JavaScript 爬蟲新思路！從零開始帶你用 Node.js 打造 FB &IG 爬蟲專案(iT邦幫忙鐵人賽系列書)
本書內容改編自第12屆 iT 邦幫忙鐵人賽，AI＆Data 組佳作網路系列文章── 《行銷廣告、電商小編的武器，FB IG 爬蟲專案從零開始 》 你知道 JavaScript 不僅能寫網頁還能夠爬蟲嗎？ 你受夠像機器人般蒐集資料的生活嗎？ 從新手村畢業的朋友想知道一個專案是如何進行的嗎？ PM 們想知道工程師面對問題時在想什麼嗎？ 想知道這些答案嗎？想知道的話可以全部都給你。 閱讀吧！我把所有的解答都放在書裡了！ 書籍特色 從零開始！手把手建置 Mac/Windows 的專案環境 擋住學習熱情的不是困難的工具，而是屢戰屢敗的環境建置！ 除了 step by step 帶你安裝環境，更讓你掌握每個工具的用途與原理。 循序漸進！每個章節都是一個里程碑 每個章節都有明確的學習目標，讓讀者在閱讀與實作的過程中成長； 並透過實務上的議題，培養獨立思考能力。 整合技術！完成屬於自己的爬蟲專案 從架構上全面著手，提供多種解決問題的思路，打造擴充性強大的系統。 透過需求訪談，你將發現──只有爬蟲技術是無法完善整個專案的！ 儲存資料的容器、定時執行的排程與爬蟲完成後的通知都是不可或缺的一環。 Node.js x Selenium x Google Sheets x Schedule x LINE Notify 最後，習得爬蟲技能的你 1. 向機械化的操作 Say Goodbye ~ 2. 蒐集海量資料不再是苦差事 3. 比別人擁有更多技能優勢 本書線上資源： github.com/dean9703111/social_crawler
Python演算法交易
從創意發想到雲端部署 「能看到Yves Hilpisch完成他的大作，真令人感到興奮；他的著作整合了Python與雲端計算的全套做法，運用統計學與機器學習的技術，在金融市場中取得正向的報酬。」 —McKlayne Marshall 演算法交易專業工作者 演算法交易在過去曾是各大投資機構獨佔優勢的領域，但如今就算是小型投資機構或甚至散戶交易者，也都有能力透過線上平台從事這類的交易。如今許多交易者都選擇Python(及其強大的套件體系)做為他們實現演算法交易的工具。本書作者Yves Hilpisch針對如何把Python運用於演算法交易這個引人入勝的領域，為所有學生、學者及專業工作者提供了相應的介紹。 你將在演算法交易許多不同的面向，學習到各種應用Python的方式，例如交易策略的回測，以及與線上交易平台互動的做法。一些規模最大的買賣投資機構，都在大量運用Python。 本書會以系統化的方式探索如何打造、部署自動化演算法交易策略，協助你達到與其他人公平競爭的水準。 ‧設定一個適合進行演算法交易的Python環境 ‧學習如何從公開或專用的資料來源，檢索出金融數據資料 ‧運用NumPy與pandas，探索向量化金融分析方法 ‧掌握不同演算法交易策略的向量化回測做法 ‧運用機器學習與深度學習，做出市場預測 ‧運用socket程式設計工具，即時處理串流資料 ‧透過Oanda與FXCM交易平台，實現自動化演算法交易策略
歐式選擇權定價：史用Python語言
運用數位與統計方法了解歐式選擇權定價！ ※將抽象的數學公式，巧妙運用程式語言進行輸出，帶你無障礙進入統計分析的世界。 ※使用熱門Python程式語言，學習數學或理論模型，瞭解選擇權的定價。 ※透過量化分析方法與時間序列模型，深入解析專業財金議題。 ※本書適合大學部高年級或研究生使用及對衍生性商品有興趣的讀者自修。更是「衍生性金融商品」、「創新金融商品」或「財務工程」等課程最佳工具書。 一書在手，掌握選擇權定價方法！ 一般而言，我們是利用BSM模型以決定歐式選擇權價格，不過BSM模型存在不少缺點，其中波動率固定的假定經常為人所詬病；換言之，我們需要BSM以外的模型。通常介紹選擇權定價的書籍或文獻大多艱澀難懂，本書另闢蹊徑，以另外一種方式來介紹屬於財務工程領域的選擇權定價。全書運用Python按部就班介紹BSM以及其他的模型。 本書仍維持作者之前一貫的特色，舉凡書內牽涉到讀（存）資料、計算、模擬、估計、編表或甚至於繪圖等動作，皆有對應的Python程式碼供讀者練習。利用臺灣實際的選擇權歷史資料，本書發現於波動較大的環境內，BSM之外的模型有可能較優。BSM之外的模型有哪些呢？請翻閱本書。
核心開發者親授！PyTorch深度學習攻略
【PyTorch官方唯一推薦教材！】 & 深度學習是近年來非常夯的一個領域，發展的速度也十分的驚人。曾經，深度學習的函式庫五花八門，各自都具備了一定的重要性。如今，使用者開始往兩大函式庫，PyTorch及Tensorflow靠攏，進而鞏固了它們的地位。在2018年以前，Tensorflow在國際學術頂尖會議中的論文引用率都遠超PyTorch。自2019年起，PyTorch就奮起直追，越來越受到學者們的喜愛。在ICLR 2020和CVPR 2020會議中，使用PyTorch的論文數已超越Tensorflow。由此可見，掌握PyTorch，是勢在必行的！ & PyTorch最為人稱道就是語法和Python相近，一樣簡潔好學，與Numpy、Pandas函式庫的相容性也很好，並支援動態運算圖（dynamic computational graph），有助於模型的優化，對記憶體的使用也非常有效率。本書作者為PyTorch核心開發者，深知PyTorch的強大之處，並擁有豐富的深度學習經驗，將帶你從無到有，利用PyTorch建構出深度學習模型，並用其來解決現實問題的能力。 & 與其他深度學習框架書相比，本書的最大特色為：利用數個章節來實作肺癌偵測專案。在實作該專案的過程中，你可以實際體會到如何充分把所學應用出來，並針對過程中所遇到的問題來找出解方。更重要的是，作者的寶貴經驗會讓你少走許多彎路，快速培養實戰能力！ & 閱讀完本書後，你將了解： ★深度學習的基本資料結構：張量（tensor） ★如何實作模組及損失函數 ★如何從PyTorch Hub中載入預先訓練的模型 ★在有限的資料下，訓練模型的方法 ★分析測試結果，並找出現有模型中的問題 ★透過擴增資料等方法，提高模型的表現 & 如果你對深度學習非常有熱忱，並且已經具備一定的Python能力，願意跟著書中內容動手嘗試，那你就是本書最適合的讀者！& & 本書特色 & ◎作者為PyTorch核心開發者，能以更全面的視角來進行教學 ◎實作內容豐富，花費大量篇幅處理肺癌偵測專案 ◎時刻提點實作專案時可能遇到的陷阱，讓讀者少走彎路 ◎各章節的內容皆搭配程式範例，讀者可實際演練來加深印象 ◎本書由施威銘研究室監修，書中針對原書進行大量補充，並適當添加註解，幫助讀者更好地理解內容 專家推薦 & ●Soumith Chintala，PyTorch 共同開發者 Facebook AI Research 研究員：& 『這本書出版後，我們終於有了關於 PyTorch 的權威著作，它具體地說明了基礎的知識和概念。』& & ●Mathieu Zhang，NVIDIA 深度學習技術經理：& 『將深度學習切割成易於讀者消化的區塊，再以程式範例作為輔助。』 & ●Philippe Van Bergen，PÇ Consulting 雲端架構師： 『具及時性、實務性及透徹性的一本書。你應該把它放在你的電腦旁，而不只是把它放在書架上。』 & ●Orlando Alejo Méndez Morales，Experian 軟體分析師： 『這本書提供了非常實用的深度學習概述，適合做為教學資源。』 &
資料結構：使用Python(第二版)
資料結構(Data Structures)是資訊學科的核心課程之一，也是基礎和必修的科目。本書確實闡述資料結構的重要主題，並以圖文並茂的方式表達，最能達到教學與學習事半功倍的效果。 各章的每一小節幾乎都附有「練習題」，讓讀者能藉由測驗，評量自己對此節的了解程度；而書末亦附有這些練習題的參考解答。各章末再附上「動動腦時間」，這些題目取自歷屆的高考或研究所考試題目，或是筆者根據內文加以設計的題目，每道題目後面皆標示出自的章節數，表示只要詳讀該節即可輕鬆地作答。 除了第一章和第九章外，皆有完整的「程式實作」，並在第二版中加以編修成更精簡與可讀性，以供讀者驗證其理論。
超圖解資料科學X機器學習實戰探索：使用 Python
資料科學、機器學習是近來最夯的關鍵字, 所引發的學習熱潮從未間斷。然而初學的你只要稍微上網搜尋可能會發現, 資料科學涉及的領域實在超～級～廣, 包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等, 一拖拉庫的名詞都與資料科學沾上邊；相關書籍更是不少, 各書的切入點明顯都不一樣, 卻都一致高喊「我帶你學資料科學！」讓初學者看得更花了, 對於如何入門愈來愈沒頭緒... 這麼雜到底怎麼學？AI、統計、Python / R 程式語言...通通碰過一輪？ 先看完這本書再說！與其雜亂無章東學西學, 本書大聲告訴你：「資料科學沒那麼複雜！」, 只要跟著書中精心設計的「資料科學 5 步驟」： 問個感興趣的問題 → 資料取得 → 資料處理 → 探索性資料分析 → 機器學習做資料分析 「記牢」、「做熟」這 5 步就夠了！ [鐵了心就是要你會！利用 Colab ✕ Python 反覆操演] 在各步驟中, 我們會帶你用 Colab 免費雲端平台以及 Python 這個超夯工具動手操演多個資料科學經典案例, 讀者可以從過程中逐步吸收資科科學乃至於機器學習各階段要處理的「眉眉角角」。 要是做過一輪還不熟沒關係, 我們換個範例多 run 幾遍！幾輪下來一定會對資料科學的內涵更加清晰, 也會對機器學習在其中所扮演的角色有更深刻的認識！ [圖解爆棚, 隨便翻閱都有感] 更棒的是, 學習資料科學、機器學習免不了會碰到許多看起來很難懂的數學公式, 實作時也得學習各種陌生的 Python 語法, 為此作者特別在書中設計大量插圖, 協助你有效率地理解內容；而每一章最前面的「學習地圖」更可以幫你隨時掌握學習脈絡, 有這些超圖解的「加持」, 讓你遇到再複雜的概念也不怕！ 本書特色 ★ 精心設計豐富插圖, 每一頁都有感！ ★ 零數學公式、統計符號, 輕鬆學會資料科學、機器學習！ ★ 用最夯的 Colab + Python 動手實作 ★ 機器學習實戰演練：線性迴歸分析、KNN 分類、K-Means 分群... ★ 範例滿載！一次不熟換個範例多 run 幾次保證讓你會！
Python自學聖經(第二版)：從程式素人到開發強者的技術與實戰大全(附影音/範例程式)
