一步到位! Python程式設計: 最強入門教科書 (第5版) (5版)

內容介紹:    ✧✦ 初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧ ✧✦ 從基礎語法到生成式 AI 應用，打穩 Vibe Coding的關鍵能力 ✦✧ 身處在 vibe coding 的時代，在當前要能順利和 AI 協作，程式能力依然是不可或缺的。同時，在大數據、人工智慧相關的領域，Python 也還是那個最強的工具。 本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、大數據分析與人工智慧等專業的領域。有了基本的程式能力以後，便能有效的監督 AI 產生的程式碼，又或是清楚地提出自己對程式的要求。如此一來，你將能透過 vibe coding 體會到前所未有的樂趣！ ☛ 清楚明瞭的語法教學，第一次寫程式就上手！ ☛ 豐富滿點的實作範例，自己動手反覆練習最有感！ ☛ 無縫接軌四大套件－NumPy、matplotlib、SciPy、pandas ☛ 紮穩資料科學基礎，銜接機器學習最強套件－scikit-learn ☛ Requests、Beautiful Soup－網路爬蟲 ☛ OpenCV、YOLO－人臉辨識、物體偵測一把罩！ ☛ 輕鬆建立本地端 AI 助理－Ollama、Streamlit 本書特色:   ✯最易學習✯ 沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會Python在不同領域的應用。 ✯豐富範例✯ 本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。 ✯最強應用✯ 本書包含下列幾個與資料科學、網路爬蟲、機器學習、電腦視覺、自然語言處理、大型語言模型等應用相關的最強套件。有了這些基礎，你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展： ▪ NumPy → 資料運算 ▪ matplotlib → 資料視覺化 ▪ SciPy → 科學計算 ▪ pandas → 資料處理與分析 ▪ Requests、Beautiful Soup → 網路爬蟲 ▪ scikit-learn → 機器學習 ▪ OpenCV → 人臉偵測與辨識 ▪ YOLO → 物體偵測與圖像分割 ▪ Ollama、Streamlit → 本地端 LLM 與網頁版聊天機器人

目錄: ▌Part1 Python 語法篇 第 1 章 Python 與 AI 時代的程式設計 1-1 認識 Python 1-2 使用 Anaconda 1-3 使用 Google Colab 1-4 Python 程式碼撰寫風格 1-5 常見的程式錯誤 1-6 AI 輔助寫碼與偵錯（ChatGPT、Gemini） 第 2 章 型別、變數與運算子 2-1 型別 2-2 變數 2-3 常數 2-4 運算子 2-5 輸出 2-6 輸入 第 3 章 數值與字串處理 3-1 數值處理函式 3-2 字串與字元 3-3 字串處理方法 3-4 字串與數值格式化 第 4 章 流程控制 4-1 認識流程控制 4-2 if 4-3 for 4-4 while 4-5 break 與 continue 第 5 章 函式 5-1 認識函式 5-2 定義函式 5-3 呼叫函式 5-4 函式的參數 5-5 函式的傳回值 5-6 全域變數與區域變數 5-7 遞迴函式 5-8 lambda 運算式 第 6 章 list、tuple、set 與 dict 6-1 list（串列） 6-2 tuple（元組） 6-3 set（集合） 6-4 dict（字典） 第 7 章 檔案存取與錯誤處理 7-1 認識檔案路徑 7-2 寫入檔案 7-3 讀取檔案 7-4 with 7-5 管理檔案與資料夾 7-6 認識語法錯誤與例外 7-7 try…except 第 8 章 物件導向 8-1 認識物件導向 8-2 使用類別與物件 8-3 繼承 8-4 多型 第 9 章 模組與套件 9-1 標準函式庫 9-2 模組 9-3 套件 9-4 第三方套件 9-5 datetime 模組 ▌Part2 資料科學應用篇 第 10 章 陣列與資料運算 － NumPy 10-1 認識 NumPy 10-2 NumPy 的資料型別 10-3 一維陣列運算 10-4 二維陣列運算 10-5 通用函式 10-6 廣播 10-7 視點（view）與複本（copy） 10-8 數學函式 10-9 隨機取樣函式 10-10 統計函式 10-11 檔案資料輸入／輸出 第 11 章 繪製圖表 － matplotlib 11-1 認識 matplotlib 11-2 繪製線條或標記 11-3 繪製長條圖 11-4 繪製直方圖 11-5 繪製圓餅圖 11-6 繪製散佈圖 第 12 章 科學計算 － SciPy 12-1 認識 SciPy 12-2 統計子套件 scipy.stats 12-3 最佳化子套件 scipy.optimize 12-4 插值子套件 scipy.interpolate 第 13 章 資料分析 － pandas 13-1 認識 pandas 13-2 pandas 的資料結構 13-3 pandas 的基本功能 第 14 章 網路爬蟲 － Requests、Beautiful Soup 14-1 認識網路爬蟲 14-2 使用 Requests 抓取網頁資料 14-3 使用 Beautiful Soup 解析網頁資料 ▌Part3 人工智慧應用篇 第 15 章 機器學習 － scikit-learn 15-1 認識機器學習 15-2 線性迴歸 15-3 邏輯迴歸 15-4 K-近鄰演算法 15-5 決策樹 15-6 隨機森林 第 16 章 人臉偵測與辨識 － OpenCV 16-1 認識 OpenCV 16-2 基本影像處理 16-3 【實例演練】人臉偵測 16-4 【實例演練】人臉辨識 第 17 章 物體偵測與圖像分割 － YOLO 17-1 認識電腦視覺與常見任務 17-2 認識 PyTorch 與 YOLO 17-3 【實例演練】物體偵測 17-4 【實例演練】圖像分割 第 18 章 本地端 LLM 與聊天機器人 － Ollama、Streamlit 18-1 認識自然語言處理與大型語言模型 18-2 部署本地端 LLM 18-3 使用 Ollama 串接本地端 LLM 18-4 本地端 AI 助理－RAG 與 AI 投資小幫手 18-5 使用 Streamlit 建立網頁應用程式 18-6 本地端聊天機器人 － 網頁版 AI 健身教練