Calculus with Applications (11版)
其他會員也一起購買
【原文書】
書名：Calculus with Applications 11/E
作者：Margaret L. Lial, Raymond N. Greenwell, Nathan P. Ritchey
出版社：PEARSON
出版日期：2017/10/00
ISBN：9781292108971
原價:
1300
售價:
1222
現省:
78元
立即查看
必學! Python資料科學．機器學習最強套件: NumPy、Pandas、Matplotlib、OpenCV、Scikit-learn、tf.Keras
其他會員也一起購買
必學！Python資料科學‧機器學習最強套件－NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras
ISBN13：9789863126157
出版社：旗標出版社
作者：石川聡彥-著;施威銘研究室-監修
譯者：劉金讓
裝訂／頁數：平裝／448頁
規格：23cm*17cm*2.8cm (高/寬/厚)
重量：982克
版次：１
出版日：2021/04/19
中國圖書分類：電腦程式語言
內容簡介
最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術,
本書帶您一次學會！
Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras 等最強套件, 絕對是初學者必須好好掌握的！
NumPy 數值運算套件可以做資料高速運算, 許多套件也都是以 NumPy 為基礎建構而成, 經常得跟 NumPy 搭配使用, 一定要紮穩這個重要基石；
在面對龐大的資料時, 使用 Pandas、Matplotlib 可以輕鬆做資料整理, 並藉由繪圖獲取重要資訊, 是資料科學實作的強大利器；
OpenCV 是電腦視覺 (Computer Vision) 領域響叮噹的套件, 不管是裁切、縮放、輪廓偵測、過濾影像以強化資訊...各種影像處理功能一應俱全, 是影像辨識、機器學習做資料擴增的最強助手；
最後, 我們將帶您一窺 scikit-learn、tf.Keras 這兩個重量級套件如何在機器學習、深度學習領域中發揮關鍵性的作用, 我們會實際操演如何利用它們做資料預處理 (Preprocessing)、建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)…等監督式學習分類模型；以及建立 DNN、CNN 等影像辨識神經網路 (Neural network)。
看了本書之後, 你將深刻體會到各套件的強大之處, 利用短短幾行程式碼, 竟然瞬間完成許多運算、建模工作。不過各套件的函式、參數設定可不像網路文章寫的這麼單純, 當中有許多設定「眉角」需要特別注意, 為此, 小編都經過逐一詳測, 針對可能遇到的問題添加大量註解, 幫助讀者更加理解內容！
本書特色
□資料科學熱門套件解說
‧紮穩 NumPy 重要基礎：axis、dimention、陣列切片、各種高速運算函式
‧Pandas 資料分析技巧：資料清理、缺失值處理、快速取得各種統計數據
‧Matplotlib 資料視覺化：繪製 2D / 3D 圖 / 子圖、比較資料的分布狀況
‧OpenCV 影像處理：影像裁切 / 縮放 / 翻轉...做資料擴增, 二值化 (binarization) / 降雜訊...強化重要影像資訊
□最紮實的機器學習、深度學習實戰
‧機器學習的資料預處理 (Data preprocessing)
‧快速建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)...監督式學習分類模型
‧建立 DNN、CNN 影像辨識神經網路 (Neural network)
‧建模完只是第一步！各模型超參數 (Hyperparameter) 調整心法大公開！
□本書由【施威銘研究室監修】, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！