【Python系列書在台累計銷量近10萬冊】 國內眾多程式人選書第一指名、學業界指定Python講師、 榮登暢銷榜最多Python圖書作者團隊代表作 集Python程式技術大成，強大內容增值再進化～ 8大領域、39個主題、上百種模組套件、近1,200個範例， 涵蓋語法入門，橫跨各大熱門技術與軟硬整合實戰應用！ 一本帶你入行！系統化分章、大量圖表解說， 全面跨入Python程式開發殿堂！ 給需要本書的人： ★不知道如何開始才能自學好Python的人 ★有接觸過但又不想打掉重練的人 ★老是寫不好Python程式的人 ★想運用Python開發專案的人 掌握系統化的學習途徑 才能真正駕馭Python Python廣泛應用於大數據、網路爬蟲、人工智慧、機器學習、物聯網等熱門領域，是一套直譯式、物件導向，功能強大的程式語言。具備簡潔的語法，擁有許多模組套件，跨平台且容易擴充，所以非常適合初學者學習，但沒有系統性與結構化的學習，只能一知半解，而胡亂網路爬文，也只會迷失在資訊叢林。 本書從Python自學角度出發，系統化的分章學習，全面涵蓋語法、模組套件、主題應用、軟硬整合，規劃出最好的學習曲線，縮短自學途徑，排除學習障礙，真正從初學入門到業界活用！ ■完整詳實的程式入門： 從開發環境建置開始，由淺入深、循序漸進、完整且詳細的解說變數、運算、判斷式、迴圈、串列、元組、字典、集合、函式與模組等語法觀念與實作。 ■晉級專業的進階心法： 包括物件導向開發、例外處理、正規表達式、檔案管理、圖形使用者介面設計等內容。 ■應用廣泛的資料科學： 涵蓋網路爬蟲、數據資料儲存與讀取、資訊視覺圖表化、Numpy、Pandas資料與分析的完整學習。 ■無所不在的網路應用： 囊括Flask網站開發、建立Web API與Heroku部署、Django資料庫網站架設，還有LINE Bot機器人整合應用。 ■邁向未來的AI人工智慧： 具備機器學習入門、機器學習特徵處理、分類與迴歸演算法、深度學習MLP、CNN與RNN的應用，以及機器學習雲端平台Azure、NLP自然語言處理等能力。 ■玩轉創意的多媒體互動： 包含讀取圖片、編輯圖片、合成、濾鏡效果、大量圖片處理，還有PyGame遊戲開發、PyTube影音下載等運用。 ■提升效率的開發加值： 介紹目前業界最熱門的Google Colab雲端開發平台與VS Code編輯神器，也深入介紹如何將程式打包成執行檔。 【超值附加內容】 萬物可通的IoT物聯網： 從MicroPython程式實作、硬體實作、感測器應用、加入顯示裝置、使用Wi-Fi無線網路，到物聯網整合應用，提供PDF電子書，可視需求運用。 【超值學習資源】 獨家收錄「Python物件導向程式開發影音教學」、 「Google Colab雲端開發平台入門影音教學」、 全書範例程式檔 感謝各界眾多程式讀者的肯定與真好評， 新版中，我們依據市場回饋的寶貴訊息調整章節與順序， 並且再加值內容與影音教學，讓本書更全面， 也更有利於學習。 在基礎入門篇中加入集合與時間模組的使用； 在資料科學篇中加入json及xml格式的檔案操作，以及Pandas資料分析； 在網路應用篇中增加應用Flask進行Line Bot的改版開發，還升級Django的版本； 在人工智慧篇更針對機器學習補強了演算法的應用與實作， 除了觀念的導引，也強調資料在分類、迴歸分析上的學習，深入機器學習的核心； 全新的開發加值篇介紹目前業界最火熱的Google Colab雲端開發平台， 以及VS Code編輯神器，也深入介紹PyInstaller執行檔編譯； 全新的多媒體互動則著重在Pillow圖片處理、PyGame遊戲開發、PyTube線上影音下載； 附錄的IoT物聯網篇則因應軟體更新了操作介面，提供全彩呈現， 讓Python實戰更加得心應手。
Python資料可視化攻略
用大家都能聽懂的方式，告訴您如何將分析資料視覺化！ 什麼是資料視覺化？ 這是一種將數字資料、地理資料、文字等各種資料，做成圖表，讓人一看就懂的技巧與手法 為什麼需要資料視覺化？ 自從「大數據」與「人工智慧」技術興起之後，如何善用資料變成一件非常重要的事情，要讓資料有效的被利用與理解，視覺化是一種非常有效的方法。Python擁有非常豐富的函式庫，可以簡單地處理資料視覺化，所以有越來越多的人使用。 藉由本書您將可以了解： ．如何將資料分析的結果，以直觀的方式表達 ．如何根據資料的類型，選擇合適的圖表 ．何謂資訊圖表以及如何製作資訊圖表 來自讀者的讚譽 「對於想要用Python處理資料視覺化的初學者而言，是很親切的入門書」 「查閱方便，想要做什麼樣的圖表，可以即時查閱」
機器學習：彩色圖解 ＋ 基礎數學篇 ＋ Python實作 王者歸來(第二版)
這幾年心中總想寫一本可以讓擁有高中數學程度的讀者即可看懂人工智慧、機器學習或深度學習的書籍，或是說看了不會想睡覺的機器學習書籍，這個理念成為我撰寫這本書籍很重要的動力。為了卸除數學心房，筆者撰寫此書依循原則如下： ★：數學原理彩色圖解。 ★：手工計算基礎數學。 ★：Python程式高效實作。 這本數撰寫的幾個特色如下： ☆：全數共用約205個Python實例，講解機器學習的基礎數學 ☆：極詳細、超清楚、帶領讀者從畏懼數學到喜歡數學 ☆：複雜的數學符號重新拆解，原來可以很容易 ☆：了解機器學習的數學原理，讓機器學習程式充滿智慧靈魂& & 在徹底研究機器學習後，筆者體會許多基礎數學不是不會與艱難而是生疏了，如果機器學習的書籍可以將複雜公式從基礎開始一步一步推導，其實可以很容易帶領讀者進入這個領域，同時感受數學不再如此艱澀，這也是我撰寫本書時時提醒自己要留意的事項。 研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就，這本書講解了下列相關數學的基本知識。 ■ 資料視覺化使用matplotlib、Seaborn ■ 基礎數學模組Math ■ 基礎數學模組Sympy ■ 數學應用模組Numpy ■ 將LaTeX應用在圖表 ■ 機器學習基本觀念 ■ 從方程式到函數 ■ 方程式與機器學習 ■ 從畢氏定理看機器學習 ■ 聯立方程式與聯立不等式與機器學習 ■ 機器學習需要知道的二次函數與三次函數 ■ 數據擬合、決定係數與迴歸曲線製作 ■ 數據預測 ■ 機器學習的最小平方法 ■ 機器學習必須知道的集合與機率 ■ 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估 ■ 筆者講解指數與對數的運算規則，同時驗證這些規則 ■ 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來 ■ 認識邏輯(logistic)函數與logit函數 ■ 三角函數 ■ 大型運算子運算 ■ 向量、矩陣與線性迴歸 ■ 統計知識 ■ 機器學習模組scikit-learn，監督學習與無監督學習。 相關書籍 這本書是筆者所著機器學習系列書的起點，讀者還可以閱讀下列書籍： 機器學習 彩色圖解 + 微積分篇 + Python實作
必學！Python 資料科學.機器學習最強套件：NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras
最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術, 本書帶您一次學會！ & Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras 等最強套件, 絕對是初學者必須好好掌握的！ & NumPy 數值運算套件可以做資料高速運算, 許多套件也都是以 NumPy 為基礎建構而成, 經常得跟 NumPy 搭配使用, 一定要紮穩這個重要基石； & 在面對龐大的資料時, 使用 Pandas、Matplotlib 可以輕鬆做資料整理, 並藉由繪圖獲取重要資訊, 是資料科學實作的強大利器； & OpenCV 是電腦視覺 (Computer Vision) 領域響叮噹的套件, 不管是裁切、縮放、輪廓偵測、過濾影像以強化資訊...各種影像處理功能一應俱全, 是影像辨識、機器學習做資料擴增的最強助手； & 最後, 我們將帶您一窺 scikit-learn、tf.Keras 這兩個重量級套件如何在機器學習、深度學習領域中發揮關鍵性的作用, 我們會實際操演如何利用它們做資料預處理 (Preprocessing)、建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)…等監督式學習分類模型；以及建立 DNN、CNN 等影像辨識神經網路 (Neural network)。 & 看了本書之後, 你將深刻體會到各套件的強大之處, 利用短短幾行程式碼, 竟然瞬間完成許多運算、建模工作。不過各套件的函式、參數設定可不像網路文章寫的這麼單純, 當中有許多設定「眉角」需要特別注意, 為此, 小編都經過逐一詳測, 針對可能遇到的問題添加大量註解, 幫助讀者更加理解內容！& & 本書特色 & □資料科學熱門套件解說 ‧紮穩 NumPy 重要基礎：axis、dimention、陣列切片、各種高速運算函式 ‧Pandas 資料分析技巧：資料清理、缺失值處理、快速取得各種統計數據 ‧Matplotlib 資料視覺化：繪製 2D / 3D 圖 / 子圖、比較資料的分布狀況 ‧OpenCV 影像處理：影像裁切 / 縮放 / 翻轉...做資料擴增, 二值化 (binarization) / 降雜訊...強化重要影像資訊 & □最紮實的機器學習、深度學習實戰 ‧機器學習的資料預處理 (Data preprocessing) ‧快速建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)...監督式學習分類模型 ‧建立 DNN、CNN 影像辨識神經網路 (Neural network) ‧建模完只是第一步！各模型超參數 (Hyperparameter) 調整心法大公開！ & □本書由【施威銘研究室監修】, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！ &
Python 刷題鍛鍊班：老手都刷過的 50 道程式題，求職面試最給力
死背 1000 題 ✘，不如用 50 題紮實打好 Python 底子！✔ 許多人想換份更理想的工作, 選擇了 Python 語言, 並開始替求職面試做準備。可是, 一開始猛刷題、背答案, 真的能搞懂 Python 語言的基礎嗎？Python 到底哪些地方表現得跟其他語言不同, 你又要如何像老手一樣, 才有辦法寫出簡潔漂亮的解答？ 擁有 MIT 電腦科學學士、西北大學學習科學博士學位的 Reuven M. Lerner, 自 1995 年起便投身全職科技教育──如今他在美國、歐洲、以色列與中國皆有授課, 協助無數學生的事業更上一層樓。這本書的內容, 便是他與學生在學 Python 的課後時間腦力激盪的成果。 本書精選 50 個練習題, 以刷題為出發點、但給你的不只是解答──書中題目依主題分門別類, 一一解釋 Python 語言的精華概念, 從資料型別、容器、迴圈到生成式、產生器、物件無所不包。甚至, 你能看到如何運用 Python 內建的強大功能進一步簡化練習題的解答。 與其上網刷 1000 題而不求甚解、進了職場屢屢犯錯, 不如先用 50 題練好紮實底子, 一舉突破學習 Python 的難關！ 本書特色 ☑ 複習 Python 重要基礎與概念 ☑ 活用 Python 關鍵技巧與內建套件 ☑ 學寫出精簡漂亮的 Python 程式 ★ 附 Jupyter Notebook / Python Tutor 範例程式及原作者 177 分鐘線上教學影片 ★ 加碼贈送：用本書技巧再刷 10 題，教你用 Python 的漂亮風格俐落解題
