Python遊戲開發講座|演算法篇 (1版)
其他會員也一起購買
Python遊戲開發講座|演算法篇
ISBN13:9786263243729
出版社:碁峰資訊
作者:廣瀬豪
譯者:許郁文
裝訂/頁數:平裝/296頁
規格:23cm*17cm*1.7cm (高/寬/厚)
版次:初版
出版日:2023/02/24
中文圖書分類:電腦程式設計
內容簡介
利用遊戲程式設計學習解決問題所需的基礎知識與步驟!
豐富的範例實作!
‧猜拳
‧打地鼠
‧井字遊戲
‧翻牌配對遊戲
‧黑白棋
‧電子冰上曲棍球
玩遊戲的同時,快樂地學習程式設計與演算法
本書是使用Python製作遊戲與學習演算法的入門書。由帶領初學者入門的程式設計基礎開始,一步步從簡單的演算法學到高階演算法,讓每位讀者都能讀懂本書的內容。本書提及的演算法是解決問題的步驟或手段。學會演算法之後,就能具備解決各類問題的能力。
目錄
第1章|程式設計與演算法
Lesson 1-1 電腦與程式設計語言
Lesson 1-2 什麼是程式
Lesson 1-3 何謂演算法
Lesson 1-4 邊開發遊戲,邊學習演算法
COLUMN 持之以恆,必有所成
Lesson 1-5 程式設計的準備① ─ 顯示副檔名 ─
Lesson 1-6 程式設計的準備② ─ 安裝 Python ─
Lesson 1-7 程式設計的準備③ ─ IDLE 的使用方法 ─
COLUMN 介紹適用於開發的文字編輯器
第2章|程式設計的基礎知識
Lesson 2-1 輸入與輸出
COLUMN 撰寫程式的規則
Lesson 2-2 變數
Lesson 2-3 條件分歧
Lesson 2-4 迴圈
COLUMN for 的多重迴圈
Lesson 2-5 函數
Lesson 2-6 陣列(列表)
COLUMN Python 的資料類型
第3章|開發迷你遊戲
Lesson 3-1 CUI 與GUI
Lesson 3-2 亂數的使用方法
COLUMN 抽籤程式
Lesson 3-3 製作單字輸入遊戲
Lesson 3-4 開發猜拳遊戲
Lesson 3-5 製作打地鼠遊戲
COLUMN 試著操作日期與時間
第4章|在畫布繪製圖形
Lesson 4-1 顯示視窗
Lesson 4-2 使用畫布
COLUMN 指定顏色的英文單字
Lesson 4-3 繪製圖形與操作圖片檔
Lesson 4-4 讓圖片自己動起來
Lesson 4-5 取得滑鼠游標的點擊事件
Lesson 4-6 取得滑鼠游標的動態
Lesson 4-7 追著滑鼠游標跑的氣球
COLUMN 關於影格速率
COLUMN 使用各種 GUI 元件(其 1)
第5章|製作井字遊戲
Lesson 5-1 在畫布繪製格子
Lesson 5-2 利用列表管理棋盤
Lesson 5-3 在點選的棋格加上符號
Lesson 5-4 讓電腦配置符號
Lesson 5-5 判斷符號是否連成一線
Lesson 5-6 完成這個遊戲
Lesson 5-7 替電腦撰寫思考邏輯
COLUMN 試著在圖片花點心思
第6章|製作翻牌配對遊戲
Lesson 6-1 操作圖片檔
Lesson 6-2 利用列表管理撲克牌
Lesson 6-3 洗牌
COLUMN 電腦遊戲就是演算法的集大成
Lesson 6-4 點選之後,讓撲克牌翻面
Lesson 6-5 數字相同時,消除該組撲克牌
Lesson 6-6 讓電腦翻撲克牌
Lesson 6-7 讓這個遊戲變得更好玩
Lesson 6-8 讓電腦記住撲克牌
COLUMN 沒有任何作弊的思考邏輯備受歡迎
COLUMN 試著替換圖片
第7章|製作黑白棋遊戲 ∼前篇∼
Lesson 7-1 在畫布繪製棋盤
Lesson 7-2 以列表管理棋子
Lesson 7-3 讓被夾住的棋子翻面
Lesson 7-4 取得可以落子的棋格
Lesson 7-5 讓電腦下棋
COLUMN 電腦的處理時間
Lesson 7-6 改造成真的可以玩的遊戲
COLUMN 使用各種 GUI 元件(其 2)
COLUMN 我有位電腦天才少年的朋友
第8章|製作黑白棋遊戲 ∼後篇∼
Lesson 8-1 黑白棋的思考邏輯
COLUMN 思考邏輯的種類與電腦的棋力高低
Lesson 8-2 撰寫陽春版思考邏輯
Lesson 8-3 了解蒙地卡羅演算法
COLUMN 於開發遊戲使用的蒙地卡羅演算法
Lesson 8-4 利用蒙地卡羅演算法撰寫的思考邏輯
Lesson 8-5 撰寫正統的思考邏輯
COLUMN 如何讓電腦變得更強
COLUMN 讓演算法對奕
COLUMN 今後越來越重要的電腦相關知識
附錄|製作電子冰上曲棍球遊戲
Appendix 1 什麼是電子冰上曲棍球
Appendix 2 開發電子冰上曲棍球所需的處理
Appendix 3 確認程式與執行過程
結語
索引
立即查看
Python大數據特訓班 (3版)
其他會員也一起購買
Python大數據特訓班(第三版):資料自動化收集、整理、清洗、儲存、分析與應用實戰(附320分鐘影音/範例程式)
系列名:程式設計
ISBN13:9786263243385
出版社:碁峰資訊
作者:鄧文淵-總監製;文淵閣工作室-編
裝訂/頁數:平裝/352頁
規格:23cm*17cm*2.1cm (高/寬/厚)
出版日:2022/10/31
中國圖書分類:電腦程式語言
內容簡介
Python暢銷經典主題強化再升級
運用世界級熱門開發平台
迅速掌握資料處理要領,深入全方位專案主題
立即體驗Python的大數據超強實戰力
面對大數據資料
如何爬取?如何整理?如何儲存?
