需要處理大量資料的人必備的案頭書 對於許多研究人員來說，Python是首選的工具，因為它擁有豐富的儲存、操作、以及洞察資料的程式庫。這些資源散布在資料科學的領域中，但藉由本書，你可以一口氣取得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。 對於需要處理大量資料的人而言，這是一本非常有價值的案頭書，可以有效率地處理每天面對的問題，像是操作、轉換，以及清理資料、視覺化不同形式的資料，建立統計學或機器學習的模型等等。 藉由這本手冊，你將可以學習到如何使用： ．IPython和Jupyter：提供資料科學家使用的Python計算環境。 ．NumPy：在Python中進行高效儲存以及操作密集資料陣列的ndarrys。 ．Pandas：在Python中進行對於標籤式/欄位式的資料高效率儲存與操作。 ．Matplotlib：在Python中進行彈性範圍的資料視覺化的能力。 ．Scikit-Learn：提供機器學習演算法以及簡潔的Python實作。
不走捷徑，幫助您真正搞懂「深度學習」的真義這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？從零開始，由實做中學習本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。本書特色：．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。．說明Python 的用法，讓Python 的初學者也能理解。．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。．以淺顯易懂的方式說明深度學習與神經網路理論。．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。．介紹自動運作、產生影像、強化學習等深度學習的應用範例。
想像如果擴展性不是問題，您可以做什麼？透過這本實踐指南，您將了解如何應用Cassandra資料庫管理系統處理數百兆位元組的資料，在跨資料中心的同時還保有高可用性，以及許多您在實務運作時必須了解的技術細節與實作範例。 本書將告訴您Cassandra非關聯式資料庫設計的優點，並且特別著重於資料模型的建立。如果您是正在尋求具有擴展性或是前瞻架構解決方案的開發者、資料庫管理人員或架構師，這本指南可以協助您駕馭Cassandra的速度與彈性。 ．了解Cassandra的分散式與去中心化概念 ．使用Cassandra查詢語言（CQL）與cqlsh（CQL shell） ．建立有效的資料模型並與關聯式模型比較 ．使用各種不同語言的客戶端驅動開發範例應用程式，包含Java、Python與Node.js ．探索叢集拓譜與學習節點間的互動機制 ．維護高效能的叢集 ．在機房、雲端或Docker容器佈署Cassandra ．整合Cassandra與Spark、Hadoop、ElasticSearch、Solr與Lucene