Python機器學習與深度學習特訓班(第二版)：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)
國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、 文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練， 從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖 由類神經網路基礎到AI應用實戰 訓練、模型、預測、辨識、分析與驗證 全面深入機器學習與深度學習技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 ■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向： 印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例： 手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深度學習的重要關鍵話題： TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar… ■針對專案實戰提供關鍵影音輔助教學，加速學習效率。超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF
Kaggle大師教您用Python玩資料科學，比賽拿獎金
本書是利用Python參加機器學習競賽「kaggle」的入門書。一開始先以適合初學者學習的「Titanic：Machine Learning from Disater」競賽學習Kaggle的基礎。從中除了可學習實踐Titanic的方法，還能掌握自行參加競賽所需的知識。 本書具有以下特色： ．為了kaggle撰寫的習作教學書籍 ．每一章或每一節都有具體的主題，可讓讀者按部就班地掌握需要的知識 ．解說各種表單、圖片檔、文字檔的操作方法，作為進入下一個競賽的路標。 ．兩位執筆者都擁有「Kaggle Master」的稱號，也有賺到獎金的經驗 ．除了說明之外，還有兩位筆者的對談，從不同的角度介紹Kaggle的魅力 ．會為程式設計與Python的初學者詳細講解範例程式
Python 技術者們：實踐！帶你一步一腳印由初學到精通 第二版
體貼的互動式學習體驗，幫你打好程式基礎、補正觀念，避開語法地雷； 搭配上百個 Python 程式範例，帶你掌握 50 種以上的熱門套件和新技術， 從初學到精通，輕鬆跨過初學的門檻，讓你的程式力有感升級！ 全新修訂最熱門的實戰應用，快速晉升精通 Python 的技術者們！ 學 Python 就是要做得到、用出來，本書帶你一步一腳印用科學方法解決複雜的問題，快速有效切入實作，完成各種有趣的實戰應用，包括：假新聞分類器、自然語言處理、機器學習模型、邏輯斯迴歸、股票盯盤、車牌辨識、網頁留言板、網頁表單處理、網頁模板應用、線上模型部屬、網路爬蟲、語音百科機器人、AI 人臉辨識、無人車、區塊鏈...等主題，內容紮實、讓你收穫滿滿。 精實快速的 Python 語法入門及觀念補正，體貼初學者的互動式學習 Python 有容易學習、快速應用、資源強大的特色，所以很受大家的歡迎。但是,要怎樣學 Python 呢？學習一個程式語言最扎實、有效的方法就是把基本語法學好。不過基本語法很無聊，引不起學習興趣，幸好 Python 是直譯式語言 (Interpreter)，它可以用互動的方式來和使用者溝通；我們希望讀者可以跟著書的內容一步一腳印的手 key 每一行敘述，感受其真正的意涵。我們也會針對初學者常常搞不清楚的細節或觀念，透過問答式的情境設計，彷彿一位老師在身邊細心提點，幫助你快速跨過初學的門檻。 站在巨人肩膀上，活用 Python 最有趣的必備套件 學會了基礎後，要用 Python 來做什麼呢？Python 另一個很有用的特點是它有很龐大的第三方套件，能讓程式的撰寫變得快速又輕鬆。懂得使用套件是真正體會 Python 樂趣的起點，我們會以實用、強大的 Python 套件來進行各種實作，包括：OpenCV、BeautifulSoup、Pandas、matplotlib、selenium、Scikit-learn、 Flask、requests、os、threading....等等。以這些套件為基礎，你就可以依自己的需要，創造出更符合自己在工作上、研究上的應用。 ★歡迎加入本書社群，和「Python 技術者們」直接對話！ 從做中學 Learning by doing 粉絲專頁 歡迎加入 VIP 會員，下載本書 Bonus 內容：www.flag.com.tw/bk/st/f1700 本書特色 超精實訓練！帶你實際體驗超過 50 種 Python 套件與技術，掌握最熱門的科技與知識。 包含以下相關題材：Anaconda、人工智慧、Azure、人臉辨識、OpenCV、機器學習、Regex、巨量資料收集、BeautifulSoup、網路爬蟲、Pandas、比特幣、Fintech、量化交易、IFTTT、路標辨識、JSON、語音聊天機器人、LINE、股票盯盤、twstock、語音辨識、matplotlib、電腦視覺、NumPy、selenium、假新聞分類器、smtplib、自然語言處理、SQLite、語意分析、Pytube、Youtube 極速下載、you-get、無人車、Scikit-learn、線性回歸、lambda、車牌辨識、Pygame、道路辨識、Flask、虛擬貨幣、requests、區塊鏈、Subprocess、多執行緒、os、自動 email、WTForms、自動簡訊、Pyinstaller、網頁留言板、Logisic Regression ● 基礎篇：一步一腳印的互動式學習 → 帶你實作所有 Python 基礎語法，key 過、錯過才有感！ → 體貼初學者心情的問答情境，幫你跨過初學的門檻 → 補正 Python 的變數、索引、物件、容器...等容易混淆的基礎觀念 ● 進階篇：站在巨人肩膀上，體會 Python 最有趣的實務應用 → 活用 Python 豐富多元的第三方套件 → 蒐羅技術社群最多迴響的熱門專題 → 圖解每個範例的實作原理，讓你的技術力快速起飛
爬蟲在手 資料我有：７堂課學會高效率Scrapy 爬蟲(iT邦幫忙鐵人賽系列書)
由淺入深了解Scrapy爬蟲框架，讓你從零開始建立高效率爬蟲！ ◆自學網路爬蟲沒問題，手把手教學讓你無痛上手 ◆完整的網路爬蟲和Scrapy知識，資料取得更輕鬆 ◆學會各種套件和實作範例，讓你的爬蟲比別人更有效率 本書內容改編自第11屆iT邦幫忙鐵人賽的AI Data組優選網路系列文章─《爬蟲在手、資料我有 - 30 天 Scrapy 爬蟲實戰》。在AI的大時代中，「資料來源」是基礎中的基礎，但網路上的資料豐富又繁雜，總不可能都靠人工來蒐集資料。這時就是爬蟲出場的時候了！本書會帶讀者了解爬蟲的基礎知識，克服爬蟲常見的問題，最後可以寫出維護成本低、執行效率高的爬蟲程式。 四大重點 ★初學者必備的爬蟲指南，大大降低你的學習門檻 網路爬蟲妙計已為你爬取完成！從安裝環境、認識架構、資料儲存、除錯到各類型網站實作，本書將一步步帶你學會網路爬蟲。 ★全面解析各種知識，爬蟲能力再提升 不只教你如何進行網路爬蟲，還要帶你深入Scrapy架構，並特別介紹NoSQL、反反爬蟲。提升你的爬蟲技能，擁有越級打怪的神力。 ★活用各種套件，打造高效率爬蟲 本書將手把手帶你活用各種套件，並從範例中學會撰寫精簡有效的程式碼，讓你克服問題、達成任務，邁向高效率的資料取得之路。 ★爬取資料生活化，就像抓寶一樣好玩有趣！ 你會學到如何抓取PTT、Mobile01、新聞網站、股市網站資料，你想要的各種資料都能輕鬆取得。 【下載範例程式檔案】 本書範例檔下載網址：github.com/rex-chien/ithome-scrapy
Deep Learning 3|用Python進行深度學習框架的開發實作
從無到有的實作，在動手做的過程中強化對於深度學習的理解 或許您也曾經用過Tensorflow、PyTorch這類深度學習的框架（Framework），相信您也曾經對裡頭那些神奇的技術與有趣的結構嘆服不已。這本書就是為了解開這些疑問，正確瞭解這些技術而撰寫的。希望你可以從中體會這種技術性的「樂趣」。基於這個目的，本書將秉持著「從零開始製作」的方針，從無到有，一邊操作，一邊思考，透過實作加深理解，獲得審視現代深度學習框架的「新視野」。再藉由這個「新視野」，更廣泛、深入地理解深度學習。 高人氣、高評價的「Deep Learning基礎理論實作」系列第三部 《Deep Learning：用Python進行深度學習的基礎理論實作》、《Deep Learning 2|用Python進行自然語言處理的基礎理論實作》是從零開始進行深度學習，藉此瞭解相關結構。當時以單純性為優先，而「手動」設定了運算的「連結」。真正的框架是將這個部分自動化，Define-by-Run就是其中的一種手法，本書將利用從零開始製作DeZero的方式來學習這個機制。請別擔心，閱讀這本書不需要具備前作《Deep Learning：用Python進行深度學習的基礎理論實作》系列的知識。
Python功力提升的樂趣|寫出乾淨程式碼的最佳實務
如果您已讀過《Python自動化的樂趣》這本暢銷書，學到了基礎的Python知識後，下一步想要成為更有實力的軟體開發工程師時，還需要學習什麼樣Python的知識呢？ 歡迎您繼續閱讀本書，您不僅能學到進階的語法和編寫乾淨程式碼的精妙技巧，還能學到如何使用命令行和其他專業工具(如程式碼格式化程式、型別檢查器、linters和版本控制等)來提高Python程式設計的技能。本書作者Sweigart會帶領您使用最佳實務的作法來設定開發環境，為變數取好的名稱和提高可讀性，然後學習怎麼寫出好的說明文件，對程式做出好的組織管理，對程式做出正確的效能評測，以及物件導向設計的觀念，還有大O演算法分析等知識。這些進階的技能可以大幅提升您的程式開發能力，這些知識不僅是對Python語言有用，對任何其他程式語言也同樣有用。 本書精彩的內容： ‧寫出Python風格的程式碼，以及怎麼利用Python的Black自動格式化工具來寫出乾淨的程式碼 ‧常見的程式碼錯誤，以及怎麼利用靜態分析器偵測出這些錯誤 ‧活用Cookiecutter範本工具來組織管理程式專案的相關檔案結構 ‧學會lambda和高階函式等相關的函式程式設計技巧 ‧活用Python內建的timeit和cProfile模組來分析程式的速度 ‧學會正確編寫注釋、文件字串，讓這些內容更有描述性和資訊力，並掌握編寫的時機 ‧學到Python的物件導向程式設計、類別、繼承和property和dunder方法 沒有一本書可以馬上就能讓您成為專業的軟體開發專家，但本書除了教您活用Python的基本知識之外，您還能學到怎麼寫出易於除錯且具有Python風格的可讀程式碼，能讓您在邁向專業的路途中更為順暢。