如何分析?如何呈現?最後要如何應用?
就從熱門案例切入,快速搜集梳理巨量資訊!
熱門搜尋關鍵字、股票的交易資訊、政府的公開資料、社群網站上傳的圖片與影音,以及實體通路或網路商店的銷售數據…等,都讓資料量快速爆增。大數據時代來臨,不僅科技業重視,就連傳統的零售業、金融業、製造業、旅遊業,以及政府都爭相投入,無不希望能運用數據分析與預測來協助決策方向,掌握數據就能找出趨勢的出路與提高判斷的精準度,也讓新興的數據分析師、資料分析師、資料科學家成為熱門職業。
Python無疑是大數據與AI時代第一程式語言,在數據資料處理的領域中有著非常重要的地位。本書由生活出發,以專題實戰,只要能掌握數據資料爬取清洗、儲存整理、統計分析、視覺化呈現,以及跨領域應用的關鍵技術,就能掌控大數據的應用。
■完整學習Python資料處理的4大觀念與技術:爬取清理、讀取儲存、統計分析、呈現與應用。
■快速熟悉Python熱門開發平台Google Colab,建立資料科學的基本觀念,學會Python語法函數模組的應用,並透過資料分析實作演練,培養數據分析開發領域所需的技能。
■全面深入不同應用面向,如:網路爬蟲、資料正規化、資料視覺化、資料儲存與讀取(CSV、Excel、Google試算表、多媒體檔案擷取…)、批次檔案下載、公開資料應用、API建立…
■以最多元的熱門實例進行大數據專案實作,如:LINE貼圖收集、線上相簿批次下載、YouTube影片、音檔及播放清單下載,股票市場個股分析統計圖、股價資訊即時推播、網路新書排行榜、人力銀行求職資訊分析、超商門市資訊收集、即時網路聲量輿情觀察、網路線上字典,以及Web API開發…
■範例程式另提供Python筆記神器:Jupyter Notebook格式檔案,讓學習與操作更便利。
■針對專案實戰提供影音輔助教學,加速學習效率。
【書附超值學習資源】320分鐘專案實戰影音教學/範例程式檔/「打造自己的疫情指揮中心:新冠肺炎數據分析實戰」教學影片
目錄
01 Python 雲端開發平台:Colab
1.1 Google Colab:雲端開發平台
1.2 Colab的筆記功能
02 數據資料的爬取
2.1 requests模組:讀取網站檔案
2.2 BeautifulSoup模組:網頁解析
2.3 使用正規表達式
03 數據資料的儲存與讀取
3.1 檔案的讀寫
3.2 csv資料的儲存與讀取
3.3 json資料的儲存與讀取
3.4 Excel資料儲存與讀取
3.5 SQLite資料庫的操作
3.6 Google試算表的操作
04 數據資料視覺化
4.1 繪製折線圖:plot
4.2 長條圖與橫條圖:bar、barh
4.3 圓形圖:pie
4.4 直方圖:hist
4.5 散佈圖:scatter
4.6 設定圖表區:figure
4.7 在圖表區加入多張圖表:subplot、axes
05 Numpy數據運算
5.1 Numpy:高速運算的解決方案
5.2 Numpy陣列建立
5.3 Numpy陣列取值
5.4 Numpy的陣列運算功能
06 Pandas資料處理
6.1 Pandas Series的建立與取值
6.2 Pandas DataFrame的建立
6.3 DataFrame資料取值
6.4 DataFrame資料操作
6.5 Pandas資料存取
6.6 Pandas模組:繪圖應用
6.7 Pandas資料清洗
6.8 Pandas 資料篩選、分組運算
07 LINE貼圖收集器
7.1 專題方向
7.2 關鍵技術
7.3 實戰:LINE貼圖收集器
08 YouTube影片資源下載
8.1 專題方向
8.2 關鍵技術
8.3 實戰:批次下載YouTube影片
09 運動相簿批次爬取
9.1 專題方向
9.2 關鍵技術
9.3 實戰:運動相簿批次爬取
9.4 非同步模組-concurrent.futures
10 台灣股票市場分析統計圖
10.1 專題方向
10.2 關鍵技術
10.3 實戰:個股單月與年度統計圖
11 行動股市即時報價
11.1 專題方向
11.2 關鍵技術
11.3 實戰:用LINE傳送即時股價
12 網路書店新書排行榜
12.1 專題方向
12.2 關鍵技術
12.3 實戰:網路書店新書排行榜
13 人力銀行網站求職小幫手
13.1 專題方向
13.2 關鍵技術
13.3 實戰:1111人力銀行求職小幫手
14 7-11超商門市資料下載
14.1 專題方向
14.2 關鍵技術
14.3 實戰:7-11超商門市資料下載
15 即時網路聲量輿情收集器
15.1 專題方向
15.2 關鍵技術
15.3 實戰:即時網路聲量輿情資料下載
16 線上國語字典
16.1 專題方向
16.2 關鍵技術
16.3 實戰:建立線上國語字典及Web App
立即查看
人工智慧:智慧型系統導論3/e (3版)
相關熱銷的書籍推薦給您
書名:人工智慧:智慧型系統導論(第三版)
作者:李聯旺
出版社:全華
ISBN:9789862800959
立即查看
AI時代Math元年:用Python全精通程式設計 (1版)
類似書籍推薦給您
原價:
1280
售價:
1152
現省:
128元
立即查看
AI時代Math元年:用Python全精通統計及機率 (1版)
類似書籍推薦給您
【簡介】
全書分為以下幾個部分:
統計學:機率、高斯、隨機、頻率派開始談起,包括統計描述、古典機率模型、離散隨機變數、離散分佈、連續隨機變數及連續分佈一直到高斯部分,包括了一元、二元、多元、條件高斯分佈,中間也提到最重要的斜方差矩陣。
再來的部分說明了隨機,包括了隨機變數,蒙地卡羅、頻率派統計、機率密度。
接下來說明了貝氏定理部分,包括貝氏分類、進階貝氏分類、貝氏推斷入門及進階以及馬可夫鏈蒙地卡羅。
最後一部分則以橢圓為主,包括了馬氏距離、線性迴歸及主成分分析,搭配本書系其它書籍,相信AI的數學,對你來說只會是開心而不是阻礙。
● 宇宙的語言是數學,數學的精華是機率,機率的表達是統計!