目錄
第 1 章 Python 基礎：變數、 資料型別與 if 判斷式
第 2 章 Python 基礎：list、dict 與迴圈
第 3 章 函式、 類別與模組
第 4 章 進階函式及特殊容器
第 5 章 NumPy 高速運算套件
5-1 NumPy 的基本介紹
5-2 陣列的基本操作
5-2-1 建立陣列
5-2-2 陣列的切片操作
5-2-3 使用布林陣列篩選值
5-2-4 陣列的四則計算
5-2-5 體驗好用的 NumPy 函式
5-3 NumPy 多軸陣列
5-3-1 陣列的軸 (axis)
5-3-2 陣列的 shape
5-3-3 多軸陣列的切片做法
5-3-4 陣列轉置 (transpose)
5-3-5 陣列排序
5-3-6 陣列擴張 (Broadcasting)
5-3-7 用 NumPy 函式計算矩陣乘積
第 6 章 pandas 的基礎
6-1 pandas 簡介
6-2 Series 物件的操作處理
6-2-1 建立 Series 物件
6-2-2 取出 Series 當中的元素
6-2-3 單取出「索引值」或者「內容值」-.index、.values
6-2-4 新增 Series 物件的元素–append()
6-2-5 刪除 Series 物件的元素–drop()
6-2-6 從 Series 物件篩選出想要的元素
6-2-7 將 Series 的元素排序–sort_index()、 sort_values()
6-3 DataFrame 物件的操作處理
6-3-1 建立 DataFrame 物件–pd.DataFrame()
6-3-2 修改 index 和 column 的名稱–.index、.column
6-3-4 加入新的資料列–append()
6-3-4 加入新的欄位
6-3-5 取出 DataFrame 當中的元素–df.loc[]、df.iloc[]
6-3-6 刪除 df 物件的列或行–drop()
6-3-7 將欄位值依大小排序–sort_values()
6-3-8 從 df 物件篩選出想要的資料
第 7 章 DataFrame 的串接與合併
7-1 概念說明
7-2 用 concat() 串接多個 DataFrame
7-3 用 merge() 合併多個 DataFrame
第 8 章 DataFrame 的進階應用
8-1 載入外部檔案並做資料整理
8-2 處理 DataFrame 中的缺失值
8-2-1 用 dropna() 刪除含有 NaN (缺失值) 的列
8-2-2 用 fllna() 填補 NaN 值
8-3 分析數據常用到的技巧 (一)
8-3-1 duplicated()、drop_duplicated() - 尋找或刪除 DataFrame 內重複的資料
8-3-2 map()–利用 DataFrame 的既有欄位生成新的欄位
8-3-3 用 cut() 劃分、篩選資料
8-4 分析數據常用到的技巧 (二)
8-4-1 取頭尾列–head()、tail()
...
立即查看
無師自通的Python語言程式設計：附大學程式設計先修檢測(APCS)試題解析 (1版)
類似書籍推薦給您
無師自通的Python語言程式設計：附大學程式設計先修檢測（APCS）試題解析
ISBN13：9786263174610
出版社：五南圖書出版
作者：邏輯林
裝訂／頁數：平裝／360頁
附件：光碟
規格：25.5cm*19cm*2cm (高/寬/厚)
版次：1
出版日：2021/12/25
中國圖書分類：電腦程式語言
內容簡介
⊙了解Python程式邏輯，帶你解決日常生活中的問題！
⊙理論與程式案例互相搭配，學習記憶更深刻！
⊙過關斬將！附有大學程式設計先修檢測(APCS)試題解析。
擁有一個好的工具，處理問題會更方便又快速。程式設計是一種利用電腦程式語言解決問題的工具，只要將所要處理的問題，依據程式的語法描述出問題的流程，電腦便會根據我們所設定的程序，完成目標。
本書是一本適合高中職生閱讀的Python語言自學書，從說明何謂程式，逐步介紹Python語言的語法，搭配程式範例，實際操作與撰寫，精進對程式語言的熟練度及興趣。每個章節末附有大學程式設計先修檢測(APCS)試題解析，提供未來想申請大學資訊相關科系的高中職生有明確的學習方向。
