【簡介】 對程式設計好陌生，想學卻不知道從何開始 學習Python時，無法有效地應用所學或缺乏實作經驗 想運用AI技術和現代工具加速學習，卻不得其門而入 對程式碼除錯感到困擾，需要更有效的除錯策略 那這本書就是你的絕佳選擇！ 本書結合了清晰的教學方法、精心設計的練習，讓讀者能即時應用、強化概念，無縫結合理論與實踐，確保讀者真正掌握技能。有效運用現代AI技術來加速學習、提示撰寫、程式碼測試與除錯，一步一步帶領你如同電腦科學家般思考的學習過程。 Python是進入程式設計世界的最佳選擇，而這本書以清晰、簡潔的方式，帶領你循序漸進地掌握這門語言——從基礎的程式設計概念開始，再逐步深入探討函式、資料結構以及物件導向程式設計。這本經過全面修訂的第三版，為了因應AI在程式設計領域日益重要的角色，特別納入大型語言模型（LLM）的相關應用，並新增有效提示（prompting）、程式碼測試與除錯的練習題。 每章的練習都會讓你在學習過程中即時應用所學，強化技能。作者Allen Downey聚焦於那些在工具不停演變下依然很重要的基本程式設計概念。透過這本深受歡迎的實踐指南，你將學會： • Python語言的語法與語意。 • 每個程式設計概念的清楚定義，並強調重要技術詞彙。 • 如何操作變數、述句、函式與資料結構。 • 讀寫檔案與資料庫的技巧。 • 物件、方法及物件導向程式設計的基礎。 • 語法錯誤、執行時期錯誤和語意錯誤的除錯策略。 • 運用LLM加速學習，包含有效的提示、程式碼測試與除錯。 名人推薦 「這本指南非常出色！透過實際的練習（也是唯一真正有效的方式），引導有興趣的成人從零開始學習程式設計。這本第三版更棒的是，能讓讀者熟悉Jupyter Notebook和AI程式設計助理等現代工具的使用。」 —Luciano Ramalho 《流暢的Python》作者 「這是一本絕佳的Python程式設計入門書，沒有任何多餘的文字或程式碼。第三版尤其令人興奮與期待，因為它會教你如何使用大型語言模型來加深你對程式設計的理解，即使是初學者也能輕鬆上手。」 —Sam Lau 《資料科學學習手冊》共同作者 【目錄】 前言 chapter 01 程式設計作為一種思維方式 chapter 02 變數和述句 chapter 03 函式 chapter 04 函式與介面 chapter 05 條件式與遞迴 chapter 06 回傳值 chapter 07 迭代和搜尋 chapter 08 字串和正規表達式 chapter 09 串列 chapter 10 字典 chapter 11 元組 chapter 12 文字的分析與生成 chapter 13 檔案和資料庫 chapter 14 類別與函式 chapter 15 類別與方法 chapter 16 類別與物件 chapter 17 繼承 chapter 18 Python Extras chapter 19 結語 索引
還沒有人留下心得，快來搶頭香！
為您推薦
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
類似書籍推薦給您
類似書籍推薦給您
類似書籍推薦給您
類似書籍推薦給您
類似書籍推薦給您
資訊
工程
數學與統計學
機率與統計
自然科學
健康科學
地球與環境
建築、設計與藝術
人文與社會科學
教育
語言學習與考試
法律
會計與財務
大眾傳播
觀光與休閒餐旅
考試用書
研究方法
商業與管理
經濟學
心理學
生活
生活風格商品
參考書/測驗卷/輔材
