一步到位！Python 程式設計 – 最強入門教科書 第五版
活動訊息
全館滿$1,200送150點金幣，4月歡慶兒童節，童書、玩具、文具滿1000元再送200點金幣！
內容簡介
✧✦ 初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧
✧✦ 從基礎語法到生成式 AI 應用，打穩 Vibe Coding的關鍵能力 ✦✧
身處在 vibe coding 的時代，在當前要能順利和 AI 協作，程式能力依然是不可或缺的。同時，在大數據、人工智慧相關的領域，Python 也還是那個最強的工具。
本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、大數據分析與人工智慧等專業的領域。有了基本的程式能力以後，便能有效的監督 AI 產生的程式碼，又或是清楚地提出自己對程式的要求。如此一來，你將能透過 vibe coding 體會到前所未有的樂趣！
☛ 清楚明瞭的語法教學，第一次寫程式就上手！
☛ 豐富滿點的實作範例，自己動手反覆練習最有感！
☛ 無縫接軌四大套件－NumPy、matplotlib、SciPy、pandas
☛ 紮穩資料科學基礎，銜接機器學習最強套件－scikit-learn
☛ Requests、Beautiful Soup－網路爬蟲
☛ OpenCV、YOLO－人臉辨識、物體偵測一把罩！
☛ 輕鬆建立本地端 AI 助理－Ollama、Streamlit
本書特色:
✯最易學習✯
沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會Python在不同領域的應用。
✯豐富範例✯
本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。
✯最強應用✯
本書包含下列幾個與資料科學、網路爬蟲、機器學習、電腦視覺、自然語言處理、大型語言模型等應用相關的最強套件。有了這些基礎，你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展：
▪ NumPy → 資料運算
▪ matplotlib → 資料視覺化
▪ SciPy → 科學計算
▪ pandas → 資料處理與分析
▪ Requests、Beautiful Soup → 網路爬蟲
▪ scikit-learn → 機器學習
▪ OpenCV → 人臉偵測與辨識
▪ YOLO → 物體偵測與圖像分割
▪ Ollama、Streamlit → 本地端 LLM 與網頁版聊天機器人
✧✦ 從基礎語法到生成式 AI 應用，打穩 Vibe Coding的關鍵能力 ✦✧
身處在 vibe coding 的時代，在當前要能順利和 AI 協作，程式能力依然是不可或缺的。同時，在大數據、人工智慧相關的領域，Python 也還是那個最強的工具。
本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、大數據分析與人工智慧等專業的領域。有了基本的程式能力以後，便能有效的監督 AI 產生的程式碼，又或是清楚地提出自己對程式的要求。如此一來，你將能透過 vibe coding 體會到前所未有的樂趣！
☛ 清楚明瞭的語法教學，第一次寫程式就上手！
☛ 豐富滿點的實作範例，自己動手反覆練習最有感！
☛ 無縫接軌四大套件－NumPy、matplotlib、SciPy、pandas
☛ 紮穩資料科學基礎，銜接機器學習最強套件－scikit-learn
☛ Requests、Beautiful Soup－網路爬蟲
☛ OpenCV、YOLO－人臉辨識、物體偵測一把罩！
☛ 輕鬆建立本地端 AI 助理－Ollama、Streamlit
本書特色:
✯最易學習✯
沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會Python在不同領域的應用。
✯豐富範例✯
本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。
✯最強應用✯
本書包含下列幾個與資料科學、網路爬蟲、機器學習、電腦視覺、自然語言處理、大型語言模型等應用相關的最強套件。有了這些基礎，你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展：
▪ NumPy → 資料運算
▪ matplotlib → 資料視覺化
▪ SciPy → 科學計算
▪ pandas → 資料處理與分析
▪ Requests、Beautiful Soup → 網路爬蟲
▪ scikit-learn → 機器學習
▪ OpenCV → 人臉偵測與辨識
▪ YOLO → 物體偵測與圖像分割
▪ Ollama、Streamlit → 本地端 LLM 與網頁版聊天機器人
目錄
▌Part1 Python 語法篇
第 1 章 Python 與 AI 時代的程式設計
1-1 認識 Python
1-2 使用 Anaconda
1-3 使用 Google Colab
1-4 Python 程式碼撰寫風格
1-5 常見的程式錯誤
1-6 AI 輔助寫碼與偵錯（ChatGPT、Gemini）
第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入
第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 字串與數值格式化
第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue
第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
第 6 章 list、tuple、set 與 dict
6-1 list（串列）
6-2 tuple（元組）
6-3 set（集合）
6-4 dict（字典）
第 7 章 檔案存取與錯誤處理
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with
7-5 管理檔案與資料夾
7-6 認識語法錯誤與例外
7-7 try…except
第 8 章 物件導向
8-1 認識物件導向
8-2 使用類別與物件
8-3 繼承
8-4 多型
第 9 章 模組與套件
9-1 標準函式庫
9-2 模組
9-3 套件
9-4 第三方套件
9-5 datetime 模組
▌Part2 資料科學應用篇
第 10 章 陣列與資料運算 － NumPy
10-1 認識 NumPy
10-2 NumPy 的資料型別
10-3 一維陣列運算