以Python取勝：計量交易快速上手
愈來愈多的聰明投資者，交易前進行計量分析，才精準執行高回報策略，你，還只靠新聞消息、財演、技術指標，在大市中赤膊上陣？計量交易是以大數據分析各種風險及回報，撇除人類的貪婪、恐懼及人為錯誤，以電腦創造高勝算策略。牛熊市不再重要，因為在任何市況，都能穩操勝券。作者錢琛為外資投行計量工程師，在MeWe及Facebook專頁跟投資者分享計量交易心得，其個人投資組合近一年表現超越美國標指總回報約10%，證明計量交易的絕對優勢。作者指出，初學者可先嘗試以python編寫的程式分析策略，到熟練了編程後，就可以嘗試編寫演算法，以電腦作自動化分析及執行交易策略，學識大戶操盤技巧。Python是容易入手的原生編程語言，只要在網上下載套件，就能輕鬆應用。 Python的社群亦有很多優良套件，經少許自訂後，就可將一套交易邏輯應用到不同的金融工具上進行回測。用家只需根據特定程式結構輸入交易邏輯，就能在極短 時間內快速得知回測結果，包括年回報、最大回撤(maximum drawdown)、夏普比率(Sharpe ratio)等等，更附有不同預設的回報分析圖表，供用家進行研究。作者除分享python的精華入門，也介紹了如何以python分析ETF、期貨及期權的計量交易策略。由介紹各種投資工具的特點開始，再進一步示範如何編寫以上各類金融產品的程式指令，也加上實戰例子，讓投資者能輕易掌握編程要點，省卻不少自行摸索的功夫。
Python程式設計：初心者超凡入門
Python語言具備物件導向、直譯、程式碼簡潔、跨平台、自由/開放原始碼…等特性，加上豐富強大的套件模組，讓Python的用途更為廣泛，另外，Python是種多重思維（Multi-paradigm）程式語言，允許各位使用多種風格來寫程式，程式撰寫更具彈性，絕對是CP值最高的程式語言入門首選。 本書完全以入門者角度去介紹，結合運算思維與演算法基本觀念，並以Python語言來實作，以淺顯易懂的敘述，循序引導Python語言的入門基礎；此外為降低讀者學習障礙，所有範例都提供完整程式碼，且都能在Python開發環境下正確編譯與執行，即使沒有相關背景知識，也能輕鬆學會。 ※本書範例檔案請至深石數位網站下載 強效基礎╱重質精要╱架構完整╱紮實觀念╱易學範例 ◆ 易學易懂穩紮基礎，高效駕馭Python入門 ◆ 提供完整程式碼，確切強化程式基礎訓練 ◆ 章末課後習題，回溯驗收學習成果與實力評點
Python與LINE Bot機器人全面實戰特訓班：Flask最強應用(附210分鐘影音教學/範例程式)
制霸5大超強聊天機器人 「智慧客服、即時查詢、發票對獎、多國語音翻譯、 線上旅館訂房」的人工智慧實戰攻略 LINE在全台擁有2,100萬個活躍用戶，使用者橫跨所有領域，深入每個年齡層，樹立不可撼動的地位。LINE Bot是近年來非常受到企業重視與愛用的服務，除了被動的客服答詢，還能主動推播行銷與活動資訊，為企業、社群或團體打造品牌形象，營造出使用者認同感與忠誠度。 書中使用當前最受歡迎的Python程式語言與Flask應用程式框架作為所有內容的技術主軸，從認識LINE Bot運作原理開始，經由LINE 2.0帳號申請、熟悉開發工具，最後再導入五個不同面向的重要專案，用Python全面學會LINE Bot的AI智慧機器人開發。 用最紅程式語言與應用框架打造最受歡迎聊天機器人 從環境建置、帳號申請、開發實作到商業實戰應用 緊扣每項技術的重要環節，由入門到精通！ 【LINE Bot開發設定與介面互動配置】 ■LINE開發者帳號申請與圖文選單設定 ■文字圖片與多媒體回應訊息、快速選單整合 ■按鈕、確認與轉盤回應樣板訊息 ■圖片地圖與日期時間選單應用 ■運用彈性配置設計靈活的訊息樣式 ■利用LIFF在LINE加入網頁應用程式 【Python與Flask合體超強智慧機器人】 ■建置Python開發環境 ■啟動Jupyter Notebook及建立檔案 ■使用Flask打造Web API應用程式 ■Messaging API運用與實作 ■PostgreSQL資料庫建置與使用 ■LUIS為LINE Bot加上會思考的智慧大腦，快速理解詢問內容 ■QnAMaker利用機器學習訓練模型，快速建置問答資料庫 ■HeroKu免費高效的應用程式雲端平台部署 ✶「智慧客服機器人」實戰： 善用機器學習建立語意分析資料庫，開發專屬智慧客服系統。 ✶「天氣匯率萬事通」實戰： 即時查詢氣象與當天匯率，隨時回覆相關資訊。 ✶「發票對獎小幫手」實戰： 結合網路爬蟲收集數據，大幅提升處理效率。 ✶「多國語音翻譯機器人」實戰： 搭配雲端 API，開發多國語音翻譯機器人。 ✶「線上旅館訂房管家」實戰： 結合電子商務應用，成為最佳虛擬助手。 書附超值學習資源：210分鐘關鍵影音教學/範例程式檔 *本書是使用Flask打造Web API應用程式，若想使用Django， 可參考另一本書《Python與LINE Bot機器人全面實戰特訓班》。
網管大殺器：用Python精控企業IT架構
為網路工程師量身打造的網路運行維護 帶領全世界數十萬頂尖IT網管工程師昇華為NetDevOps高手 & 本書內容基於思科裝置和技術，從網路工程師的角度出發，以截稿前最新的Python 3.8為主，從Python的安裝到基礎和進階知識，再到Python在網路運行維護中的實戰應用和網路工程師必須掌握的Python協力廠商模組，所有內容均為網路工程師量身打造，讓完全零基礎的網路工程師能夠快速上手並掌握Python這門程式設計語言，將網路運行維護自動化技術運用在日常工作中，在加強工作效率的同時，提升職場競爭力。本書所有內容均由作者精選，只說明對網路工程師有用的Python知識，讓讀者在網路運行維護自動化技術學習的道路上少走一些彎路。 & 眾所皆知，Python這門程式設計語言的應用場景十分廣泛，人工智慧、資料分析、爬蟲、Web開發、遊戲製作等領域都能看到Python的身影。隨著近幾年Python的大熱，和上述Python應用場景相關的書籍、視訊、網站等教學資源隨處可見，而市面上Python的基礎入門教學更是多如牛毛。遺憾的是，在如此豐富的Python教學資源中，為網路工程師量身打造的電腦網路運行維護方面的教學書籍卻相當匱乏。此書完整運行思科的網路設備，用Python完整控制自動化的流程，說是網路設備中的Ansible都不為過！想成為帶兵的將軍而不是打仗的兵丁，這就是你要學習控制大局的新武器，運籌帷幄在至高點，把整個企業命脈的IT一手掌握。 & ●適合讀者群 本書適用於熟練掌握了電腦網路技術基礎知識，並且希望學習以Python 為代表的網路運行維護自動化技術的網路工程師、網路安全工程師、網路顧問、網路架構師。 &
Python全面攻略：從程式新人到開發設計的快速學習
編寫本書的主要目的是為了讓初學者快速進入Python式設計的殿堂，透過書中精挑細選的範例程式學習程式設計技巧，養成初學者具有紮實和獨立程式設計能力，訓練初學者使用Python開發視窗程式、檔案存取、視覺化圖表、多媒體與OpenCV、資料庫存取、網路爬蟲、JSON存取以及AI電腦視覺辨識，本書內容由淺入深涵蓋如下： & ▌Python基礎程式設計 介紹程式設計基本流程、串列、元組、字典、集合、函式，培養初學者基本電腦素養和程式設計能力。 & ▌視窗應用程式 完整介紹表單和常用與進階控制項的屬性、方法、事件處理以及視窗與各類型的控制項應用，使初學者具有開發視窗應用程式的能力。 & ▌檔案存取、圖表與多媒體設計 介紹資料視覺化圖表設計、多媒體與OpenCV程式設計、檔案存取，以便撰寫出存取檔案與簡單的多媒體應用程式，如目錄操作、文字檔的存取、播放聲音、播放影片以及其他媒體檔之技巧。 & ▌資料庫程式設計 介紹SQLite資料庫與資料表的建立，資料表記錄存取，以及不同資料表的關聯查詢。 & ▌網路爬蟲與開放資料 介紹如何進行網頁爬蟲取得網頁資料，同時介紹存取JSON資料與存取開放資料進行資料視覺化分析。 & ▌AI電腦視覺辦識 介紹使用Azure電腦視覺服務進行分析影像資訊，例如取得影像中的品牌、場域物件、成人內容、人臉(年齡與性別)等資訊。 & 本書特色 & [觀念清晰建立] 由淺入深的圖例，輕鬆理解Python程式設計概念 [步驟操作解說] 豐富的實作教學，有效精進程式開發設計技巧 [範例實作引導] 視窗、圖表、檔案資料庫、爬蟲、AI影像辨識等多元實例 [自我學習驗證] 配合各章內容的各式題目，全力備援學習成果 &
股票發大財：用Python預測玩轉股市高手精解
預測股票之夢，雖遠但非遙不可及。 想成為股市贏家不是會看盤，而是要先會Python！ K線、均線自己畫，資料自己爬，賺錢一大把！ 全書分為三篇： 基礎篇（第1~4章）：說明Python開發環境的架設、基本語法、資料結構、程式的偵錯以及物件導向的程式設計思想。 股票指標技術分析篇（第5~10章）：分別說明使用網路爬蟲技術取得股票資料、使用Matplotlib視覺化元件、基於NumPy和Pandas函數庫進行大數據分析、以股票的不同指標分析為範例的開發方法—MACD + Python資料庫程式設計、KDJ + Python圖形化使用者介面程式設計、RSI + Python郵件程式設計。 以股票指標為基礎的交易策略之進階應用篇（第11~13章）：以股票的BIAS指標分析為範例說明Django架構、以股票的OBV指標分析為範例說明在Django中匯入記錄檔和資料庫元件、結合股票指標分析說明以線性回歸和SVM（支援向量機）為基礎的機器學習的入門知識。 台股上看兩萬點，台積電領軍，看盤成為全民運動！茫茫股海，每天追大盤，玩個股，但心中就是不放心，資料這麼多，到底資訊在哪裏？股市都是數字，而資料及演算法，都必須靠一個程式語言串起來。Python正是你最好的朋友，上手簡單，功能強大，最重要的是，近來最強的機器學習也是Python的核心。這些都是玩轉股市的基本工具，本書針對Python零基礎的使用者，主要說明大量的股票指標技術分析的範例，由淺入深地介紹了使用Python語言程式設計開發的應用「圖譜」。
大數據淘金術：Python機器學習高手實彈演練
◎ 從系統角度出發 ◎ 理論與實務結合 ◎ 主次分明通俗易懂 & 人工智慧和巨量資料技術已成為IT企業的發展趨勢，而技術的高速發展和需求的不斷增加也產生極大的人才缺口。 & 本書致力於有系統地闡釋Python大數據和機器學習技術，從資料的擷取、儲存、清洗，到建立模型、統計分析，最後用前端程式呈現給使用者資料展示以及後台的系統服務支援。本書結合Python資料工具使用、演算法原理以及典型實例各個層面，希望讀者透過閱讀本書，少走冤枉路，以最小的學習成本獲得最大的知識收益。 & 程式設計師透過閱讀本書可以學習大數據和機器學習企業的實際技能和方法；創業者和產品設計人員透過閱讀本書可以了解資料建模的功能、相關的技術點，以便更進一步地設計產品。 & 全書共16 章，第1 章 Python 程式設計介紹作為巨量資料工程師需要掌握的基本技術。 第2 ∼ 4 章 Python 資料分析工具 詳細介紹資料處理使用的科學計算函數庫Numpy、資料操作函數庫Pandas、資料視覺化工具Matplotlib 和Seaborn，以及互動作圖工具PyEcharts的資料處理邏輯和常用方法範例。 & 第5 ∼ 10 章 Python 資料處理與機器學習演算法 將理論、實例和Python 程式結合在一起，分別說明資料處理的每一個子模組。 & 第11 ∼ 16 章 Python 實戰& 介紹決策問題、遷移學習、影像分割、時序分析、自然語言處理、定義問題的方法等幾種典型的機器學習問題，兼顧使用場景分析、原理、程式解析等層面，和讀者一起探討在實戰中解決問題的想法和方法。 & 適合讀者群& 學習Python演算法和資料分析的工程師、往人工智慧和巨量資料方向發展的工程師、對人工智慧和巨量資料開發有興趣者。 & 本書特色 & 巨量資料-->演算法-->機器學習-->預測未來，這是現在雲端時代最重要範式，也是人類進入數位時代後最重要的一次工業革命，集未來科技之大成，智慧家居、無人車、帶我們上火星，靠著就是這些暗黑科學。 &