● 機器學習、深度學習、人工智慧,控制系統都覆蓋的機率統計基礎
● 統計描述方法:描述、推斷、圖、差、位、距、值、度、變
● 古典機率、條件機率、全機率理論
● 離散變數、離散分佈、連續隨機變數
● 一元、二元、多元、條件高斯分佈、斜方差矩陣
● 隨機變數函式、蒙地卡羅模擬
● 頻率派統計、機率密度、機率質量
● 貝氏定理、貝氏分類、貝氏推斷、馬可夫鏈
● 馬氏距離、線性迴歸、主成分分析
本書資源可至深智官網下載:deepwisdom.com.tw
【目錄】
第1篇 統計
1 機率統計全景
1.1 必備數學工具:一個線性代數小測驗
1.2 統計描述
1.3 機率
1.4 高斯
1.5 隨機
1.6 頻率派
1.7 貝氏派
1.8 橢圓三部曲
2 統計描述
2.1 統計兩大工具:描述、推斷
2.2 長條圖:單特徵資料分佈
2.3 散點圖:兩特徵資料分佈
2.4 有標籤資料的統計視覺化
2.5 集中度:平均值、質心
2.6 分散度:極差、方差、標準差
2.7 分位:四分位、百分位等
2.8 箱型圖:小提琴圖、分佈散點圖
2.9 中心距:平均值、方差、偏度、峰度
2.10 多元隨機變數關係:協方差矩陣、相關性係數矩陣
第 2 篇 機率
3 古典機率模型
3.1 無處不在的機率
3.2 古典機率:離散均勻機率律
3.3 回顧:巴斯卡三角和機率
3.4 事件之間的關係:集合運算
3.5 條件機率:給定部分資訊做推斷
3.6 貝氏定理:條件機率、邊緣機率、聯合機率關係
3.7 全機率定理:窮舉法
3.8 獨立、互斥、條件獨立
4 離散隨機變數
4.1 隨機:天地不仁,以萬物為芻狗
4.2 期望值:隨機變數的可能設定值加權平均
4.3 方差:隨機變數離期望距離平方的平均值
4.4 累積分佈函數(CDF):累加
4.5 二元離散隨機變數
4.6 協方差、相關性係數
4.7 邊緣機率:偏求和,相當於降維
4.8 條件機率:引入貝氏定理
4.9 獨立性:條件機率等於邊緣獨立
4.10 以鳶尾花資料為例:不考慮分類標籤
4.11 以鳶尾花資料為例:考慮分類標籤
4.12 再談機率1:展開、折疊
5 離散分佈
5.1 機率分佈:高度理想化的數學模型
5.2 離散均勻分佈:不分厚薄
5.3 伯努利分佈:非黑即白
5.4 二項分佈:巴斯卡三角
5.5 多項分佈:二項分佈推廣
5.6 卜松分佈:建模隨機事件的發生次數
5.7 幾何分佈:滴水穿石
5.8 超幾何分佈:不放回
6 連續隨機變數
6.1 一元連續隨機變數
6.2 期望、方差和標準差
6.3 二元連續隨機變數
6.4 邊緣機率:二元PDF 偏積分
6.5 條件機率:引入貝氏定理
6.6 獨立性:比較條件機率和邊緣機率
6.7 以鳶尾花資料為例:不考慮分類標籤
6.8 以鳶尾花資料為例:考慮分類標籤
7 連續分佈
7.1 連續均勻分佈:離散均勻分佈的連續版
7.2 高斯分佈:最重要的機率分佈,沒有之一
7.3 邏輯分佈:類似高斯分佈
7.4 學生t- 分佈:厚尾分佈
7.5 對數正態分佈:源自正態分佈
7.6 指數分佈:卜松分佈的連續隨機變數版
7.7 卡方分佈:若干IID 標準正態分佈平方和
7.8 F- 分佈:和兩個服從卡方分佈的獨立隨機變數有關
7.9 Beta 分佈:機率的機率
7.10 Dirichlet 分佈:多元Beta 分佈
8 條件機率
8.1 離散隨機變數:條件期望
8.2 離散隨機變數:條件方差
8.3 離散隨機變數的條件期望和條件方差:以鳶尾花為例
8.4 連續隨機變數:條件期望
8.5 連續隨機變數:條件方差
8.6 連續隨機變數:以鳶尾花為例
8.7 再談如何分割「1」
第 3 篇 高斯
9 一元高斯分佈
9.1 一元高斯分佈:期望值決定位置,標準差決定形狀
9.2 累積機率密度:對應機率值
9.3 標準高斯分佈:期望為0,標準差為1
9.4 68-95-99.7 法則
