書名: Python建模和模擬: 科學家與工程師的入門指南
作者: Allen B. Downey
譯者: 楊新章
ISBN: 9786263248168
出版社: 碁峰
出版日期: 2024/09
頁數: 300
#資訊
#編程與軟體開發
#Python
定價: 580
售價: 493
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

【簡介】 學習如何利用Python來充分發揮建模和模擬的潛力,建立逼真的模型,輕鬆解決複雜而重要的問題。 釋放預測的力量,本書揭開了宇宙的秘密並掌握預測的藝術!從帝國大廈投擲一分錢到一杯咖啡的溫度變化,您將學習如何建立模型、編寫Python程式來類比它們、並使用這些模型來預測和解釋系統的行為。利用迭代建模、分析、符號計算等方法,實作從共享自行車系統到人口模型等各種模型。 本書非常適合希望提高對模型和模擬理解能力的各領域學生和專業人士。讀者無需具備程式設計、科學或工程方面的知識。每章都有一個可下載的Jupyter筆記本,您可以輕鬆使用程式碼進行實驗,並學以致用。 透過本書您將可以: *建立世界人口模型、預測增長極限並進行未來預測 *模擬傳染病的傳播和廣泛接種疫苗的影響 *分析葡萄糖和胰島素在濃度隨時間變化時的交互作用 *探索棒球等投擲物和溜溜球等旋轉物體的物理學原理 *使用優化方法來確定在芬威球場擊出全壘打所需的力度 【目錄】 【PART 1 離散系統】 第1章 建模導論  建模框架  檢驗硬幣掉落的迷思  Python 計算   第2章 自行車共享系統建模  我們的自行車共享模型  定義函數  列印敘述  if 敘述  參數  for 迴圈  TimeSeries  繪圖 第3章 迭代建模  迭代我們的自行車共享模型  使用多個狀態物件  說明文件  處理負自行車  比較運算子  度量介紹   第4章 參數和度量  傳回值的函數  迴圈和陣列  掃描參數  增量式開發  總結  習題   第5章 建構人口模型  探索資料  絕對誤差和相對誤差  人口增長建模  模擬人口增長 第6章 迭代人口模型  System 物件  比例增長模型  分解更新函數  結合出生與死亡 第7章 增長的限制  二次增長  淨增長  尋找平衡  問題函數 第8章 推測未來  產生推測  比較推測 第9章 分析和符號計算  差分方程式  微分方程式  解析與模擬  使用 WolframAlpha 進行解析  使用 SymPy 進行解析  SymPy 中的微分方程式  求解二次增長模型 第10章 案例研究(1)  歷史世界人口  一個佇列還是兩個佇列?  預測鮭魚數量  樹木生長 【PART II 一階系統】 第11章 流行病學和 SIR 模型  新鮮人瘟疫  Kermack-McKendrick 模型  KM 方程式  實作 KM 模型  更新函數  執行模擬  蒐集結果  現在使用 TimeFrame   第12章 量化干預措施  免疫接種的效果  選擇度量  掃描免疫接種 第13章 掃描參數  掃描 Beta  掃描 Gamma  使用 SweepFrame 第14章 無維度化  beta 和 gamma  探索結果  接觸數  解析和模擬的比較  估計接觸數 第15章 熱系統  咖啡冷卻問題  溫度和熱量  熱傳遞  牛頓冷卻定律  實作牛頓冷卻  求根  估計 r   第16章 解咖啡問題  混合液體  先混合還是最後混合?  最佳時機  解析解   第17章 血糖建模  最小模型  葡萄糖最小模型  獲取資料  內插 第18章 實作最小模型  實作模型  更新函數  執行模擬  求解微分方程式 第19章 案例研究(2)  重新審視最小模型  胰島素最小模型  低通濾波器  牆壁的熱行為  HIV 【PART III 二階系統】 第20章 重溫掉落的硬幣  牛頓第二運動定律  掉落的硬幣  事件函數   第21章 拖曳  計算拖曳力  Params 物件  模擬硬幣掉落 第22章 二維運動  假設和決策  向量  模擬棒球飛行  拖曳力  添加事件函數  視覺化軌跡  棒球動畫 第23章 優化  Manny Ramirez 問題  尋找射程  總結 第24章 迴轉  衛生紙的物理學  設定參數  模擬系統  繪製結果  解析解 第25章 力矩  角加速度  轉動慣量  茶壺和轉盤  雙相模擬  估計摩擦力  轉盤動畫 第26章 案例研究(3)  高空彈跳  重溫高空彈跳灌籃  環繞太陽運行  蜘蛛人  小貓  模擬溜溜球  恭喜您 附錄 內部玄機  run_solve_ivp 的工作原理  root_scalar 的工作原理  maximize_scalar 的工作原理