運算思維與Ｔ同遊Python：邏輯運算與程式設計
作者藉由多邊形、迴圈、海龜種種、顏色和顏色串列、系統觀點、實驗方法、指令的互補性、參數串列、函式等各章節，讓讀者透過情境設計與撰寫程式進行實作，訓練運算思維中抽象化、流程控制、模式化、遞迴、重覆、除錯的能力。 選擇運算思維學習工具的原則係將學習焦點擺在高階思維，而非學習許多低階程式編寫技巧。作者以程式語言Python讓讀者循序漸進，逐步發展運算思維，為運算思維入門的好書。 本書中主要介紹運算思維及其應用，內容涵蓋許多的基本知識，藉由程式範例引導讀者從基礎上手、進入運算思維的世界。範例一貫地，只針對一個對象-畫圖，只使用少數幾個不可或缺的指令，以上述兩點為基底，介紹常見的漸增型開發、丟棄式雛型。
LINE Bot by Python 全攻略：從Heroku 到AWS跨平台實踐(iT邦幫忙鐵人賽系列書)
一書搞定：從初始化 LINE 聊天機器人到發送華麗的 FlexMessage！ 從 Heroku 跨足到輕量簡潔的 AWS Lambda！ ●深入淺出的教學，完全了解LINE聊天機器人的運作原理。 ●生動有趣的範例，完全活用LINE聊天機器人的各式功能。 ●勤勞樸實的開銷，完全探索LINE聊天機器人的免費資源。 本書改編自第11屆iT邦幫忙鐵人賽 Modern Web 組優選網路系列文章---《從LINE BOT到資料視覺化：賴田捕手》，介紹如何以 Python 來撰寫 LINE 聊天機器人。從註冊帳號、初始化 LINE 聊天機器人開始，一步步理解 LINE 聊天機器人的運作方式，探索官方提供的各種功能以建構各式有趣的應用，並且比較在 Heroku/AWS 上佈署 LINE 聊天機器人的不同手段。 在工作場合，居家生活，人手一 LINE 的情況下，學習開發LINE聊天機器人成了一件增進工作效率、有益身心健康的嗜好。一個 LINE 聊天機器人可以幫我們查找資料，儲存訊息，定時呼叫，事件觸發。可謂所有的服務都有機會透過 LINE 聊天機器人來幫我們實現。本書旨在介紹 LINE 聊天機器人提供的各種功能，以及透過 Heroku/AWS 兩種不同平台開發 LINE 聊天機器人的方式。 💬四大主題 起始：LINE BOT SDK ●利用 Python 從頭打造 LINE 聊天機器人。 ●利用 Heroku 平台佈署 LINE 聊天機器人。 ●利用 LINE 官方功能裝備 LINE 聊天機器人。 擴充：Heroku Postgres ●資料庫的介紹和建立。 ●新增、刪除、修改、查詢的實際操作。 ●串接 LINE 聊天機器人的方式。 管理：Flask ●LINE 聊天機器人管理後台的架設。 ●Flask 的架構介紹。 ●Bootstrap 的應用。 整合：AWS Lambda ●利用 AWS Lambda 佈署LINE聊天機器人。 ●利用 DynamoDB 建立資料庫。 ●利用 CloudWatch 設定定時事件。
Python 3.9技術手冊
- 涵蓋Python 3.0至3.9實用特性 - 運用Type Hints增加程式可讀性與穩固性 - 深入常用模組之應用與實作 - 介紹asyncio模組與非同步設計 - 包含裝飾器、meta類別實作等進階主題‧作者自PyCon Taiwan 2013以來實行多次Python入門課程，匯整學員在課程中遇到的觀念、實作、應用等問題之經驗集成。 ‧基於Python 3.9而撰寫，涵蓋Python 3.0至3.9的實用特性。 ‧直接在範例上融合Type Hints，增加程式碼可讀性，並結合mypy進行型態檢查。 ‧涵蓋abc、collection.abc、datetime、urllib、pdb、unittest、timeit、threading、subprocess、multiprocessing、asyncio等標準程式庫之實用模組。 ‧介紹async、await、async for、async with等語法，並探討如何運用asyncio模組進行非同步程式設計。 ‧對於描述器、裝飾器、meta類別實作等進階主題詳細探討，並以標準程式庫中@staticmethod、@abstractmethod等功能之模仿，作為實際之應用對象。 ‧建議動手實作的範例提供Lab檔案，更能掌握練習重點。
高效能Python程式設計 第二版
寫給人類的高性能編程法 「這是少數幾本可以改變你的編程思維的書籍之一。」 —Hilary Mason Accel常駐資料科學家 或許你的Python程式可以正確運行了，但你希望它跑得更快。這本更新至Python 3的擴增版本將告訴你如何找到性能瓶頸，並且在使用高資料量的程式中大幅提升程式碼的速度。《高效能Python程式設計》將藉著探索各種設計背後的基本理論，讓你更深入瞭解Python的實作。 如何利用多核心架構或叢集？如何在不失去可靠性的情況下放大與縮小系統規模？資深的Python程式員可從本書學到許多問題的具體解決方案，以及來自許多公司的實戰經驗，這些公司都運用高性能Python來進行社交媒體分析、生產化機器學習等應用。 • 更充分地掌握NymPy、Cython與分析器 • 瞭解Python如何將底層計算架構抽象化 • 進行分析來找出CPU時間和記憶體使用量的瓶頸 • 選擇正確的資料結構，寫出高效程式 • 提升矩陣和向量的計算速度 • 使用工具，將Python編譯成機器碼 • 並行管理多I/O與計算操作 • 轉換multiprocessing程式碼，讓它在本地或遠端叢集上運行 • 使用Docker等工具來快速部署程式
The Python Workshop|跟著實例有效學習Python
消除旁枝末節，循序漸進，逐步獲得成果 學習Python的最好方法就是邊做邊學 《The Python Workshop》的特色 ‧非常適合那些希望入門的人 ‧充滿活力的步驟教學及練習，讓您學習關鍵技能 ‧結構合理，可以按照自己的進度學習 ‧25個活動+156個練習，讓您充分學習必要知識 您將利用真實的範例學習，這些範例可以帶來真實的結果，建立實作技能，如同一個資料科學家般建立您的機器學習技能，撰寫腳本來做自動化和節省時間，甚至建立您自己的遊戲和桌面應用程式。 您將採取一種循序漸進的方法來理解Python，不必忍受任何不必要的理論。如果時間不夠，可以改為每天進行一個練習，或者花一整個週末學習如何撰寫Python腳本，任君選擇。只要按照自己的方式學習，您會以一種確實感受成長的方式建立並強化您的關鍵技能。 內容節奏明快又直接，是Python初學者的理想夥伴。您將像軟體發展人員一樣在建立和發展程式碼，並在此過程中學習。您會發現這個過程讓您以最佳實作鞏固新技能，為未來的歲月打下堅實的基礎。 您將學到什麼 ‧了解如何使用Python 3編寫乾淨明確的程式碼 ‧了解類別和物件導向程式設計 ‧能做入門等級的資料科學處理並建立吸人目光的視覺化 ‧使用Python建立回應式、現代的Web應用程式 ‧使用Python腳本自動化基本的日常任務 ‧開始使用Python機器學習做預測 本書適用讀者 本書專為想要學習Python並將其用於解決現實世界中難題的專業人士、學生和業餘愛好者而設計。儘管這是一本入門書籍，但是如果您已經知道一些基本的程式設計概念(例如變數、if-else語句和函數)然會有些幫助。擁有物件導向設計的經驗也會有所助益，但不是必要。
AI世代高中生也能輕鬆搞懂的運算思維與演算法：使用Python
這是一本結合運算思維與演算法的入門書籍，開章即簡介AI世代與運算思維之間連結的關鍵心法，並針對運算思維的基礎安排了生動有趣、又富挑戰的小試身手擬真試題，包括： & 線上軟體通關密碼& 以數字加密提高資訊安全& 三分球比賽燈號記錄器& 動物園巡邏最佳化路線& 餐飲轉盤 繪圖機器人& 將影像以字串編碼& 電腦繪圖指令實作& 炸彈超人遊戲& 高雄愛河雷射字母秀 定格動畫& 校園防疫看護義工組成& 自動轉彎玩具汽車& 紅包抽抽樂機器人& 尋寶遊戲樂無窮 背包問題最佳解& 等差級數娃娃擺放櫃 & 本書採用豐富的圖例來說明運算思維與演算邏輯，並以Python語言實作程式，期望能更容易地引導入門者一一理解運算思維與加強演算邏輯。書中介紹了：分治法、遞迴法、貪心法、疊代法、枚舉法、回溯法…等演算法，並延伸：陣列、鏈結串列、堆疊、佇列、樹狀結構、圖形、排序、搜尋、雜湊、遊戲AI演算法…等重要資料結構。書末亦整理了運算思維的訓練資源，如運算思維計畫與教學資源、國際運算思維挑戰賽介紹及測驗題庫取得的說明。 & 本書特色 & ◎搭配Python訓練運算思維與演算法入門 ◎安排有趣富挑戰的運算思維擬真試題 ◎以豐富圖例提高演算法的理解程度 ◎設計難易度適中的習題與教學資源 &
Effective Python中文版(第二版)|寫出良好Python程式的90個具體做法
專為Python 3更新及擴充 開始使用Python開發程式是很容易的事情，這就是這個語言如此受歡迎的原因。然而，Python獨特的優勢、魅力和表達力可能很難掌握，而且還存在著容易讓人絆倒的隱藏陷阱。 第二版的《Effective Python》將會幫助你精通真正的「Pythonic」程式設計之道，完整駕馭Python的能力讓你撰寫出非常穩健且效能良好的程式碼。透過Scott Meyers在暢銷系列《Effective C++》中所開創，由情境驅動的簡潔風格，Brett Slatkin彙整了90個Python最佳實務做法、技巧與捷徑，並以真實的程式碼範例解釋它們，幫助你充滿自信地擁抱Python。 憑藉著多年來在Google建置Python基礎架構的經驗，Slatkin揭露了對於程式碼行為和效能有強大影響卻又鮮為人知的訣竅和慣用手法。你將會學到達成關鍵任務的最佳方式，讓你寫出來的程式碼更容易理解、維護和改善。除了提供更多建議外，新版還大幅修訂了第一版的所有做法，以反映最佳實踐方法的演變。 關鍵特色包括： ‧涵蓋Python所有主要領域的30個可實行指導方針 ‧對於述句、運算式和內建型別的詳盡說明與範例 ‧撰寫函式的最佳實務做法，幫忙釐清意圖、方便重複使用，並避免臭蟲 ‧概括式(comprehensions)和產生器函式更好的使用技巧和慣用語 ‧涵蓋如何以類別和介面精確表達行為 ‧對於如何以元類別(metaclasses)和動態屬性避開常見陷阱的指引 ‧達到共時(concurrency)和平行處理(parallelism)更有效且清楚的途徑 ‧用於最佳化和強化的解決方案，以最大化效能和品質 ‧輔助除錯和測試的訣竅和內建模組 ‧協同開發的工具與最佳實務做法