9.5 用一元高斯分佈估計機率密度
9.6 經驗累積分佈函數
9.7 QQ 圖:分位- 分點陣圖
9.8 從距離到一元高斯分佈
10 二元高斯分佈
10.1 二元高斯分佈:看見橢圓
10.2 邊緣分佈:一元高斯分佈
10.3 累積分佈函數:機率值
10.4 用橢圓解剖二元高斯分佈
10.5 聊聊線性相關性係數
10.6 以鳶尾花資料為例:不考慮分類標籤
10.7 以鳶尾花資料為例:考慮分類標籤
11 多元高斯分佈
11.1 矩陣角度:一元、二元、三元到多元
11.2 高斯分佈:橢圓、橢球、超橢球
11.3 解剖多元高斯分佈PDF
11.4 平移→旋轉
11.5 平移→旋轉→縮放
12 條件高斯分佈
12.1 聯合機率和條件機率關係
12.2 給定X 條件下,Y 的條件機率:以二元高斯分佈為例
12.3 給定Y 條件下,X 的條件機率:以二元高斯分佈為例
12.4 多元常態條件分佈:引入矩陣運算
13 協方差矩陣
13.1 計算協方差矩陣:描述資料分佈
13.2 相關性係數矩陣:描述Z 分數分佈
13.3 特徵值分解:找到旋轉、縮放
13.4 SVD 分解:分解資料矩陣
13.5 Cholesky 分解:列向量座標
13.6 距離:歐氏距離vs 馬氏距離
13.7 幾何角度:超橢球、橢球、橢圓
13.8 合併協方差矩陣
第 4 篇 隨機
14 隨機變數的函數
14.1 隨機變數的函數:以鳶尾花為例
14.2 線性變換:投影角度
14.3 單方向投影:以鳶尾花兩特徵為例
14.4 正交系投影:以鳶尾花兩特徵為例
14.5 以橢圓投影為角度看線性變換
14.6 主成分分析:換個角度看資料
15 蒙地卡羅模擬
15.1 蒙地卡羅模擬:基於虛擬亂數發生器
15.2 估算平方根
15.3 估算積分
15.4 估算體積
15.5 估算圓周率
15.6 布豐投針估算圓周率
15.7 接受- 拒絕抽樣法
15.8 二項分佈隨機漫步
15.9 兩個服從高斯分佈的隨機變數相加
15.10 產生滿足特定相關性的隨機數
第 5 篇 頻率派
16 頻率派統計推斷
16.1 統計推斷:兩大學派
16.2 頻率學派的工具
16.3 中心極限定理:漸近於正態分佈
16.4 最大似然:雞兔比例
16.5 最大似然:以估算平均值、方差為例
16.6 區間估計:整體方差已知,平均值估計
16.7 區間估計:整體方差未知,平均值估計
16.8 區間估計:整體平均值未知,方差估計
17 機率密度估計
17.1 機率密度估計:從長條圖說起
17.2 核心密度估計:若干核心函數加權疊合
17.3 頻寬:決定核心函數的高矮胖瘦
17.4 核心函數:八種常見核心函數
17.5 二元KDE:機率密度曲面
第 6 篇 貝氏派
18 貝氏分類
18.1 貝氏定理:分類鳶尾花
18.2 似然機率:給定分類條件下的機率密度
18.3 先驗機率:鳶尾花分類佔比
18.4 聯合機率:可以作為分類標準
18.5 證據因數:和分類無關
18.6 後驗機率:也是分類的依據
18.7 單一特徵分類:基於KDE
18.8 單一特徵分類:基於高斯
19 貝氏分類進階
19.1 似然機率:給定分類條件下的機率密度
19.2 聯合機率:可以作為分類標準
19.3 證據因數:和分類無關
19.4 後驗機率:也是分類的依據
19.5 獨立:不代表條件獨立
19.6 條件獨立:不代表獨立
20 貝氏推斷入門
20.1 貝氏推斷:更貼合人腦思維
20.2 從一元貝氏公式說起
20.3 走地雞兔:比例完全不確定
20.4 走地雞兔:很可能一半一半
20.5 走地雞兔:更一般的情況
21 貝氏推斷進階
21.1 除了雞兔,農場發現了豬
21.2 走地雞兔豬:比例完全不確定
21.3 走地雞兔豬:很可能各1/3
21.4 走地雞兔豬:更一般的情況
22 馬可夫鏈蒙地卡羅
22.1 歸一化因數沒有閉式解?