為您推薦

Deep Learning: 用Python進行深度學習的基礎理論實作

Deep Learning: 用Python進行深度學習的基礎理論實作

相關熱銷的書籍推薦給您

書名:DEEP LEARNING|用PYTHON進行深度學習的基礎理論實作 出版社:歐萊禮 出版年月:201708 條碼:9789864764846 內容簡介 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。 作者介紹 作者簡介 斎藤康毅 1984年生於長崎縣對馬,畢業於東京工業大學工學院,東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬,畢業於東京工業大學工學院,東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。 目錄 第一章 Python入門 第二章 感知器 第三章 神經網路 第四章 神經網路的學習 第五章 誤差反向傳播法 第六章 與學習有關的技巧 第七章 卷積神經網路 第八章 深度學習 附錄A Softmax-with-Loss層的計算圖 參考文獻

原價: 580 售價: 493 現省: 87元
立即查看
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定! (1版)

Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定! (1版)

類似書籍推薦給您

Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定! ISBN13:9789863127246 出版社:旗標出版社 作者:陳會安 裝訂/頁數:平裝/616頁 規格:23cm*17cm*2.8cm (高/寬/厚) 重量:946克 出版日:2022/08/22 中國圖書分類:電腦科學 內容簡介 【題材涵蓋最全面!一本書掌握資料科學 / 數據工程必學 know-how!】   從大數據到人工智慧世代,其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上,資料科學需要的背景知識與技能相當的多,通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用;再加上機器學習的基礎就是機率和統計,因此也免不了得學機率和統計知識,可說有一拖拉庫的主題等著你去學,也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷,一時間實在讓人難以消化...   為了降低讀者初學資料科學面對的負擔以及混亂感,我們精心設計了這本入門實戰教本,秉持讓讀者「買一本抵多本」的精神,本書一次涵蓋所有入門必須熟悉的重要題材,同時也將初學資料科學的脈絡梳理清楚。   在章節的安排上,本書從資料取得的網路爬蟲開始,提供一個標準 SOP 來幫助讀者從網路取得資料;接著說明資料科學必學的 Python 重量級套件,再接著介紹機率、統計和探索式資料分析的基礎知識,最後進入最熱門的機器學習、深度學習建模主題。   這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練,跟著本書掌握這些重要 know-how 後,就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材,甚至參與資料科學、機器學習的網路競賽;希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路!   本書特色   □ 資料科學三部曲:取得資料 → 探索資料 → 預測分析 □ 一次補足最入門的統計和機率基礎 □ Python 開發環境與基礎語法快速上手 □ 從網頁爬蟲、資料清理到資料視覺化,快速完成資料探索的預處理程序 □ 將清理後的資料存入 SQL 資料庫,便於日後存取利用 □ 實踐資料科學的四大套件:NumPy、Pandas、Matplotlib、Seaborn 一次掌握 □ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用 目錄 第一篇 資料科學和 Python 基礎 第 1 章 資料科學概論與開發環境建立 – Anaconda 第 2 章 Python 程式語言   第二篇 網路爬蟲和 Open Data (取得、清理與儲存資料) 第 3 章 取得網路資料 第 4 章 資料擷取 第 5 章 資料清理與資料儲存 第 6 章 網路爬蟲實作案例   第三篇 Python資料科學套件 – 探索資料(資料視覺化與大數據分析) 第 7 章 向量與矩陣運算 – NumPy 套件 第 8 章 資料處理與分析 – Pandas 套件 第 9 章 大數據分析 (一) – Matplotlib 和 Pandas 資料視覺化 第 10 章 大數據分析 (二) – Seaborn 統計資料視覺化 第 11 章 機率與統計 第 12 章 估計與檢定 第 13 章 探索性資料分析實作案例   第四篇 人工智慧、機器學習與深度學習 – 預測資料 第 14 章 人工智慧與機器學習概論 – 認識深度學習 第 15 章 機器學習演算法實作案例 – 迴歸 第 16 章 機器學習演算法實作案例 – 分類與分群 第 17 章 深度學習神經網路實作案例   附錄 A:HTML 網頁結構與 CSS 附錄 B:Python 文字檔案存取與字串處理 附錄 C:下載與安裝 MongoDB 和 MySQL 資料庫

