中小學“人工智能”課程入門教材，第三方進校園教材，學校社團活動教材，學校課後服務 （託管服務）課程、科創課程教材，校外培訓機構和社團機構相關專業教材，也可作為自學人員自學教材，還 可作為家長輔導孩子的指導書。

本書全面介紹Python 語言編程控制方法，選用有趣、實用的產品，以培養讀者獨立設計智能電子產 品的技術與能力。本書採用項目式教學體系編寫，全書安排12 個項目，將設計產品的基本知識和編程技 術分解到各項目中，每個項目包含一個核心知識點，同時做到從易到難、循序漸進。 本書可作為中小學“人工智能”課程入門教材，第三方進校園教材，學校社團活動教材，學校課後 服務（託管服務）課程、科創課程教材，校外培訓機構和社團機構相關專業教材，也可作為自學人員自 學教材，還可作為家長輔導孩子的指導書。

★☆★國內第一本介紹Rust實戰的專書★☆★ 【本書特點】 ☆Rust重要觀念介紹：泛型(Generics)、特徵(Trait)、巨集(Macro)、閉包(Closure)、並行處理(Concurrency)、所有權(Ownership)。 ☆Rust實戰：機器學習、WebAssembly、區塊鏈(Blockchain)、跨語言整合(FFI)，包括Python、C、JS…等。 ☆常見應用實作：資料庫存取、網站開發、桌面程式、檔案系統存取…等。 【本書目標對象】 1. 熟悉C語言的學生或工程師：可學習到最新的程式語言設計理念，改寫或升級舊系統(Legacy system)。 2. 熟悉Python語言的學生或工程師：可學習到如何開發安全與高效能的應用系統。 3. 同時熟悉C與Python語言的學生或工程師：可學習到如何整合Python與Rust，提升系統開發的生產力。 4. 機器學習工程師：可學習如何利用Rust建立高效系統，以提升模型訓練(Training)與推論(Inference)的速度。

演算法 圖解原理 x Python實作 x 創意應用 王者歸來 (全彩印刷) 本書內容 ★★★★★【國內第1本演算法 + 創意實作】★★★★★ ★★★★★【彩色圖解演算法】【Python創意程式】★★★★★ ★★★★★【約700張彩色圖片+ 296個創意應用】★★★★★ 這是一本使用Python從零開始指導讀者的演算法入門書籍，閱讀本書內容，讀者可以學會下列知識的創意與潛在應用： ◎演算法基本觀念 ★ 主要內容：時間複雜度、空間複雜度 ☆ 創意應用：一個要計算8411億年的程式 ◎陣列與鏈結串列 ★主要內容：陣列、單向(雙向)鏈結串列、循環鏈結串列 ☆創意應用：客戶資料管理、庫存管理系統、瀏覽器歷史記錄管理系統、音樂播放管理、醫療排隊系統 ◎佇列(Queue) ★主要內容：插入、讀取、串列模擬佇列 ☆創意應用：模擬銀行排隊系統、生產者 - 消費者、網路封包處理、網站爬蟲的URL管理 ◎堆疊(Stack) ★主要內容：堆入push、取出pop、認識堆別在函數呼叫的角色 ☆創意應用：模擬銀行排隊系統、生產者 - 消費者、網路封包處理、網站爬蟲的URL管理 ◎二元樹(Binary Tree) ★主要內容：建立、讀取、前序(中序與後序)遍歷二元樹 ☆創意應用：表達式樹、家譜樹、網頁導航樹、遊戲AI決策樹 ◎堆積樹(Heap Tree) ★主要內容：建立、取出、刪除、最小(最大)堆積樹 ☆創意應用：線上遊戲得分排行榜、物流中心的貨物調度、醫院緊急情況處理系統、電商平台推薦系統設計、多任務處理最短作業優先調度 ◎雜湊表(Hash Table) ★主要內容：雜湊表與陣列、效能分析、模組 ☆創意應用：電影評分系統、電子郵件垃圾過濾器、社交媒體標籤系統、網頁瀏覽記錄、簡單的快取系統 ◎排序 ★主要內容：泡沫、雞尾酒、選擇、插入、堆積樹、快速與合併排序 ☆創意應用：社交媒體貼文按讚數排序、任務排序、KTV點播次數排序、影評排序、旅館價位排序 ◎數據搜尋 ★主要內容：順序、二分搜尋、搜尋最大值 ☆創意應用：順序搜尋商品庫存、二分搜尋法查詢書籍、順序搜尋電子郵件黑名單、書籍搜尋使用二分搜尋法 ◎回溯演算法 ★主要內容：走迷宮、迷宮設計與堆疊 ☆創意應用：排列組合、密碼生成、圖的著色、任務分配、走迷宮 ◎從遞迴看經典演算法 ★主要內容：河內塔、八皇