Python：最強入門ChatGPT助攻邁向數據科學之路 - 王者歸來（全彩印刷第四版） (4版)

類似書籍推薦給您

Python最強入門ChatGPT助攻邁向數據科學之路王者歸來 ISBN13：9786267273463 出版社：深智數位 作者：洪錦魁 裝訂／頁數：平裝／1178頁 規格：23cm*17cm*3.7cm (高/寬/厚) 版次：4 出版日：2023/05/20 目錄 第1章 基本觀念 1-1 認識Python 1-2 Python 的起源 1-3 Python 語言發展史 1-4 Python 的應用範圍 1-5 變數—靜態語言與動態語言 1-6 系統的安裝與執行 1-7 程式註解 1-8 Python 彩蛋(Easter Eggs)  第2章 認識變數與基本數學運算 2-1 用Python 做計算 2-2 認識變數 2-3 認識程式的意義 2-4 認識註解的意義 2-5 變數的命名原則 2-6 基本數學運算 2-7 指派運算子 2-8 Python 等號的多重指定使用  2-9 Python的連接列（Line Continuation) 2-10 專題- 複利計算/ 計算圓面積與圓周長 第3章 Python 的基本資料型態 3-1 type( ) 函數  3-2 數值資料型態 3-3 布林值資料型態  3-4 字串資料型態 3-5 字串與字元 3-6 bytes 資料 3-7 專題- 地球到月球時間計算/ 計算座標軸2點之間距離 第4章 基本輸入與輸出 4-1 Python 的輔助說明help( ) 4-2 格式化輸出資料使用print( )  4-3 輸出資料到檔案 4-4 資料輸入input( ) 4-5 處理字串的數學運算eval( ) 4-6 列出所有內建函數dir( )  4-7 專題- 溫度轉換/ 房貸問題/ 緯度距離/ 雞兔同籠 第5章 程式的流程控制使用if 敘述 5-1 關係運算子 5-2 邏輯運算子 5-3 if 敘述 5-4 if ⋯ else 敘述 5-5 if ⋯ elif ⋯ else 敘述 5-6 專題-BMI/ 猜數字/ 方程式/ 火箭升空/ 閏年 第6 章 串列(List) 6-1 認識串列(list  6-2 Python 物件導向觀念與方法 6-3 串列元素是字串的常用方法 6-4 增加與刪除串列元素 6-5 串列的排序 6-6 進階串列操作 6-7 串列內含串列 6-8 串列的賦值與切片拷貝 6-9 再談字串 6-10 in 和not in 運算式 6-11 is 或is not 運算式 6-12 enumerate 物件 6-13 專題 大型串列/ 認識凱薩密碼 第7章 迴圈設計 7-1 基本for 迴圈 7-2 range( ) 函數 7-3 進階的for 迴圈應用  7-4 while 迴圈 7-5 enumerate 物件使用for 迴圈解析 7-6 專題 購物車設計/ 圓周率/ 雞兔同籠/ 國王的麥粒/ 電影院劃位 第8章 元組(Tuple) 8-1 元組的定義 8-2 讀取元組元素 8-3 遍歷所有元組元素 8-4 修改元組內容產生錯誤的實例 8-5 可以使用全新定義方式修改元組元素 8-6 元組切片(tuple slices)  8-7 方法與函數 8-8 串列與元組資料互換 8-9 其它常用的元組方法 8-10 enumerate 物件使用在元組 8-11 使用zip( ) 打包多個物件 8-12 生成式(generator) 8-13 製作大型的元組資料 8-14 元組的功能 8-15 專題 認識元組/ 打包與解包/bytes與bytearray 第9章 字典(Dict) 9-1 字典基本操作 9-2 遍歷字典 9-3 建立字典串列 9-4 字典內鍵的值是串列 9-5 字典內鍵的值是字典 9-6 字典常用的函數和方法 9-7 製作大型的字典資料 9-8 專題 文件分析/ 字典生成式/ 星座/ 凱薩密碼/ 摩斯密碼 第10章 集合(Set) 10-1 建立集合 10-2 集合的操作 10-3 適用集合的方法 10-4 適用集合的基本函數操作 10-5 凍結集合frozenset 10-6 專題 夏令營程式/ 程式效率/ 集合生成式/ 雞尾酒實例 第11章 函數設計 11-1 Python 函數基本觀念 11-2 函數的參數設計 11-3 函數傳回值 11-4 呼叫函數時參數是串列 11-5 傳遞任意數量的參數 11-6 進一步認識函數 11-7 遞迴式函數設計recursive 11-8 區域變數與全域變數 11-9 匿名函數lambda 11-10 pass 與函數 11-11 type 關鍵字應用在函數 11-12 設計生成式函數與建立迭代器 11-13 裝飾器(Decorator) 11-14 專題 函數的應用/ 質數 11-15 專題 歐幾里德演算法 第12章 類別– 物件導向的程式設計 12-1 類別的定義與使用 12-2 類別的訪問權限 – 封裝(encapsulation) 12-3 類別的繼承 12-4 多型(polymorphism) 12-5 多重繼承 12-6 type 與instance 12-7 特殊屬性 12-8 類別的特殊方法 12-9 專題：幾何資料的應用 第13章 設計與應用模組 13-1 將自建的函數儲存在模組中 13-2 應用自己建立的函數模組 13-3 將自建的類別儲存在模組內 13-4 應用自己建立的類別模組 13-5 隨機數random 模組 13-6 時間time 模組 13-7 系統sys 模組 13-8 keyword 模組 13-9 日期calendar 模組 13-10 幾個增強Python 功力的模組 13-11 專題設計 賭場遊戲騙局/ 蒙地卡羅模擬/ 文件加密 第14章 檔案輸入/ 輸出與目錄的管理 14-1 資料夾與檔案路徑 14-2 os 模組 14-3 os.path 模組 14-4 獲得特定工作目錄內容glob 14-5 讀取檔案 14-6 寫入檔案 14-7 讀取和寫入二進位檔案 14-8 shutil 模組 14-9 安全刪除檔案或目錄send2trash( ) 14-10 檔案壓縮與解壓縮zipfile 14-11 再談編碼格式encoding 14-12 剪貼簿的應用 14-13 專題設計 分析檔案/ 加密檔案 第15章 程式除錯與異常處理 15-1 程式異常 15-2 設計多組異常處理程序 15-3 丟出異常 15-4 紀錄Traceback 字串 15-5 finally 15-6 程式斷言assert 15-7 程式日誌模組logging  15-8 程式除錯的典故 第16章 正則表達式Regular Expression 16-1 使用Python 硬功夫搜尋文字 16-2 正則表達式的基礎 16-3 更多搜尋比對模式 16-4 貪婪與非貪婪搜尋 16-5 正則表達式的特殊字元 16-6 MatchObject 物件 16-7 搶救CIA 情報員-sub( ) 方法 16-8 處理比較複雜的正則表示法 第17章 用Python 處理影像檔案 ...