原價: 680 售價: 612 現省: 68元
立即查看
Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔) (1版)

Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔) (1版)

類似書籍推薦給您

Python資料科學自學聖經:不只是建模!用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔) 系列名:程式設計 ISBN13:9786263241657 出版社:碁峰資訊 作者:鄧文淵-總監製;文淵閣工作室-編著 裝訂/頁數:平裝/440頁 規格:23cm*17cm*2cm (高/寬/厚) 出版日:2022/05/09 中國圖書分類:電腦程式語言 內容簡介 網路書店年度百大電腦資訊暢銷書 《Python自學聖經》系列力作 運用Python掌握資料科學的價值 讓人工智慧機器學習找出趨勢的關鍵密碼 完整涵蓋Python資料科學技術,從開發工具、資料預處理、 機器學習、深度學習到模型訓練進化一應俱全! 給需要本書的人: ★想進入Python資料科學領域,又不知怎麼切入的人 ★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人 ★想快速且有系統收集大量資料,並提高處理運用效率的人 ★想利用大量資料進行分析,找出隱藏訊息與趨勢以協助決策的人 ★想運用資料數據訓練人工智慧模型,開發適用的演算法進行預測與解決問題的人 隨著AI人工智慧帶來的科技革命,資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊,判斷決策,甚至能預測趨勢、掌握契機,是資料科學為現代社會帶來的新視野。   資料科學橫跨多個領域,涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域,歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念,還有技術應用與發展方向,讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓,讓你一探資料科學迷人的樣貌。 【重要關鍵】 ■應用工具:雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。 ■資料預處理:資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量,以及資料標準化、資料轉換與特徵選擇。 ■機器學習:學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向量機演算法)。 ■深度學習:學習工具(TensorFlow、Keras)、深度神經網路(DNN)、MNIST手寫數字圖片辨識實作、Gradio模組(深度學習成果展示、過擬合)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■模型訓練進化:預訓練模型、遷移學習、深度學習參數調校、hyperas參數調校神器,以及手寫數字辨識參數調校。 【超值學習資源】 獨家收錄「Python資料科學關鍵影音教學」、全書範例程式檔 本書特色 ■深入淺出,只要具備基礎Python程式語言能力即可輕鬆上手。 ■標示出重要觀念,在學習的過程中不會錯失關鍵內容。 ■應用範例導向,每個觀念皆附實用案例,不怕學不會。 ■不使用艱澀數學推導資料科學原理,而以淺顯易懂的文字解說學理。 ■實作圖片增量及遷移學習,即使少量資料也可訓練出實用模型。 ■實作機器學習與深度學習模型參數調校,輕鬆建立完美模型。   目錄 資料科學工具篇 第1章 進入資料科學的學習殿堂 1.1 認識資料科學 1.2 Google Colab:雲端的開發平台 1.3 Colab 的筆記功能 第2章 資料科學神器:Numpy 與Pandas 2.1 Numpy:高速運算的解決方案 2.2 Numpy 陣列建立 2.3 Numpy 陣列取值 2.4 Numpy 的陣列運算功能 2.5 Pandas:資料處理分析的強大工具 2.6 Series 的使用 2.7 DataFrame 的建立 2.8 Pandas DataFrame 資料取值 2.9 DataFrame 資料操作 第3章 資料收集:檔案存取與網路爬蟲 3.1 資料來源的取得 3.2 CSV 檔案的讀取 3.3 JSON 資料的讀取 3.4 Excel 試算表檔案的讀取 3.5 HTML 網頁資料讀取 3.6 儲存資料為檔案 3.7 認識網路爬蟲 3.8 requests 模組:讀取網站檔案 3.9 BeautifulSoup 模組:網頁解析 3.10 文字及檔案資料的收集 第4章 資訊圖表化:Matplotlib 與Seaborn 4.1 Matplotlib:資訊視覺化的核心工具 4.2 折線圖:plot 4.3 長條圖與橫條圖:bar、barh 4.4 圓形圖:pie 4.5 直方圖:hist 4.6 散佈圖:scatter 4.7 線箱圖:boxplot 4.8 設定圖表區:figure 4.9 在圖表區加入多張圖表:subplot、axes 4.10 Pandas 繪圖應用 4.11 Seaborn:更美觀的圖表工具 資料預處理篇 第5章 資料預處理:資料清洗及圖片增量 5.1 資料清洗處理 5.2 資料檢查 5.3 資料合併 5.4 樞紐分析表 5.5 圖片增量 第6章 資料預處理:標準化、資料轉換與特徵選擇 6.1 Scikit-Learn:機器學習的開發工具 6.2 數值資料標準化 6.3 非數值資料轉換 6.4 認識特徵選擇 6.5 使用Pandas 進行特徵選擇 6.6 使用Scikit-Learn 進行特徵選擇 機器學習篇 第7章 機器學習:非監督式學習 7.1 認識機器學習 7.2 K-means 演算法 7.3 DBSCAN 演算法 7.4 降維演算法 第8章 機器學習:監督式學習分類演算法 8.1 Scikit-Learn 資料集 8.2 K 近鄰演算法 8.3 單純貝氏演算法 8.4 決策樹演算法 8.5 隨機森林演算法 第9章 機器學習:監督式學習迴歸演算法 9.1 線性迴歸演算法 9.2 邏輯迴歸演算法 9.3 支持向量機演算法 深度學習篇 第10章 深度學習:深度神經網路(DNN) 10.1 認識深度學習 10.2 認識深度神經網路(DNN) 10.3 實作MNIST 手寫數字圖片辨識 10.4 Gradio 模組:深度學習成果展示 10.5 過擬合 第11章 深度學習:卷積神經網路(CNN) 11.1 認識卷積神經網路(CNN) 11.2 實作貓狗圖片辨識 第12章 深度學習:循環神經網路(RNN) 12.1 認識循環神經網路(RNN) 12.2 下載台灣股市資料 12.3 實作台灣股票市場股價預測 模型訓練進化篇 第13章 預訓練模型及遷移學習 13.1 預訓練模型 13.2 遷移學習 第14章 深度學習參數調校 14.1 hyperas 模組:參數調校神器 14.2 手寫數字辨識參數調校

原價: 580 售價: 493 現省: 87元
立即查看
資料結構-使用Python(增訂版) (1版)

資料結構-使用Python(增訂版) (1版)