10-4 二維陣列運算
10-5 通用函式
10-6 廣播
10-7 視點（view）與複本（copy）
10-8 數學函式
10-9 隨機取樣函式
10-10 統計函式
10-11 檔案資料輸入／輸出
第 11 章 繪製圖表 － matplotlib
11-1 認識 matplotlib
11-2 繪製線條或標記
11-3 繪製長條圖
11-4 繪製直方圖
11-5 繪製圓餅圖
11-6 繪製散佈圖
第 12 章 科學計算 － SciPy
12-1 認識 SciPy
12-2 統計子套件 scipy.stats
12-3 最佳化子套件 scipy.optimize
12-4 插值子套件 scipy.interpolate
第 13 章 資料分析 － pandas
13-1 認識 pandas
13-2 pandas 的資料結構
13-3 pandas 的基本功能
第 14 章 網路爬蟲 － Requests、Beautiful Soup
14-1 認識網路爬蟲
14-2 使用 Requests 抓取網頁資料
14-3 使用 Beautiful Soup 解析網頁資料
▌Part3 人工智慧應用篇
第 15 章 機器學習 － scikit-learn
15-1 認識機器學習
15-2 線性迴歸
15-3 邏輯迴歸
15-4 K-近鄰演算法
15-5 決策樹
15-6 隨機森林
第 16 章 人臉偵測與辨識 － OpenCV
16-1 認識 OpenCV
16-2 基本影像處理
16-3 【實例演練】人臉偵測
16-4 【實例演練】人臉辨識
第 17 章 物體偵測與圖像分割 － YOLO
17-1 認識電腦視覺與常見任務
17-2 認識 PyTorch 與 YOLO
17-3 【實例演練】物體偵測
17-4 【實例演練】圖像分割
第 18 章 本地端 LLM 與聊天機器人 － Ollama、Streamlit
18-1 認識自然語言處理與大型語言模型
18-2 部署本地端 LLM
18-3 使用 Ollama 串接本地端 LLM
18-4 本地端 AI 助理－RAG 與 AI 投資小幫手
18-5 使用 Streamlit 建立網頁應用程式
18-6 本地端聊天機器人 － 網頁版 AI 健身教練
第 1 章 Python 與 AI 時代的程式設計
1-1 認識 Python
1-2 使用 Anaconda
1-3 使用 Google Colab
1-4 Python 程式碼撰寫風格
1-5 常見的程式錯誤
1-6 AI 輔助寫碼與偵錯（ChatGPT、Gemini）
第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入
第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 字串與數值格式化
第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue
第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
第 6 章 list、tuple、set 與 dict
6-1 list（串列）
6-2 tuple（元組）
6-3 set（集合）
6-4 dict（字典）
第 7 章 檔案存取與錯誤處理
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with
7-5 管理檔案與資料夾
7-6 認識語法錯誤與例外
7-7 try…except
第 8 章 物件導向
8-1 認識物件導向
8-2 使用類別與物件
8-3 繼承
8-4 多型
第 9 章 模組與套件
9-1 標準函式庫
9-2 模組
9-3 套件
9-4 第三方套件
9-5 datetime 模組
▌Part2 資料科學應用篇
第 10 章 陣列與資料運算 － NumPy
10-1 認識 NumPy
10-2 NumPy 的資料型別
10-3 一維陣列運算
10-4 二維陣列運算
10-5 通用函式
10-6 廣播
10-7 視點（view）與複本（copy）
10-8 數學函式
10-9 隨機取樣函式
10-10 統計函式
10-11 檔案資料輸入／輸出
第 11 章 繪製圖表 － matplotlib
11-1 認識 matplotlib
11-2 繪製線條或標記
11-3 繪製長條圖
11-4 繪製直方圖
11-5 繪製圓餅圖
11-6 繪製散佈圖
第 12 章 科學計算 － SciPy
12-1 認識 SciPy
12-2 統計子套件 scipy.stats
12-3 最佳化子套件 scipy.optimize
12-4 插值子套件 scipy.interpolate
第 13 章 資料分析 － pandas
13-1 認識 pandas
13-2 pandas 的資料結構
13-3 pandas 的基本功能
第 14 章 網路爬蟲 － Requests、Beautiful Soup
14-1 認識網路爬蟲
14-2 使用 Requests 抓取網頁資料
14-3 使用 Beautiful Soup 解析網頁資料
▌Part3 人工智慧應用篇
第 15 章 機器學習 － scikit-learn
15-1 認識機器學習
15-2 線性迴歸
15-3 邏輯迴歸
15-4 K-近鄰演算法
15-5 決策樹
15-6 隨機森林
第 16 章 人臉偵測與辨識 － OpenCV
16-1 認識 OpenCV
16-2 基本影像處理
16-3 【實例演練】人臉偵測
16-4 【實例演練】人臉辨識
第 17 章 物體偵測與圖像分割 － YOLO
17-1 認識電腦視覺與常見任務
17-2 認識 PyTorch 與 YOLO
17-3 【實例演練】物體偵測
17-4 【實例演練】圖像分割
第 18 章 本地端 LLM 與聊天機器人 － Ollama、Streamlit
18-1 認識自然語言處理與大型語言模型
18-2 部署本地端 LLM
18-3 使用 Ollama 串接本地端 LLM
18-4 本地端 AI 助理－RAG 與 AI 投資小幫手
18-5 使用 Streamlit 建立網頁應用程式
18-6 本地端聊天機器人 － 網頁版 AI 健身教練
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
- 紙本平裝
-
- ISBN
- 9789863128809
- 分級
- 普通級
-
- 頁數
- 560
- 商品規格
- 18開17*23cm
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價