跨領域學 Python：資料科學基礎養成
我又不是程式設計師, 為什麼逼我寫程式？學 Python 到底要幹嘛？ 大家都說要學，可是到底有沒有 Python 這麼好用的八卦啊？ & █ 全民 AI 時代來臨, 資料科學順勢崛起 & 身在數位新世代, 任何行業都會接觸到龐大的資料, 而 Python 正是當今最常用的大數據 (Big Data) 處理工具。考慮到世界各國紛紛搶著將程式語言列入正規教育體系、台灣在 108 年度高中課綱跟進, 資料科學 (data science) 與機器學習 (machine learning) 又成為時下最搶手的新興行業, 學 Python 已經蔚為全民運動。 再不學 Python, 你將喪失競爭力, 等著淪為昨日黃花！ & █ 對未來徬徨的文科生, 也能靠程式培養斜槓好本事 & 為什麼學程式一定要數學好、懂理論？大學修過的計概、微積分或統計早就忘光光了, 怎麼辦？ 學 Python 絕非理科系學生的專利, 任何人都能輕鬆學會並運用 Python。用 Python 處理資料絕對出乎你意料地容易──無須高深技術或數學知識, 只需撰寫短短幾行程式碼, 便能輕鬆獲得統計數據和繪製圖表。一旦學會程式／資料科學技能, 再與你自身科系的知識及專長結合, 便能創造出獨一無二的跨領域價值, 大大提升就業前景、不怕畢業即失業！ & █ 從做中學, 零程式基礎也保證學得會 & 從 Python 的基本語法與重要基礎觀念, 到使用 Python 抓取報表、分析資料關聯、預測資料趨勢、繪製各種圖表, 甚至看似艱深、實際上簡單易用的機器學習模型...在耳聞已久的神秘面紗底下, 透過這本書引進門, 各位將發現使用 Python 來運用這些工具, 居然是如此簡單。 本書由同樣文科系出身的資深程式學習者操刀, 跳脫電腦書過去沉悶無趣的印象, 改以輕鬆又不失幽默的筆法、簡單但超實用的範例, 一步步帶各位體驗 Python 語言及資料科學的驚人威力。 & 學 Python 從未如此簡單──你到底還在等什麼？ 本書特色: & ★ 以易讀、高親和力的方式講解 Python 語言 (變數、邏輯判斷、迴圈、資料結構、函式...等) 及資料科學套件, 超級零基礎文科生也學得會, 從第一頁就有感！ & ★ 用簡單套件打好資料科學基礎, 零基礎、高效率處理好大量資料, 包括：NumPy、Pandas、matplotlib、seaborn、scikit-learn、requests 等熱門套件。 & ★ 還不知道學 Python 能做什麼嗎？本書用極短程式碼完成超實用範例, 包括：整理報表、統計試算、繪製圖表、爬取網頁、預測分析、機器學習...等等。 & ★ 大數據時代必備的資料科學基礎, 從基礎統計學到機器學習, 你將快速搞懂像是中位數、四分位數、變異數、標準差、直方圖 (histogram)、箱型圖 (box plot)、相關係數 (correlation coefficient)、決定係數 (R2)、精準率與召回率 (Precision/Recall)、線性迴歸 (linear regression)、K-近鄰 (KNN)、邏輯斯迴歸 (Logistic Regression)、支援向量機 (SVM)、主成分分析 (PCA)、標籤 (labels)、特徵 (features)、分類器 (classifier)、標準化 (standardization)、降維 (dimension reduction)... & ★ 特別附贈 Bonus：線上即時更新的 Jupyter Notebook 和 Anaconda 安裝操作手冊
如何學寫程式：Python篇—學會用「數學思維」寫程式
學會基礎程式設計本是很簡單的事，但許多人花了好多時間學習，最後仍學得似會不會毫無自信，隨便給個程式題目，往往不知從何下手。對這些人來說，好像學程式與天賦有關，少了基因，就是學不來。其實這個觀念是錯的，對台灣學生而言，幾乎天天都與數學打交道，每日逼迫自己運用「數學思維」作題目寫考卷，每位學生早已處在學好程式設計的有利位置而不自知，只要經過一些訓練，學習如何將數學用於程式設計，學好基礎程式設計只是早晚的事而已。 本書教你如何將從小所學到的數學從考試卷的封印中解除，學習如何運用「數學思維」於程式設計中，只要利用一點點國中數學，你就會發現基礎程式設計真得很容易，遠比數學考卷簡單得多，程式設計只不過是基礎數學的直接應用而已。 對台灣學生來說，只要懂得運用「數學思維」於程式設計中，學好程式設計可說是辛苦學數學過程中的一個附帶豐厚獎品，得來全不費功夫。
遊戲式運算思維學Python程式設計(附範例光碟)
傳統的程式設計專書架構，總是讓讀者不清楚學會後要應用到何處以及要如何應用，這些困擾總是造成學生的內心焦慮，就算會寫也不會應用，最後失去學習動力，進而排斥學習，甚至放棄學習。本書提出的「遊戲式運算思維學Python程式設計」課程，主旨在營造有趣、無壓力的學習環境，讓讀者在玩中學、學中覺，創造屬於自己的遊戲。提高學習動機與熱忱、降低學習焦慮。在研究的結果顯示，的確可以利用遊戲來提升學習動機與成效。本書透過大富翁桌遊的互動性來引發興趣，讓學習者自行設計一套屬於自己的桌遊（包含所有的規則與條件），再透過引導的方式帶領學習者分析自己設計的流程，最後經由程式的模組設計後，進行最終的整合。如此，可以讓學習者為了完成自己設計的桌遊一直保有動機與熱忱，進而完成桌遊數位化的任務，也因此學到程式設計所要教授的知識。
科學運算：Python程式理論與應用(3版)
當然你可以和從前一樣，學習PHP以及Visual Studio中其它的語言，日子一樣輕鬆愉快。但當工作的負擔越來越大，程式結構日益複雜，但對於程式的高效及輕量的需求越趨嚴格時，一個DNA良好的語言可以讓你省下不少精神。 Python是最優美的語言，也號稱Shell語言中的Scala，支援最豐富的資料型態以及最直覺又精簡的語法，更有大量的函數庫及協力廠商套件，在Facebook、Google等大型企業，Python早就是最多工程師使用的語言了。大數據時代來臨，Python更有Scikit、Numpy等package讓你無縫接軌，你終究還是用Python的，何不一開始就學？ 商品特色： 以Python 3.x版本進行講解，並附上與2.x版本的相關說明，適合使用兩個版本的讀者使用。提供三大案例，分別使用Python進行Window優質化，大數據處理和遊戲開發方面的應用。
Python零基礎學程式設計與運算思維：王者歸來 (第二版)
一本讓你厚植Python基礎功力的案頭好書 相較於第一版，第二版新增與修訂下列內容： 網路爬蟲 機器學習入門 全新觀念重新撰寫程式實例 全書增加約 30 個程式實例 附贈實作習題偶數題解答 他小細節修訂約 50 處 Python 語法非常活，筆者嘗試將Python 語法各種用法用實例完整解說，以協助學生未來可以更靈活使用Python。 本書約680 個程式實例，講解了下列知識： 科技與人工智慧知識融入內容 完整 Python 語法 串列、元組、字典、集合 經緯度計算城市間的距離 數學方法計算圓週率 生成式 generator 函數與類別設計 設計與使用自己的模組、使用外部模組 檔案壓縮與解壓縮 檔案讀寫、目錄與剪貼簿 程式除錯與異常處理 正則表達式 影像、QR code、文字辨識 GUI、動畫、遊戲、小算盤 遞迴式觀念與碎形 (Fractal) Matplotlib 中英文圖表繪製 台灣股市擷取與圖表繪製 網路爬蟲 機器學習入門
Python for DevOps|學習精準有效的自動化
「搭配進階的課程，對Python提供極佳的介紹。透過這個課程了解如何應用Python到對現今軟體發展具有重要性的所有技術領域之中。」 —Jeremy Yabrow Director of Engineering, BeyondView, Inc. 「你將遠離如尋寶般的探索，獲得能協助你改善DevOps實踐的新知和技術。」 —Wes Novack Systems Architect, Pluralsight 在過去的十年裡，科技領域有許多事情發生改變。炙手可熱的資料科學、無所不在的雲端科技和許多組織需要某種方式的自動化。經歷這些轉變，Python已經成為世界上最受歡迎的語言之一。這本基於實務的技術指南將為你展示如何利用Python並與目前最有用的DevOps工具(包括Docker、Kubernetes和Terraform)結合，來處理日常Linux系統的管理與維護任務。 對於眾多的專家來說，學習如何操作Linux及自動化是十分重要的。Python讓這些事變得更為簡單。透過本書，你將學會如何開發軟體和解決使用容器的問題，當然還包括了如何設置監控與監測、進行負載測試和運維你的軟體。如何有效的使用Python「讓事情被完成」？以下是獻給你的指南。 ‧Python基礎知識，包含語言的介紹 ‧如何自動發送訊息、實作命令列工具和自動化檔案系統管理 ‧Linux工具集、套件管理、建構系統、監控與監測和自動化測試 ‧雲計算、基礎設施即程式碼、Kubernetes和無伺服器架構 ‧從DevOps觀點出發，進行機器學習和資料工程 ‧建構、部署和維運機器學習專案
Python機器學習第三版(下)
第三版－最新修訂版，新增TensorFlow 2、GAN和強化學習等實用內容 使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習 & 循序漸進、由淺入深，好評熱銷再進化！最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南，也是讀者在建立機器學習系統時的必備參考。有別於其他機器學習教科書，本書使用Python探求機器學習和深度學習的技術精髓，強調豐富實用的程式範例、條理分明的數學解釋，以及直覺友善的圖解說明，帶領讀者探索機器學習的眾多子領域，讓艱澀的概念栩栩如生。 & 許多讀者告訴我們，他們非常喜歡本書第二版的前12章，因為它們全面介紹了機器學習與Python的科學計算。為了確保這些內容的相關性，我們依據讀者回饋，回顧並修改了這些章節，以支援最新版本的NumPy、SciPy、pandas、matplotlib和scikit-learn，並規劃成本書的上冊。而TensorFlow 2.0更是深度學習領域最振奮人心的事件之一，所有與TensorFlow有關的章節（第13章到第16章，規劃成本書的下冊）都進行了大幅度修改。除了介紹Keras API與scikit-learn的最新功能之外，本書也探討自然語言處理（NLP）的子領域「情緒分析」，以及強化學習（RL）和生成對抗網路（GAN）等時下最流行的AI技術（第17章和第18章）。 & 無論你是有經驗的程式設計師，或是機器學習新手，或你只想進一步深入了解機器學習的最新發展，本書將是你在機器學習之旅中的絕佳良伴。 & 在這本書中，你將學到：& ●掌握能讓機器從數據中「學習」的框架、模型和技術 ●使用scikit-learn進行機器學習、使用TensorFlow進行深度學習 ●利用機器學習來做影像分類、情緒分析與智慧Web應用程式 ●訓練類神經網路、GAN與其它模型 ●結合機器學習模型與Web應用程式 ●為機器學習工作清理並準備數據 ●用深度卷積類神經網路來分類影像 ●了解評估和調校模型的最佳實作 ●使用迴歸分析來預測連續目標 ●利用「集群」來發掘數據中隱藏的模式與結構 ●使用「情緒分析」深入研究文本和社群媒體數據 ●上冊包含本書前12章，下冊則包含第13章到第18章。 & 【下載範例程式檔案】 本書的程式碼是由GitHub託管，可點選下面圖案前往下載： github.com/rasbt/python-machine-learning-book-3rd-edition & 【下載本書的彩色圖片】 我們還提供您一個PDF檔案，其中包含本書使用的彩色圖表，可以在此下載： static.packt-cdn.com/downloads/9781789955750_ColorImages.pdf