目錄
自序 ii
Chapter1 電腦程式語言介紹
1-1 何謂程式設計
1-2 Python語言簡介
1-3 Python IDLE軟體簡介
1-4 良好的程式撰寫習慣
1-5 提升讀者對程式設計之興趣
1-6 隨書光碟之使用說明
1-7 大學程式設計先修檢測 (Advanced Placement Computer Science, APCS)
大學程式設計先修檢測 (APCS) 試題解析
Chapter2 資料型態
2-1 資料型態
2-2 識別字
2-3 變數宣告
2-4 資料處理
2-5 運算子的優先順序
2-6 資料型態轉換
大學程式設計先修檢測 (APCS) 試題解析
Chapter3 資料輸入與資料輸出
3-1 資料輸出
3-2 資料輸入
3-3 浮點數之準確度
大學程式設計先修檢測 (APCS) 試題解析
Chapter4 流程控制
4-1 程式流程控制
4-2 選擇結構
4-3 巢狀選擇結構
大學程式設計先修檢測 (APCS) 試題解析
Chapter5 迴路結構
5-1 迴路結構
5-2 break與continue敘述
5-3 其他迴路應用範例
大學程式設計先修檢測 (APCS) 試題解析
Chapter6 內建函式
6-1 常用的Python語言內建函式
6-2 絕對值函式abs
6-3 字元函式
Chapter7 串列
7-1 串列變數宣告
7-2 排序與搜尋
7-3 二維串列變數
7-4 字串
7-5 隨機亂數
大學程式設計先修檢測 (APCS) 試題解析
Chapter8 自訂函式
8-1 函式定義
8-2 函式呼叫
8-3 參數為串列的函式
8-4 益智遊戲範例
大學程式設計先修檢測 (APCS) 試題解析
Chapter9 遞迴函式
9-1 遞迴
9-2 合併排序法(Merge Sort)
9-3 益智遊戲範例
大學程式設計先修檢測 (APCS) 試題解析
Chapter10 資料結構
10-1 資料結構
10-2 堆疊 (Stack) 及佇列 (Queue)
10-3 樹 (Tree)
立即查看
培養與鍛鍊程式設計的邏輯腦：程式設計大賽的128個進階技巧(使用Python)
類似書籍推薦給您
書名：培養與鍛鍊程式設計的邏輯腦：程式設計大賽的128個進階技巧(使用Python)
作者：Christoph Dürr, Jill-Jênn Vie
出版社：博碩
出版日期：4/29/2019
條碼：9789864343836
內容簡介
APCS，CPE最佳參考用書
演算法不僅要用得好，更要用得準
本書介紹多種解決經典問題的演算法技術，描述了問題出現的場景，並用Python提出簡單的解決方案。要正確實作演算法往往不是一件簡單的事情，總需要避開陷阱，也需要應用一些技巧來確保演算法能夠在規定時間內實現。本書在說明演算法實作時也附帶了重要的細節，以幫助讀者能夠詳加理解。
最近幾十年，不同等級的程式設計競賽在世界各地展開，推廣了演算法文化。競賽中所考究的問題一般都是經典問題的變形，使解答隱藏在難以破解的謎面背後，而讓參賽者一籌莫展，因此本書是這方面的絕佳參考書目。書中所使用的是目前最多人使用的程式語言Python，在應用與理解上更加便利！
本書特色：
✤詳細解說如何增進演算法效率並加以實作
✤內容由淺入深，幫助讀者快速掌握技巧
✤以主題導向收錄128種演算法，應試更有效率
✤使用可讀性及易用性皆優秀的程式語言Python
✤參加程式設計比賽或考試的最佳參考書目
本書相關資源：tryalgo.org/code/
作者介紹
作者簡介
Christoph Dürr
法國國家科學研究院研究員，巴黎皮埃爾－瑪麗．居里大學研究院研究員，巴黎皮埃爾－瑪麗．居里大學博士生導師，Operation Research科研組研究主任。
Jill-Jênn Vie
法國高等電力學院博士、演算法講師、擔任法國高等師範學院Paris-Saclay團隊在ACM競賽中的演算法導師。曾任法國國際程式設計大賽Prologin主席，並於2014年獲得Google RISE Award。
譯者簡介
史世強