Python操作Excel：最強入門邁向辦公室自動化之路 王者歸來

類似書籍推薦給您

商品描述 Python 操作 Excel ～最強入門邁向辦公室自動化之路～ 王者歸來（全彩印刷） ★ 最短時間精通 Python + openpyxl + Pandas 操作 Excel ★ 全彩圖解 + 23 個主題 + 339 個程式實例 ★ 辦公室自動化輕鬆上手 ★ 程式實例數量不吹牛不欺騙 這是一本講解用 Python 操作 Excel 工作表的入門書籍，也是目前市面上這方面知識最完整的書籍。 【step-by-step 帶你辦公室自動化！】 整本書從最基礎的活頁簿、工作表說起，逐漸邁入操作工作表、美化工作表、分析工作表資料、將資料以圖表表達，最後講解將 Excel 工作表存成 PDF，以達成未來辦公室自動化的目的。 【最清楚、最貼心 Python／Excel 對照！】 本書內容另一個特色是在講解 openpyxl 模組或是 Pandas 模組時，會將相關的 Excel 視窗內容搭配說明，讓讀者了解程式設計各參數在 Excel 視窗所代表的真實意義。 完整解說必備知識： ● 【Python + openpyxl】操作 Excel ● 【Python + Pandas】進階分析 Excel數據 ● 辦公室複雜與日常的工作自動化 ● 從活頁簿說起 ● 詳解操作工作表 ● 使用與認識儲存格 ● 儲存格的保護 ● 將【Excel 函數庫】應用在 Python 程式 ● 格式化工作表 ● 【條件式格式化工作表】與【凸顯主題】 ● 【色階】、【資料橫條】與【圖示集】 ● 資料驗證 ● 工作表列印 ● 工作表與影像操作 ● 資料篩選 ● 各類【2D 到 3D】專業圖表設計 ● 【Excel 工作表】與【CSV 文件】互相轉換 ● 【Pandas 入門】與【分析 Excel 工作表】 ● Pandas 建立【樞紐分析表】 ● 將 Excel 檔案轉成 PDF ● 程式範例超值下載！→ https://deepmind.com.t 目錄大綱 Chapter 1 用 Python 讀寫 Excel文件 1-1 先前準備工作 1-2 使用 Python 操作 Excel 的模組說明 1-3 認識 Excel 視窗 1-4 讀取 Excel 檔案 1-5 切換工作表物件 1-6 寫入 Excel 檔案 1-7 關閉檔案 1-8 找出目前資料夾的 Excel 檔案 1-9 找出目前資料夾所有 out 開頭的 Excel 檔案 1-10 複製所有 out1 開頭的檔案 1-11 輸入關鍵字找活頁簿 Chapter 2 操作 Excel 工作表 2-1 建立工作表 2-2 複製工作表 2-3 更改工作表名稱 2-4 刪除工作表 2-5 更改工作表的顏色 2-6 隱藏 / 顯示工作表 2-7 將一個工作表另外複製 11 份 2-8 保護與取消保護工作表 Chapter 3 讀取與寫入儲存格內容 3-1 單一儲存格的存取 3-2 公式與值的觀念 3-3 取得儲存格位置資訊 3-4 取得工作表使用的欄數和列數 3-5 列出工作表區間內容 3-6 工作表物件 ws 的 rows 和 columns 3-7 iter_rows( ) 和 iter_cols( ) 方法 3-8 指定欄或列 3-9 切片 3-10 工作表物件 ws 的 dimensions 3-11 將串列資料寫進儲存格 3-12 欄數與欄位名稱的轉換 Chapter 4 工作表與活頁簿整合實作 4-1 建立多個工作表的應用 4-2 將活頁簿的工作表複製到不同的活頁簿 4-3 將活頁簿的所有工作表複製到另一個的活頁簿 4-4 將活頁簿內所有工作表獨立製成個別的活頁簿 Chapter 5 工作表欄與列的操作 5-1 插入列 5-2 刪除列 5-3 插入欄 5-4 刪除欄 5-5 移動儲存格區間 5-6 更改欄寬與列高 Chapter 6 儲存格的樣式 