22.2 雞兔比例:使用PyMC3
22.3 雞兔豬比例:使用PyMC3
第 7 篇 橢圓
23 馬氏距離
23.1 馬氏距離:考慮資料分佈的距離度量
23.2 歐氏距離:最基本的距離
23.3 標準化歐氏距離:兩個角度
23.4 馬氏距離:兩個角度
23.5 馬氏距離和卡方分佈
24 線性迴歸
24.1 再聊線性迴歸
24.2 最小平方法
24.3 最佳化問題
24.4 投影角度
24.5 線性方程組:代數角度
24.6 條件機率
24.7 最大似然估計(MLE)
25 主成分分析
25.1 再聊主成分分析
25.2 原始資料
25.3 特徵值分解協方差矩陣
25.4 投影
25.5 幾何角度看PCA
25.6 奇異值分解
25.7 最佳化問題
25.8 資料還原和誤差
原價:
1200
售價:
1080
現省:
120元
立即查看
AI時代Math元年 : 用Python全精通矩陣及線性代數 (1版)
類似書籍推薦給您
【簡介】
有資料就有矩陣,有矩陣就有向量,有向量就有幾何,有幾何就有空間
從資料一路提升到張量的所有數學基礎
將數學視為思想、工具、語言、體系、基石、藝術的角度進行學習
分為向量、矩陣、向量空間、矩陣分解、微積分、空間幾何、資料
所有機器學習、深度學習最重要的基礎數學概念
不再亂猜,寫機器學習程式碼時,每行指令背後代表的數學基礎
學矩陣就是學AI,從此看到AI程式碼完全無負擔
AI熱潮來臨,每個人都很怕直接被機器取代,不管文科理科背景的人,每個人都想搭上AI快車飛速到達未來。然而你的第一關就是數學。數學是宇宙的共同語言,也是人類意志極緻的展現。數學從數字開始進入高維之後,向量、矩陣、張量將整個人類文明帶入新的境界,也將我們的世界從點線面體推向無法視覺化的高維空間,而針對空間的運算,更是所有科學的重要基礎。空間幾何這門完全和生活知識抽離的學科,看似是和向量打交道而已,但卻是整個世界運行的基礎,近年AI興起,機器學習及深度學習成為熱門行業,當你想要學習TensorFlow時,面對的第一個觀念就是張量(Tensor)。這些名詞讓你感到陌生又不是完全不認識時,就是重拾矩陣的時候了。本書利用最小的成本,幫你把這個又陌生又熟悉的老朋友重新交往。作者從最簡單的加法開始說明,一直到機器學習中的梯度、偏導數、積分、矩陣、線性代數,從小學到研究所所學的數學,一一在適當的章節出現,當你讀到某個章節時,會發現「啊!原來如此,這就是奇異值分解在機器學習的原理啊!」,有一種豁然開朗的感覺,相信這種驚喜在全書中會不斷出現。ChatGPT出來之後,AI已經光速啟動,有志加入這個行業,也只能快速跟上,而這本書,正是你進入的最佳助手,與其繼續逃避直到被淘汰,不如就花一點時間,把這本本來就不難的書看完,補上你個人AI志業的最重要一塊拼圖。
全書分為以下幾個部分:向量:從資料、矩陣、向量、幾何、空間開始談起,包括向量運算,範數等基本定理。接下來談到矩陣,把矩陣所有的性質(四則運算、表格、秩等)說明清楚,更有重要的內外積等。第三部分談的是向量,包括座標系、各種變換、維度、行列視,投影、正交、基等性質。第四部分談的是矩陣分解,實作了包括LU、Cholesky、QR,特徵/奇異值分解。第五部分就是談到空間的微積分,如多元函式、偏導、梯度、方向微分、泰勒展開等。也說明了拉格朗日乘子等。第六部分說明了空間幾何,包括直線、超平面、圓錐曲線等。也說明了曲面和正定性等問題。最後一部分則整理了前面所有觀念,發展至資料統計、SVD分解、機器學習、線性迴歸及PCA原理。搭配本書系其它書籍,相信AI的數學,對你來說只會是開心而不是阻礙。
【目錄】
第 1章 不止向量
1.1 有資料的地方,必有矩陣
1.2 有矩陣的地方,更有向量
1.3 有向量的地方,就有幾何
1.4 有幾何的地方,皆有空間
1.5 有資料的地方,定有統計
第 2章 向量運算
2.1 向量:多面手
2.2 行向量、列向量
2.3 向量長度:模,歐氏距離,L2範數
2.4 加減法:對應位置元素分別相加減
2.5 純量乘法:向量縮放
2.6 向量內積:結果為純量
2.7 向量夾角:反餘弦
2.8 餘弦相似度和餘弦距離
2.9 向量積:結果為向量
2.10 逐項積:對應元素分別相乘
2.11 張量積:張起網格面
第 3章 向量範數
3.1 Lp範數:L2範數的推廣
3.2 Lp範數和超橢圓的聯繫
3.3 L1範數:旋轉正方形
3.4 L2範數:正圓
3.5 L∞範數:正方形
3.6 再談距離度量
第4章 矩陣
4.1 矩陣:一個不平凡的表格
4.2 矩陣形狀:每種形狀都有特殊用途
4.3 基本運算:加減和純量乘法
4.4 廣播原則
4.5 矩陣乘法:線性代數的運算核心
4.6 兩個角度解剖矩陣乘法
4.7 轉置:繞主對角線鏡像
4.8 矩陣逆:「相當於 」除法運算
4.9 跡:主對角元素之和
4.10 逐項積:對應元素相乘
4.11 行列式:將矩陣映射到純量值
第5章 矩陣乘法
5.1 矩陣乘法:形態豐富多樣
5.2 向量和向量
5.3 再聊全1列向量
5.4 矩陣乘向量:線性方程式組
5.5 向量乘矩陣乘向量:二次型
5.6 方陣次方陣:矩陣分解
5.7 對角陣:批次縮放
5.8 置換矩陣:調換元素順序
5.9 矩陣乘向量:映射到一維
5.10 矩陣乘矩陣:映射到多維
5.11 長方陣:奇異值分解、格拉姆矩陣、張量積
5.12 愛因斯坦求和約定
5.13 矩陣乘法的幾個雷區
第6章 分塊矩陣
6.1 分塊矩陣:橫平垂直切豆腐
6.2 矩陣乘法第一角度:純量積展開
6.3 矩陣乘法第二角度:外積展開
6.4 矩陣乘法更多角度:分塊多樣化
6.5 分塊矩陣的逆
6.6 克羅內克積:矩陣張量積
第 7章 向量空間