一行指令學Python：用機器學習掌握人工智慧(附範例光碟)
現在學機器學習，正是最好的年代！在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是最好學機器學習的時候，你等於是站在巨人的肩膀上學習。本書沒有複雜的數學，沒有複雜的程式碼，有系統的編排，引領你進入機器學習的世界。我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。最後教大家如何將深度學習的模組也包裝到sklearn。現在就讓我們一起學習Python，用機器學習掌握人工智慧。
進階程式設計：使用Python、C＋＋
◆依據普通型高中12年國民基本教育課程綱要參考編撰。 ◆適用高中資訊科技加深加廣選修課程之教材。 本書特色 ★以Python/C 程式語言，進行各個主題的實作，可彈性調整授課內容及進度。 ★易於操作的整合式開發環境，進行程式實作，強化程式設計思維邏輯。 ★內容深入淺出，適合高中職學生的學習程度。 ★內容配合標準授課時數，並提供教學簡報，每章節均提供課後練習題。
Python機器學習超進化：AI影像辨識跨界應用實戰(附100分鐘影像處理入門影音教學/範例程式)
轟動程式圈3大AI影像辨識利器 從收集資料、圖片擷取、建立標籤、訓練模型 到智慧影像辨識的全面進化實戰！ 人工智慧(Artificial Intelligence)應用基本上可分五大層面：時間序列、圖像處理、音訊處理、自然語言處理以及動態影像處理，其中與「智慧影像」相關者就佔了兩大領域。智慧影像是透過電腦視覺技術，從中學習人類的視覺辨識能力，並自動判讀影像中的關鍵資訊，目前被大量使用在圖像辨識、人臉識別、物體動作捕捉、光學文字識別...等，是人工智慧最為廣泛的應用之一。 在這個領域的研究中有許多功能強大的工具，如OpenCV、Yolo與dlib，但許多使用者卻不知如何收集資料、建立標籤，更不知道如何訓練模型，進而達成智慧影像辨識的結果！本書將引領讀者運用自己的資料，透過本機與雲端的資源，以目前主流技術進行自有模型的訓練來完成實際可用的智慧影像應用。 挑戰智慧影像最佳學習地圖， 結合本機與雲端應用， 真正深入AI影像辨識核心！ ■掌握智慧影像的技術特性與主流的應用模組，涵蓋OpenCV、Pillow、Yolo與dlib。 ■根據不同模組特性介紹其資料來源的收集方式，除了一般土法煉鋼的徒手拍攝影像，也能利用Kaggle資料庫進行下載，或是利用動態影片進行大量圖片的擷取，再運用自動批次的方式進行圖片整理與特徵標記。 ■當本機在訓練模型時發生記憶體不足、效能不夠等問題時，使用Google專為機器學習而生的Colab雲端服務來訓練自己的模型。 ■集結最具代表性的實務應用主題，包括人臉辨識、口罩人臉辨識、車牌辨識、車流統計…等專題，在真實的情況中體驗智慧影像的應用，並擁有開發能力。 ■針對OpenCV與Pillow影像處理特別提供入門影音輔助教學，加速學習效率。 書附超值學習資源：範例程式檔/100分鐘OpenCV與Pillow影像處理入門影音教學
Python資料可視化之美：極專業圖表製作高手書(全彩印刷)
全書從Python程式語言切入，讓不懂Python的讀者也能快速上手。之後介紹處理數值最重要的套件包括NumPy和Pandas，接下來就是Python最重要的繪圖套件，包括matplotlib、Seaborn和plotnine的圖形語法，以及資料視覺化的顏色主題運用原理。在熟悉了工具之後，就進入本書的高潮，製作各式各樣的圖表，包括直條圖系列、橫條圖系列、南丁格爾玫瑰圖、徑向柱圖等圖表。還有資料關聯式圖表，包含二維和三維散點圖、氣泡圖、等高線圖、立體曲面圖、三元相圖、二維和三維瀑布圖、相關係數熱力圖等。最後更直接畫出了「商業週刊」、「華爾街日報」、「經濟學人」等刊物中最專業的圖表，直接晉升成大師行列。 & 好評推薦 & English only documentation is starting to be a major problem for the scientific python ecosystem. This book provides an introduction to the basic usage of Matplotlib, the underlying structure of the architecture, and several of the high-level libraries built on top of matplotlib. Hopefully, this book will provide the context needed for Chinese speakers to better approach and understand the canonical English documentation of the projects. & Python語言生態圈有一個很主要的問題就是只有英文參考文件。本書介紹了matplotlib套件的基本用法和底層架構，以及建構在Matplotlib套件上幾個高水準的套件(Plotnine、Seaborn和Basemap等)。希望這本書能給中文讀者提供所需的學習內容，更好地幫助讀者學習與了解這些經典的英文技術文件。 & Thomas Caswell Lead Developer of matplotlib ( matplotlib套件的首席開發者) Github：github.com/tacaswell & When trying to understand or communicate information one usually asks, what is the best visualization(s) I can make? If this question often comes to you and that you tend not to have an answer, then &Beautiful Visualizations with Python& is meant for you. Python is an excellent language for data analysis and visualization. Secondly, the book helps you build a practical toolbox for most visualizations that you may want to create. It strikes a delicate balance between a book that introduces and teaches and a gallery that you can always come back to for ideas. It is not one to throw away after reading. As it is titled, you will learn how to turn data in into beautiful visualizations by making the best choices at every step. Most important for me is that it covers the biggest idea in data visualization in the last 20 years, that is, &The Grammar of Graphics&. & 當盡力去理解與溝通某人常問的資料資訊時，什麼才是我可以實現的資料視覺化?如果你也經常遇到這個問題，而又沒有答案時，這本書就是專門為你準備的。Python是一門用於資料分析與可視化非常優秀的語言，而這本書可以幫你建立你的工具箱，進一步可以實現你想做的大部分的資料視覺化。這本書不僅能給你介紹、教你資料視覺化，而且能幫你尋找資料視覺化的靈感，兩者兼得。這不是一本你看完就可以束之高閣的書。正如這本書名，你會透過本書一步步的教學模式，學習到如何將資料轉換成優美的圖表。更重要的是，這本書涵蓋了近20年來資料視覺化的核心理念，即「圖形語法」。 & Hassan Kibirige Author/ Maintainer of plotnine ( plotnine套件的開發者與維護者) Github：github.com/has2k1 &
Python最強入門邁向頂尖高手之路：王者歸來(第二版)全彩版