網名jetwaves。畢業於華中科技大學，法國特魯瓦技術大學碩士，全端工程師。曾在法國Aerow SAS擔任技術負責人，花果山水果品牌聯合創始人。從國中起開始參加資訊學奧林匹克競賽，熱衷於軟體架構、軟體工程和傳統行業資訊化建設。目前著重於人工智慧領域。白雲黃鶴幽默版版主，平時活躍於知乎，同時也是野戰遊戲和健身運動愛好者。
目錄
Chapter1 引言
1-1 程式設計競賽
1-2 我們的選擇：Python
1-3 輸入輸出
1-4 複雜度
1-5 抽象類別和基本資料結構
1-6 技術
1-7 建議
1-8 走得更遠
Chapter2 字串
2-1 易位構詞
2-2 T9： 9 個按鍵上的文字
2-3 使用字典樹進行拼寫糾正
2-4 KMP（Knuth-Morris-Pratt）模式匹配演算法
2-5 最大邊的KMP 演算法
2-6 字串的冪次
2-7 模式匹配演算法：Rabin-Karp 演算法
2-8 字串的最長迴文子串：Manacher 演算法
Chapter3 序列
3-1 網格中的最短路徑
3-2 編輯距離（列文斯登距離）
3-3 最長公共子序列
3-4 升序最長子序列
3-5 兩位玩家遊戲中的必勝策略
Chapter4 陣列
4-1 合併已排序串列
4-2 區間的總和
4-3 區間內的重複內容
4-4 區間的最大總和
4-5 查詢區間中的最小值：線段樹
4-6 計算區間的總和：樹狀陣列（Fenwick 樹）
4-7 有k 個獨立元素的窗口
Chapter5 區間
5-1 區間樹（線段樹）
5-2 區間的聯集
5-3 區間的覆蓋
Chapter6 圖
6-1 使用 Python 對圖編碼
6-2 使用 C++ 或 Java 對圖編碼
6-3 隱式圖
6-4 深度優先巡訪：深度優先演算法
6-5 廣度優先巡訪：廣度優先演算法
6-6 連通分量
6-7 雙連通分量
6-8 拓撲排序
6-9 強連通分量
6-10 可滿足性
Chapter7 圖中的環
7-1 歐拉路徑
7-2 中國郵差問題
7-3 最小長度上的比率權重環：Karp 演算法
7-4 單位時間成本最小比率環
7-5 旅行推銷員問題
Chapter8 最短路徑
8-1 組合的屬性
8-2 權重為 0 或 1 的圖
8-3 權重為正值或空值的圖：Dijkstra 演算法
8-4 隨機權重的圖：Bellman-Ford 演算法
8-5 所有源點─目標頂點對：Floyd-Warshall 演算法
8-6 網格
8-7 變形問題
Chapter9 耦合性與流
9-1 二分圖最大匹配
9-2 最大權重的完美匹配：Kuhn-Munkres 演算法
9-3 無交叉平面匹配
9-4 穩定的婚姻：Gale-Shapley 演算法
9-5 Ford-Fulkerson 最大流演算法
9-6 Edmonds-Karp 演算法的最大流
9-7 Dinic 最大流算法
9-8 s-t 最小割
9-9 平面圖的 s-t 最小割
9-10 運輸問題
9-11 在流和匹配之間化簡
9-12 偏序的寬度：Dilworth 演算法
Chapter10 樹
10-1 霍夫曼編碼
10-2 最近的共同祖先
10-3 樹中的最長路徑
10-4 最小權重生成樹：Kruskal 演算法
Chapter11 集合
11-1 背包問題
11-2 找零問題
11-3 給定總和值的子集
11-4 k 個整數之和
Chapter12 點和多邊形
12-1 凸包問題
12-2 多邊形的測量
12-3 最近點對
12-4 簡單直線多邊形
Chapter13 長方形
13-1 組成長方形
13-2 網格中的最大正方形
13-3 長條圖中的最大長方形
13-4 網格中的最大長方形
13-5 合併長方形
13-6 不相交長方形的合併
Chapter14 計算
14-1 最大公因數
14-2 貝祖等式
14-3 二項式係數
14-4 快速求冪
14-5 質數
14-6 計算算術運算式
14-7 線性方程組
14-8 矩陣序列相乘
Chapter15 窮舉
15-1 鐳射路徑
15-2 精確覆蓋
15-3 數獨
15-4 排列枚舉
15-5 正確計算
除錯工具
參考文獻
立即查看
華通書坊