7.1 向量空間:從直角座標系說起
7.2 給向量空間塗顏色:RGB色卡
7.3 張成空間:線性組合紅、綠、藍三原色
7.4 線性無關:紅色和綠色,調不出青色
7.5 非正交基底:青色、品紅、黃色
7.6 基底轉換:從紅、綠、藍,到青色、品紅、黃色
第8章 幾何變換
8.1 線性變換:線性空間到自身的線性映射
8.2 平移:仿射變換,原點變動
8.3 縮放:對角陣
8.4 旋轉:行列式值為1
8.5 鏡像:行列式值為負
8.6 投影:降維操作
8.7 再談行列式值:幾何角度
第 9章 正交投影
9.1 純量投影:結果為純量
9.2 向量投影:結果為向量
9.3 正交矩陣:一個規範正交基底
9.4 規範正交基底性質
9.5 再談鏡像:從投影角度
9.6 格拉姆-施密特正交化
9.7 投影角度看回歸
第 10 章 資料投影
10.1 從一個矩陣乘法運算說起
10.2 二次投影 + 層層疊加
10.3 二特徵資料投影:標準正交基底
10.4 二特徵資料投影:規範正交基底
10.5 四特徵資料投影:標準正交基底
10.6 四特徵資料投影:規範正交基底
10.7 資料正交化
第 11章 矩陣分解
11.1 矩陣分解:類似因式分解
11.2 LU分解:上下三角
11.3 Cholesky分解:適用於正定矩陣
11.4 QR分解:正交化
11.5 特徵值分解:刻畫矩陣映射的特徵
11.6 奇異值分解:適用於任何實數矩陣
第 12章 Cholesky分解
12.1 Cholesky分解
12.2 正定矩陣才可以進行Cholesky分解
12.3 幾何角度:開合
12.4 幾何變換:縮放 → 開合
12.5 推廣到三維空間
12.6 從格拉姆矩陣到相似度矩陣
第 13章 特徵值分解
13.1 幾何角度看特徵值分解
13.2 旋轉 → 縮放 → 旋轉
13.3 再談行列式值和線性變換
13.4 對角化、譜分解
13.5 聊聊特徵值
13.6 特徵值分解中的複數現象
第 14章 深入特徵值分解
14.1 方陣開方
14.2 矩陣指數:冪級數的推廣
14.3 費氏數列:求通項式
14.4 馬可夫過程的平穩狀態
14.5 瑞利商
14.6 再談橢圓:特徵值分解
第 15章 奇異值分解
15.1 幾何角度:旋轉 → 縮放 → 旋轉
15.2 不同類型SVD分解
15.3 左奇異向量矩陣U
15.4 右奇異向量矩陣V
15.5 兩個角度:投影和資料疊加
第 16章 深入奇異值分解
16.1 完全型:U為方陣
16.2 經濟型:S去掉零矩陣,變方陣
16.3 緊湊型:非滿秩
16.4 截斷型:近似
16.5 資料還原:層層疊加
16.6 估計與誤差:截斷型SVD
16.7 正交投影:資料正交化
第 17章 多元函式微分
17.1 偏導:特定方向的變化率
17.2 梯度向量:上山方向
17.3 法向量:垂直於切平面
17.4 方向性微分:函式任意方向的變化率
17.5 泰勒展開:一元到多元
第 18章 拉格朗日乘子法
18.1 回顧最佳化問題
18.2 等式約束條件
18.3 線性等式約束
18.4 非線性等式約束
18.5 不等式約束
18.6 再談特徵值分解:最佳化角度
18.7 再談SVD:最佳化角度
18.8 矩陣範數:矩陣 → 純量,矩陣「大小 」
18.9 再談資料正交投影:最佳化角度
第 19章 直線到超平面
19.1 切向量:可以用來定義直線
19.2 法向量:定義直線、平面、超平面
19.3 超平面:一維直線和二維平面的推廣
19.4 平面與梯度向量
19.5 中垂線:用向量求解析式
19.6 用向量計算距離
第 20 章 再談圓錐曲線
20.1 無處不在的圓錐曲線
20.2 正圓:從單位圓到任意正圓
20.3 單位圓到旋轉橢圓:縮放 → 旋轉 → 平移
20.4 多元高斯分佈:矩陣分解、幾何變換、距離
20.5 從單位雙曲線到旋轉雙曲線
20.6 切線:建構函式,求梯度向量
20.7 法線:法向量垂直於切向量
第 21章 曲面和正定性
21.1 正定性
21.2 幾何角度看正定性
21.3 開口朝上抛物面:正定
21.4 山谷面:半正定
21.5 開口朝下抛物面:負定
21.6 山脊面:半負定
21.7 雙曲抛物面:不定
21.8 多極值曲面:局部正定性
第 22章 資料與統計
22.1 統計 + 線性代數:以鳶尾花資料為例
22.2 平均值:線性代數角度
22.3 質心:平均值排列成向量
22.4 中心化:平移
22.5 分類資料:加標籤
22.6 方差:平均值向量沒有解釋的部分
22.7 協方差和相關性係數
22.8 協方差矩陣和相關性係數矩陣
第 23章 資料空間
23.1 從資料矩陣X說起
23.2 向量空間:從SVD分解角度理解
23.3 緊湊型SVD分解:剔除零空間
23.4 幾何角度說空間
23.5 格拉姆矩陣:向量模、夾角餘弦值的集合體
23.6 標準差向量:以資料質心為起點
23.7 白話說空間:以鳶尾花資料為例
第 24章 資料分解
24.1 為什麼要分解矩陣?
24.2 QR分解:獲得正交系
24.3 Cholesky分解:找到列向量的座標
24.4 特徵值分解:獲得行空間和零空間
24.5 SVD分解:獲得四個空間
第 25章 資料應用
25.1 從線性代數到機器學習
25.2 從隨機變數的線性變換說起
25.3 單方向映射
25.4 線性回歸
25.5 多方向映射
25.6 主成分分析
原價:
1280
售價:
1152
現省:
128元
立即查看
AI時代的計算機概論(2026最新版) (1版)
類似書籍推薦給您
【簡介】
Introduction to Computers in the AI Era
經典暢銷教科書,導入AI,全新改版!