Python最強入門邁向頂尖高手之路 王者歸來 第二版 本書特色 本書第一版曾經榮登博客來、天瓏、Momo暢銷排行榜第一名 本書除了贈送全書1101個程式實例，所有是非與選擇題皆附有習題解答，實作題部分有約260多個程式實例則是贈送所有偶數題的解答，有了這些解答讀者可以自行驗證學習成果。 多次與教育界的朋友相聚，談到電腦語言的發展趨勢，大家一致公認Python已經是當今最重要的電腦語言了，幾乎所有知名公司，例如：Google、Facebook、…等皆已經將此語言列為必備電腦語言。了解許多人想學Python，市面上的書也不少了，許多人買了許多書，學習Python路上仍感障礙重重，原因是沒有選到好的書籍，市面上許多書籍的缺點是： 1：Python語法講解不完整，沒有建立Python紮實語法的觀念 2：用C、C++、Java觀念撰寫實例 3：Python語法的精神與內涵未做說明 4：Python進階語法未做解說 5：基礎實例太少，沒經驗的讀者無法舉一反三 6：模組介紹不足，應用範圍有限 許多讀者因此買了一些書，讀完了，好像學會了，但到了網路看專家撰寫的程式往往看不懂。就這樣我決定撰寫一本用豐富、實用、有趣實例完整且深入講解Python語法的入門書籍。其實這本書也是目前市面上講解Python書籍中語法最完整、應用範圍最廣、範例最豐富的書籍。整本書從Python風格說起，拋棄C、C++、Java思維，將Python語法、內涵與精神功能火力全開，完全融入矽谷頂尖Python工程師的邏輯與設計風格。 這是史上最多範例的Python書籍，有約1101個程式實例搭配約500個模組的函數，輔助約260個習題，外加126頁的習題電子書，用極深入、最詳細的態度講解Python語法的基礎與進階知識，例如：utf-8中文編碼、list、tuple、dict、set、bytes、bytearray、closure、lambda、Decorator、@property、@classmethod、@staticmathod…等。 此外，也將應用範圍擴充至下列應用： 人工智慧基礎知識融入章節內容 認識Python彩蛋 從bytes說起、編碼(encode)、解碼(decoding) 完整解說Unicode字符集和utf-8依據Unicode字符集的中文編碼方式 從小型串列、元組、字典到大型數據資料的建立 生成式(generator)建立Python資料結構，串列(list)、字典(dict)、集合(set) 在座標軸內計算任2點之間的距離，同時解說與人工智慧的關聯 經緯度計算地球任2城市之間的距離，學習取得地球任意位置的經緯度 萊布尼茲公式、尼拉卡莎、蒙地卡羅模擬計算圓週率 基礎函數觀念，也深入到嵌套、closure、lambda、Decorator等高階應用 Google有一篇大數據領域著名的論文，MapReduce:Simplified Data Processing on Large Clusters，重要觀念是MapReduce，筆者將對map( )和reduce( )完整解說，更進一步配合lambda觀念解說高階應用 建立類別同時深入裝飾器@property、@classmethod、@staticmathod與類別特殊屬性與方法 設計與應用自己設計的模組、活用外部模組(module) 賭場騙局 設計加密與解密程式 Python的輸入與輸出 檔案壓縮與解壓縮 程式除錯(debug)與異常(exception)處理 檔案讀寫與目錄管理 剪貼簿(clipboard)處理 正則表達式(Regular Expression) 遞廻式觀念與碎形(Fractal) 影像處理與文字辨識，更進一步說明電腦儲存影像的方法與觀念 建立有個人風格的QR code與電子名片QR code 認識中文分詞jieba與建立詞雲(wordcloud)設計 GUI設計 - 實作小算盤 實作動畫、音樂與遊戲 Matplotlib中英文圖表繪製 說明csv和json檔案 繪製世界地圖 台灣股市資料擷取與圖表製作 網路爬蟲 用Python執行手機傳簡訊 用Python執行傳送電子郵件 處理PDF檔案 用Python控制螢幕與鍵盤 輕量級的資料庫SQLite實作 用Python實戰MySQL資料庫 多工與多執行緒設計 海龜繪圖，設計萬花筒與滿天星星 Facebook與YouTube的應用 實作機場人臉辨識系統 搭配Flask設計Line Bot機器人 網路程式Server端與Client端程式設計，筆者也設計了簡單的聊天室 Python是一門可以很靈活使用的程式語言，本書對Python最基礎的知識與應用使用了大量靈活的實例做說明，讀者可以由這些程式實例事半功倍成為Python頂尖高手。
Python機器學習第三版(上)
第三版－最新修訂版，新增TensorFlow 2、GAN和強化學習等實用內容 使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習 循序漸進、由淺入深，好評熱銷再進化！最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南，也是讀者在建立機器學習系統時的必備參考。有別於其他機器學習教科書，本書使用Python探求機器學習和深度學習的技術精髓，強調豐富實用的程式範例、條理分明的數學解釋，以及直覺友善的圖解說明，帶領讀者探索機器學習的眾多子領域，讓艱澀的概念栩栩如生。 許多讀者告訴我們，他們非常喜歡本書第二版的前12章，因為它們全面介紹了機器學習與Python的科學計算。為了確保這些內容的相關性，我們依據讀者回饋，回顧並修改了這些章節，以支援最新版本的NumPy、SciPy、pandas、matplotlib和scikit-learn，並規劃成本書的上冊。而TensorFlow 2.0更是深度學習領域最振奮人心的事件之一，所有與TensorFlow有關的章節（第13章到第16章，規劃成本書的下冊）都進行了大幅度修改。除了介紹Keras API與scikit-learn的最新功能之外，本書也探討自然語言處理（NLP）的子領域「情緒分析」，以及強化學習（RL）和生成對抗網路（GAN）等時下最流行的AI技術（第17章和第18章）。 無論你是有經驗的程式設計師，或是機器學習新手，或你只想進一步深入了解機器學習的最新發展，本書將是你在機器學習之旅中的絕佳良伴。 在這本書中，你將學到： ．掌握能讓機器從數據中「學習」的框架、模型和技術 ．使用scikit-learn進行機器學習、使用TensorFlow進行深度學習 ．利用機器學習來做影像分類、情緒分析與智慧Web應用程式 ．訓練類神經網路、GAN與其它模型 ．結合機器學習模型與Web應用程式 ．為機器學習工作清理並準備數據 ．用深度卷積類神經網路來分類影像 ．了解評估和調校模型的最佳實作 ．使用迴歸分析來預測連續目標 ．利用「集群」來發掘數據中隱藏的模式與結構 ．使用「情緒分析」深入研究文本和社群媒體數據 ．上冊包含本書前12章，下冊則包含第13章到第18章。 【下載範例程式檔案】 本書的程式碼是由GitHub託管，可點選下面圖案前往下載： github.com/rasbt/python-machine-learning-book-3rd-edition 【下載本書的彩色圖片】 我們還提供您一個PDF檔案，其中包含本書使用的彩色圖表，可以在此下載： static.packt-cdn.com/downloads/9781789955750_ColorImages.pdf
人工智慧Python基礎課：用Python分析了解你的資料
★學習人工智慧必修的Python程式設計能力和探索性資料分析•完整說明人工智慧世代的你需要具備的Python程式設計能力和所需的Python套件，讓你可以靈活運用這些套件來進行探索性資料分析。 •程式的演算法是順序和動作，本書使用流程圖學習程式順序來幫助你了解Python程式結構；使用REPL輸入程式碼來熟悉動作的關鍵字。 •人工智慧最重要的部分就是「資料」，使用Jupyter Notebook實作的探索性資料分析，可以幫助你深入了解資料和找出資料之間隱藏的關聯性，以便使用這些關聯性來訓練機器學習模型，進行資料預測。 •以實務角度詳細說明Python資料科學的必學套件：Numpy、Matplotlib、Pandas和Scipy。 •使用實際範例搭配圖例，帶你進入Python機器學習和深度學習。
架構模式|使用Python
進行測試驅動開發、領域驅動設計及製作事件驅動微服務 「這是一本社群期待已久的書籍，讓大家看到現代app架構的核心在Python裡面究竟長怎樣！Harry與Bob展示了依賴反轉原則在這種時尚、動態的語言中有多麼優雅。」 —Brandon Rhodes Python-patterns.guide作者 「截至目前為止，坊間幾乎沒有介紹使用Python編寫可維護大型系統的Python原生教材。本書展示Python可以遊刃有餘地進行重要的軟體開發。」 —Hynek Schlawack Python忠實支持者、部落客及演說者 隨著Python越來越流行，專案的規模也越來越大、越來越複雜，讓許多Python開發者對高階軟體設計模式產生濃厚的興趣，例如六邊形/整潔架構、事件驅動架構，和以領域驅動設計(DDD)制定的策略模式，但是將這些模式轉換成Python不是那麼容易。 透過這本實戰指南，來自MADE.com的Harry Percival與Bob Gregory介紹一些行之有效的架構設計模式，協助Python開發者管理app的複雜性，並且充分利用測試套件。 作者透過具體的範例和優美、典型的Python來介紹各種模型，避免Java與C#語法的冗長表述。 本書介紹的模式包括： ‧依賴反轉，以及它和port及adapter(六邊形/整潔架構)的關係 ‧領域驅動設計與Entity、Value Object及Aggregate的區別 ‧持久保存機制的Repository和Unit of Work模式 ‧事件、指令和訊息匯流排 ‧命令查詢責任隔離(CQRS)模式 ‧事件驅動架構與反應式微服務 Harry Percival 在2009年就開始使用Python了，他也是TDD和XP的粉絲。他是O’Reilly書籍《測試驅動開發｜使用Python》的作者，此書的副標題更是聞名—服從測試羊。 Bob Gregory 使用領域驅動設計來建構事件驅動系統已有十多年之久了，他曾經用過的語言包括C#、F#、Python與TypeScript。
Python × Network一拍即合：自動化、程式化和DevOps 的一站式解決方案
基礎設施中的網路（Networks）是應用程式部署、維護和服務的基石。Python則是網路工程師探索自動化領域的理想語言。如果你是沒有程式設計基礎的網路工程師，或者你是想要了解網路管理的開發人員，本書將一步步帶領你使用Python進行網路自動化、程式化和資料分析，讓你在雲端世界中獲得更多的機會與挑戰。 暢銷書《Mastering Python Networking》的最新修訂版，由作者本人親自翻譯成繁體中文，所有範例皆更新至最新的Python 3。除了新增Elastic Stack網路資料分析與Azure等內容之外，本書也介紹許多熱門且實用的Python函式庫，例如：pyATS、Nornir和Ansible 2.8。結合範例解說，作者將陪你踏上充實的Python學習之旅，讓你搖身一變成為優秀的網路工程師，迎戰新一波網路變革的浪潮。 本書從Python的基本概念開始講解。你將了解Python是如何與舊設備以及網路設備中的API進行互動的。你將學習如何使用高階的Python套件和框架來執行網路自動化任務、監控、管理以及增強網路的安全性。本書也將介紹Azure和AWS。最後，你將使用Jenkins進行持續整合，並使用測試工具來驗證你的網路。 在這本書中，你將學到： ・使用Python函式庫與你的網路進行互動 ・教你使用Ansible 2.8管理Cisco、Juniper和Arista網路設備 ・利用Flask Web框架建構高階API ・了解如何在AWS和Azure雲端中建置虛擬網路 ・了解如何使用Elastic Stack進行網路資料分析 ・了解如何使用Jenkins自動部署網路中的修改 ・最後以測試驅動開發（TDD）為基礎，使用PyTest和Unittest進行網路工程
軟硬通吃學Python程式設計與Halocode光環板創客應用
‧透過HaloCode單板微電腦的操作，以有趣的動手體驗，藉由MicroPython指令的設計與實踐，學習Python程式程式設計的觀念與技巧。 ‧以對mBlock環境的介紹作為切入點，在連接HaloCode後利用Python設計控制程式創造出有趣的效果。 ‧在有趣的範例中逐步學習Python實用的語法，精練程式技巧以製作出更有趣的實作範例。