類似書籍推薦給您

【簡介】 本書特色 1.本書以Python語言來實作資料結構中的重要理論,適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。 2.章節安排從資料結構的基礎到進階依序編次,讓學習有目標,有方法。 3.圖解各種資料結構新增、刪除、搜尋元素的方法及步驟,讓資料結構的觀念一看就懂。 內容簡介 本書適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。使用圖解方式說明資料結構的概念,依照步驟顯示資料結構中新增、刪除、搜尋元素的運作過程,各種資料結構的優缺點與使用時機,務求讓概念的解說清楚易懂。接著,進行程式碼實作與解說,並分析程式的執行效率。 本書從基礎到進階方式安排章節次序,依序為資料結構簡介、Python的資料儲存容器、陣列、鏈結串列、佇列與堆疊、樹狀結構、進階樹狀結構、排序、搜尋與雜湊、圖形資料結構與圖形走訪、圖形最短路徑、常見圖形演算法、2-3-Tree、2-3-4-Tree 與B-Tree。一步步帶領讀者進入資料結構的世界,熟悉資料結構的概念,以運用資料結構解決問題,提高程式執行速度。 學習資料結構沒有捷徑,在程式實作中不斷地融入資料結構,比較不同資料結構對程式執行速度的影響,慢慢累積就會進步。 【目錄】 第1章 資料結構簡介 1-1 資料結構的定義 1-2 資料結構影響程式執行效率 1-3 演算法的定義 1-4 程式執行效率分析 1-5 評估程式的複雜度 第2章 Python的資料儲存容器 2-1 tuple 2-2 串列 2-3 字典 2-4 集合 第3章 陣列 3-1 一維陣列 3-2 一維陣列的程式實作 3-3 二維陣列 3-4 二維陣列的程式實作 第4章 鏈結串列 4-1 鏈結串列 4-2 環狀鏈結串列 4-3 雙向鏈結串列 4-4 實作鏈結串列 第5章 佇列與堆疊 5-1 佇列 5-2 堆疊 第6章 樹狀結構 6-1 簡介樹狀結構 6-2 二元樹 6-3 二元搜尋樹 第7章 進階樹狀結構 7-1 霍夫曼編碼 7-2 AVL樹 第8章 排序 8-1 氣泡排序 8-2 選擇排序 8-3 插入排序 8-4 合併排序 8-5 快速排序 8-6 堆積排序 8-7 基數排序 8-8 各種排序演算法的比較 第9章 搜尋與雜湊 9-1 搜尋 9-2 雜湊 第10章 圖形資料結構與圖形走訪 10-1 簡介圖形資料結構 10-2 實作圖形資料結構 10-3 使用深度優先進行圖的走訪 10-4 使用寬度優先進行圖的走訪 第11章 圖形最短路徑 11-1 實作圖形資料結構-新增邊的權重 11-2 使用Dijkstra演算法找最短路徑 11-3 使用Bellman Forde演算法找最短路徑 11-4 使用Floyd Warshall演算法找最短路徑 第12章 常見圖形演算法 12-1 拓樸排序 12-2 尤拉迴路 12-3 最小生成樹 12-4 找出關節點 第13章 2-3-Tree、2-3-4-Tree與B-Tree 13-1 2-3-Tree 13-2 2-3-4-Tree 13-3 B-Tree

原價: 550 售價: 484 現省: 66元
立即查看
Python程式設計與OpenAI API應用:零基礎建構非同步GUI的AI聊天機器人 (1版)

Python程式設計與OpenAI API應用:零基礎建構非同步GUI的AI聊天機器人 (1版)