提供用書教師相關的教學資源
資訊科技的不斷創新,人工智慧的大放異彩,ChatGPT的橫空出世,以及雲端運算、大數據、區塊鏈、5G與物聯網的應用呈現爆炸性的成長,這股趨勢不僅改變了人們的生活習慣,也改變了人們的學習模式與工作型態。
針對這些變革,本書除了涵蓋資訊科學的核心知識與實務應用,更將下列熱門的主題融入適當的章節,無論您是剛進入大學的新生、準備參加碩士班考試或國家考試的人士,本書都可以為您的學習與職涯奠定扎實的學理基礎,並掌握最新的資訊發展趨勢:
■ 人工智慧、AI PC、AI伺服器、CPU vs. GPU vs. NPU、機器學習、深度學習、神經元、神經網路、前饋神經網路 (FNN)、卷積神經網路 (CNN)、循環神經網路 (RNN)、生成式AI、生成對抗網路 (GAN)、擴散模型、Transformer模型、大型語言模型 (LLM)、ChatGPT、Copilot、Midjourney、自然語言處理、電腦視覺、自駕車、機器人、仿生機器人。
■ 量子電腦。
■ 虛擬實境 (VR)、擴增實境 (AR)、混合實境 (MR)、延展實境 (XR)。
■ 物聯網 (IoT)、智慧物聯網 (AIoT)、工業物聯網 (IIoT)、智慧城市、智慧交通、智慧家庭。
■ 區塊鏈、加密貨幣、冷熱錢包。
■ 網路霸凌、灌爆臉書、人肉搜索、網路公審、公布監視器畫面、散布假新聞、使用深偽 (deepfake) 技術製造假影片等行為的法律責任,歐盟人工智慧法案、AI訓練模型是否侵權,以及AI創作是否受著作權法保護。
本書特色
豐富圖表:透過拍攝精緻的產品照片及豐富圖表,提升學生的理解程度。
資訊部落:透過資訊部落,對其它專業的技術或議題做進一步的討論。
隨堂練習:透過隨堂練習,讓學生即刻驗證在課堂上學習的知識。
本章回顧:各章末提供簡短摘要,幫助學生快速回顧內容。
學習評量:各章末提供學習評量,檢測學生的學習成效或做為課後作業之用。
【目錄】
第1章 導論
1-1 電腦的發展過程
1-2 電腦系統的組成
1-3 電腦的類型
1-4 資訊科技所衍生的社會與道德議題
第2章 人工智慧與其它新發展
2-1 人工智慧
2-2 機器學習
2-3 深度學習
2-4 生成式AI
2-5 機器人
2-6 VR、AR、MR 與 XR
2-7 自駕車
2-8 區塊鏈
2-9 量子電腦
第3章 數字系統與資料表示法
3-1 電腦的資料基本單位
3-2 數字系統
3-3 數字系統轉換
3-4 整數表示法
3-5 浮點數表示法
3-6 文字表示法
3-7 圖形表示法
3-8 聲音表示法
3-9 視訊表示法
第4章 電腦硬體
4-1 處理單元
4-2 記憶單元
4-3 輸入單元
4-4 輸出單元
4-5 電腦元件的使用與故障排除
第5章 電腦軟體與作業系統
5-1 軟體的類型
5-2 開放原始碼軟體與 App
5-3 程式語言
5-4 作業系統簡介
5-5 作業系統的功能
5-6 作業系統的技術
5-7 知名的作業系統
第6章 電腦網路
6-1 網路的用途
6-2 網路的類型
6-3 網路的運作方式
6-4 OSI 參考模型
6-5 網路拓樸
6-6 網路傳輸媒介
6-7 網路相關設備
6-8 區域網路標準
第7章 無線網路與行動通訊
7-1 無線網路簡介
7-2 無線個人網路 (WPAN)
7-3 無線區域網路 (WLAN)
7-4 無線都會網路 (WMAN)
7-5 行動通訊
7-6 衛星網路
第8章 網際網路
8-1 網際網路的起源
8-2 連上網際網路的方式
8-3 網際網路的應用
8-4 TCP/IP 參考模型
8-5 網際網路命名規則
8-6 網頁設計
第9章 雲端運算與物聯網
9-1 雲端運算
9-2 物聯網
9-3 智慧物聯網
第10章 電子商務與網路行銷
10-1 電子商務的意義
10-2 電子商務的經營模式
10-3 電子付款系統
10-4 網路交易的安全機制
10-5 行動商務
10-6 網路行銷
10-7 行動行銷
第11章 資料庫與大數據
11-1 資料的階層架構
11-2 資料庫模式
11-3 資料庫操作實例
11-4 資料倉儲
11-5 大數據
第12章 資訊系統
12-1 企業的組織層級
12-2 資訊系統的架構
12-3 資訊系統的重要性
12-4 資訊系統的類型
第13章 資訊安全
13-1 OSI 安全架構
13-2 資訊安全管理標準
13-3 網路帶來的安全威脅
13-4 惡意程式與防範之道
13-5 常見的安全攻擊手法
13-6 加密的原理與應用
13-7 資訊安全措施
第14章 資訊倫理與法律
14-1 資訊倫理
14-2 電腦犯罪
14-3 資訊隱私權
14-4 智慧財產權
立即查看
AI時代的Python高效學習書-ChatGPT程式助理新思維 (1版)
類似書籍推薦給您
【簡介】
★程式小白一學就會,不再半途而廢★
一改傳統以鉅細靡遺的語法為導向的學習方式,採取AI時代的學習方式,以解決問題為核心,透過貼近生活的實例講解重要的語法與主題,有效率地和AI助理合作,讓初學者不再苦苦糾纏於繁瑣的語法,培養解決問題的邏輯思維。
★實用套件輕鬆上手,寫出厲害、有用的程式★
.pillow:圖像處理,例如色彩模式、裁剪、旋轉、翻轉、濾鏡等。
.matplotlib:繪製圖表,例如折線圖、散布圖、長條圖、直方圖、圓餅圖等。
.tkinter:建立圖形使用者介面 (GUI)。
.Requests、Beautiful Soup:網路爬蟲,例如抓取臺灣銀行牌告匯率資料、從yahoo!股市抓取即時股價等。
★與ChatGPT完美合作,寫出正確、高效的程式★
提示工程技巧大公開:查詢語法和範例◎撰寫、修正與優化程式◎閱讀並測試程式碼◎除錯◎幫程式加上註解或try…except語法◎解決流程錯誤與無窮迴圈◎撰寫邏輯複雜的程式◎透過設計與撰寫函式來解決問題◎查看與解決程式錯誤所造成的例外◎根據資料判斷要使用哪種圖表並撰寫程式◎根據附圖與文字敘述撰寫GUI程式◎解決網路爬蟲程式失敗。
在本書中,我們會在每章的開頭講解重要的語法與主題,
然後在結尾的地方透過「 ChatGPT程式助理」專欄,示範如何有效率地和AI助理合作,
讓初學者能夠快速寫出正確、有用的程式!
當然這些提示工程技巧並不限定於ChatGPT,你也可以舉一反三、靈活運用在Gemini、Copilot等AI助理。
將「 ChatGPT程式助理」以專欄的形式放在各章的結尾,不僅能夠適時地示範ChatGPT在不同主題的使用技巧,
而且不會干擾讀者自學或教師上課的節奏。
【目錄】
chapter 01 撰寫第一個 Python 程式
1-1 認識 Python
1-2 Anaconda 開發環境
1-3 Colab 雲端開發環境
1-4 程式碼風格指南
※ 註冊與使用 ChatGPT
※ 請 ChatGPT 扮演 Python 程式設計專家
※ 查詢 Python 的語法和使用範例
※ 找出 Python 程式的錯誤
※ 解讀 Python 程式的意義
chapter 02 變數、型別與運算子
2-1 變數
2-2 常數
2-3 型別
2-4 運算子
2-5 輸出 - print() 函式
2-6 輸入 - input() 函式
※ 撰寫、修正與優化 Python 程式
※ 幫 Python 程式加上註解
chapter 03 數值與字串處理
3-1 數值處理函式
3-2 字串處理函式
3-3 字串運算子
3-4 字串處理方法
3-5 f-string 格式化字串
※ 查詢內建函式
chapter 04 容器型別
4-1 list (串列)
4-2 tuple (元組)
4-3 set (集合)
4-4 dict (字典)
※ 查詢 list、tuple、set、dict 的更多應用
※ 查詢 list()、tuple()、set()、dict() 的用途
chapter 05 流程控制
5-1 認識流程控制
5-2 if
5-3 for
5-4 while
5-5 break 與 continue 敘述
※ 解決流程錯誤或無窮迴圈
※ 撰寫邏輯複雜的程式 (計算綜所稅)
chapter 06 函式
6-1 認識函式
6-2 定義函式
6-3 函式的參數
6-4 return 敘述
6-5 lambda 運算式
6-6 變數的範圍
※ 查詢好函式的特色
※ 透過設計與撰寫函式來解決問題
chapter 07 模組與套件
7-1 標準函式庫
7-2 模組
7-3 套件
7-4 第三方套件
7-5 math 模組
7-6 random 模組
7-7 datetime 模組
7-8 calendar 模組
※ 查詢應該使用哪個模組?例如三角函數
※ 查詢應該使用哪個套件?例如機器學習
chapter 08 檔案存取與例外處理
8-1 認識檔案、資料夾與路徑
8-2 讀寫檔案
8-3 with 敘述
8-4 語法錯誤與例外
8-5 try...except
※ 查看與解決程式錯誤所造成的例外
※ 幫程式加上 try...except 語法
chapter 09 類別與物件
9-1 認識類別與物件
9-2 使用類別與物件
9-3 繼承
※ 查詢物件導向、類別與物件相關問題
※ 繼承的時機?如何設計繼承階層?
chapter 10 圖像處理 - pillow
10-1 認識 pillow 套件
10-2 開啟、顯示與另存圖片
10-3 轉換色彩模式
10-4 調整大小與裁剪圖片
10-5 旋轉與翻轉圖片
10-6 濾鏡
10-7 繪製文字
※ pillow 套件可以用來繪製圖形嗎?
chapter 11 繪製圖表 - matplotlib
11-1 認識 matplotlib 套件
11-2 繪製折線圖
11-3 設定圖表的元件
11-4 繪製散布圖
11-5 繪製長條圖
11-6 繪製直方圖
11-7 繪製圓餅圖
※ 根據資料判斷要使用哪種類型的圖表並撰寫程式
chapter 12 圖形使用者介面 - tkinter
12-1 認識 tkinter 套件
12-2 GUI 元件
※ 根據附圖與文字敘述撰寫 GUI 程式
chapter 13 網路爬蟲 - Requests、Beautiful Soup
13-1 認識網路爬蟲
13-2 使用 Requests 抓取網頁資料
13-3 使用 Beautiful So up 解析網頁資料
※ 撰寫網路爬蟲程式失敗,怎麼辦?
立即查看