類似書籍推薦給您

內容簡介   從入門到活用Python程式設計,讓你成為Python專家   實作與應用OpenAI API,建構專屬的AI聊天機器人   ✦利用完整的程式範例,深入淺出說明Python程式設計   ✦進階學習Python多執行緒、多程序、非同步I/O及tkinter   ✦完整理解Python非同步程式設計的核心觀念   Python是一種容易學習且功能強大的程式語言,跟著本書學習Python, 你不只可學會Python的基礎語法,還可學到進階的內容,例如:物件導向、多執行緒、多程序、非同步I/O及tkinter程式設計等。   ChatGPT是OpenAI開發的人工智慧聊天機器人,其會生成文字,回答各式問題,自推出以來即受到大家的喜愛。在本書中,你將可活用Python,以Python實作OpenAI API,設計開發出ChatGPT應用程式。   本書內容的安排由淺入深,對Python程式設計進行系統性的介紹,並詳細說明OpenAI API的應用。本書以程式範例來說明Python程式設計的概念,可有效幫助讀者的學習,並經由實作的過程,建構專屬非同步GUI版的語音聊天機器人。   【目標讀者】   ☛對Python程式設計有興趣的初學者,可讓讀者兼顧理論與實作。   ☛適用於大專院校「Python程式設計」課程的學生,可作為教師授課之用。   ☛程式設計工程師、專案設計者、AI工程師,也很適合閱讀本書。 目錄 |CHAPTER 01| Python基礎(一) 1.1 本章提要 1.2 安裝Python 1.3 Python基本語法 1.4 Python字串處理 1.5 條件敘述 1.6 迴圈敘述 1.7 自定義函式 1.8 串列(List) 1.9 串列表達式 1.10 元組(Tuple) 1.11 字典(Dictionary) |CHAPTER 02| Python基礎(二) 2.1 模組(Module) 2.2 random模組 2.3 套件(Package) 2.4 例外處理 2.5 讀取文字檔案 2.6 寫入文字檔案 2.7 文字檔案處理 2.8 JSON 2.9 PyPI簡介 2.10 建立虛擬環境 |CHAPTER 03| Python物件導向 3.1 類別與物件 3.2 類別屬性及類別方法 3.3 靜態方法 3.4 繼承 3.5 封裝 3.6 抽象類別 3.7 多型 3.8 迭代器 3.9 生成器 |CHAPTER 04| 多執行緒 4.1 本章提要 4.2 建立及執行執行緒 4.3 守護執行緒 4.4 建立執行緒類別 4.5 執行緒池 4.6 使用Lock同步執行緒 4.7 使用queue交換資料 |CHAPTER 05| 多程序 5.1 本章提要 5.2 執行耗時計算任務 5.3 使用Process物件執行耗時計算 5.4 使用Queue交換資料 5.5 使用Process物件建立圖像縮圖 5.6 使用Pool物件建立圖像縮圖 5.7 程序池 5.8 程序間共享記憶體 |CHAPTER 06| 非同步I/O 6.1 本章提要 6.2 平行與並行 6.3 定義協程函式 6.4 await關鍵字 6.5 建立任務 6.6 使用gather() 6.7 取消任務 6.8 使用超時取消任務 6.9 防止任務被取消 6.10 非同步產生器 6.11 aiohttp套件 |CHAPTER 07| tkinter 7.1 tkinker簡介 7.2 建立視窗 7.3 標籤控制元件 7.4 按鈕控制元件 7.5 文字方塊控制元件 7.6 Spinbox控制元件 7.7 文字區域控制元件 7.8 捲軸控制元件 7.9 列表控制元件 7.10 變數類別 7.11 單選按鈕 7.12 核取方塊 7.13 使用pack()設計問卷調查 7.14 使用grid()設計問卷調查 |CHAPTER 08| OpenAI簡介 8.1 自然語言處理 8.2 OpenAI GPT 8.3 取得OpenAI的API密鑰 8.4 提示、完成及標記 8.5 使用Playground |CHAPTER 09| OpenAI Chat API 9.1 本章提要 9.2 openai套件 9.3 decouple套件 9.4 使用Chat API 9.5 簡易聊天程式 9.6 具對話紀錄的聊天程式 9.7 具串流輸出的聊天程式 9.8 可儲存對話紀錄的串流聊天程式 9.9 以JSON儲存對話紀錄 |CHAPTER 10| 非同步GUI版聊天程式 10.1 本章提要 10.2 tkinter執行非同步I/O 10.3 協程中執行執行緒 10.4 設計非同步GUI版聊天程式 |CHAPTER 11| OpenAI Image API 11.1 本章提要 11.2 文字產生圖像 11.3 顯示圖像 11.4 圖像變形 11.5 GUI版顯示圖像 11.6 非同步GUI版文字生成圖像程式 |CHAPTER 12| OpenAI語音轉文字API 12.1 本章提要 12.2 線上錄音 12.3 使用轉錄API 12.4 Audio API結合Chat API 12.5 文字轉語音 12.6 gTTS結合ChatGPT API 12.7 Pyaudio套件 12.8 非同步GUI版語音聊天程式

原價: 600 售價: 540 現省: 60元
立即查看
輕鬆學Python程式設計 (1版)

輕鬆學Python程式設計 (1版)

類似書籍推薦給您

內容簡介   本書是學習Python程式設計的入門書籍,書中詳細介紹Python的基礎知識,同時,有系統地講解Python語言的語法和程式設計方法。不僅適合做為大專院校程式設計相關課程教材,也可做為教育訓練機構或Python自學者的參考書。   Python是一種簡單且功能強大的高階程式語言,它具有非常清晰的語法特點,適用於多種作業系統,目前在國際上廣受好評。Python語言不僅適合於初學者,也適合於專業人員使用。   本書以Python 3.x為平臺,全書共13章,主要包括Python簡介以及環境配置、Python基本語法、基本資料型態、程式控制結構、函式與模組、序列與字串、串列、元組、集合與字典、物件導向程式設計、檔案操作、錯誤與異常處理、圖形繪製。書中提供大量的應用範例,且每章最後均附有上機練習與習題,供教師教學及學生課後練習使用,以達到對Python語言融會貫通的目的。學習本書後,讀者應該對Python會有足夠的瞭解,可以將其應用於您選擇探索的任何應用領域。 目錄 Chapter 01 Python語言概述 1-1 Python語言簡介 1-2 Python語言的開發環境 1-3 常數與變數 1-4 Python資料類型 1-5 常用系統函式 Chapter 02 循序結構 2-1 程式設計概述 2-2 Python程式的書寫規則 2-3 資料輸入/輸出 2-4 循序結構程式範例 Chapter 03 運算子與運算式 3-1 算術運算 3-2 指定運算子 3-3 關係運算 3-4 邏輯運算 3-5 位元運算子 3-6 測試運算 3-7 運算子優先順序 Chapter 04 選擇結構 4-1 單向選擇結構 4-2 雙向選擇結構 4-3 多向選擇結構 4-4 巢狀選擇結構 4-5 三元運算式 4-6 選擇結構程式舉例 Chapter 05 迴圈結構 5-1 while迴圈結構 5-2 for迴圈結構 5-3 迴圈控制敘述 5-4 巢狀迴圈 5-5 迴圈結構程式舉例 Chapter 06 函式與模組 6-1 函式的定義與呼叫 6-2 函式的參數傳遞 6-3 兩類特殊函式 6-4 裝飾器 6-5 變數的有效範圍 6-6 模組 6-7 函式應用舉例 Chapter 07 序列與字串 7-1 序列的通用操作 7-2 序列的函式 7-3 序列的方法 7-4 字串 7-5 字串編碼 7-6 字串的操作 7-7 字串的運算 7-8 字串的常用方法 7-9 字串應用範例 Chapter 08 串列 8-1 一維串列的建立 8-2 串列的函式 8-3 串列的專有操作 8-4 串列的常用方法 8-5 二維串列 8-6 串列的應用範例 Chapter 09 元組、集合與字典 9-1 元組 9-2 集合 9-3 字典 9-4 元組、集合與字典的應用 Chapter 10 物件導向程式設計 10-1 物件導向程式設計概述 10-2 類與物件 10-3 屬性和方法 10-4 繼承和多態 10-5 物件導向程式設計應用舉例 Chapter 11 檔案操作 11-1 檔案概述 11-2 檔案的開啟與關閉 11-3 文字檔的操作 11-4 二進位檔的操作 11-5 檔案管理方法 11-6 檔案操作應用實例 Chapter 12 異常處理 12-1 異常處理概述 12-2 捕獲和異常處理 12-3 斷言處理 12-4 主動引發異常與自訂異常類 Chapter 13 繪製圖形 13-1 Tkinter圖形庫概述 13-2 畫布繪圖 13-3 圖形的事件處理 13-4 urtle 繪圖與 Graphics 圖形庫 13-5 圖形應用範例 附錄 習題部分解答

原價: 690 售價: 656 現省: 34元
立即查看