6-1 認識儲存格的樣式 6-2 字型功能 6-3 儲存格的框線 6-4 儲存格的圖案 6-5 儲存格對齊方式 6-6 複製樣式 6-7 色彩 6-8 樣式名稱與應用 Chapter 7 儲存格的進階應用 7-1 合併儲存格 7-2 取消合併儲存格 7-3 凍結儲存格 7-4 儲存格的附註 7-5 折疊 (或隱藏) 儲存格 7-6 取消保護特定儲存格區間 7-7 漸層色彩的實例 Chapter 8 自訂數值格式化儲存格的應用 8-1 格式化的基本觀念 8-2 認識數字格式符號 8-3 內建數字的符號格式 8-4 測試字串是否內建格式 8-5 獲得格式字串的索引編號 8-6 系列應用 8-7 日期應用 Chapter 9 公式與函數 9-1 了解 openpyxl 可以解析的函數 9-2 在工作表內使用函數 9-3 在工作表使用公式 9-4 年資 / 銷售排名 / 業績 / 成績統計的系列函數應用 9-5 使用 for 迴圈計算儲存格區間的值 9-6 公式的複製 Chapter 10 設定格式化條件 10-1 加入格式條件的函數 10-2 色階設定 10-3 資料橫條 10-4 圖示集 Chapter 11 凸顯符合條件的資料 11-1 凸顯符合條件的數值資料 11-2 凸顯特定字串開頭的字串 11-3 字串條件功能 11-4 凸顯重複的值 11-5 發生的日期 11-6 前段 / 後段項目規則 11-7 高於 / 低於平均 Chapter 12 驗證儲存格資料 12-1 資料驗證模組 12-2 資料驗證區間建立輸入提醒 12-3 驗證日期的資料輸入 12-4 錯誤輸入的提醒 12-5 設定輸入清單 12-6 將需要驗證的儲存格用黃色底顯示 Chapter 13 工作表的列印 13-1 置中列印 13-2 工作表列印屬性 13-3 設定列印區域 13-4 設定頁首與頁尾 13-5 文字設定的標記碼 Chapter 14 插入影像 14-1 插入影像 14-2 控制影像物件的大小 14-3 影像位置 14-4 人事資料表插入影像的應用 Chapter 15 直條圖與 3D 直條圖 15-1 直條圖 BarChart( ) 15-2 認識直條圖表的屬性 15-3 橫條圖 15-4 直條堆疊圖 15-5 3D 立體直條圖 15-6 一個工作表建立多組圖表的應用 Chapter 16 折線圖表與區域圖 16-1 折線圖 LineChart( ) 16-2 堆疊折線圖 16-3 建立平滑的線條 16-4 資料點的標記 16-5 折線圖的線條樣式 16-6 3D 立體折線圖 16-7 區域圖 16-8 3D 立體區域圖 Chapter 17 散點圖和泡泡圖 17-1 散點圖 17-2 氣泡圖 17-3 建立漸層色彩的氣泡圖 17-4 多組氣泡圖的實作 Chapter 18 圓餅、環圈與雷達圖 18-1 圓餅圖 18-2 圓餅投影圖 18-3 3D 圓餅圖影圖 18-4 環圈圖 18-5 雷達圖 Chapter 19 使用 Python 處理 CSV 文件 19-1 建立一個 CSV 文件 19-2 用記事本開啟 CSV 檔案 19-3 csv 模組 19-4 讀取 CSV 檔案 19-5 寫入 CSV 檔案 Chapter 20 Pandas 入門 20-1 Series 20-2 DataFrame 20-3 基本 Pandas 資料分析與處理 20-4 讀取與輸出 Excel 檔案 Chapter 21 用 Pandas 操作 Excel 21-1 認識與輸出部分 Excel 資料 21-2 缺失值處理 21-3 重複資料的處理 21-4 Pandas 的索引操作 21-5 篩選欄或列資料 21-6 儲存格運算的應用 21-7 水平合併工作表內容 21-8 垂直合併 Chapter 22 建立樞紐分析表 22-1 資料統計分析 22-2 建立樞紐分析表 22-3 列欄位有多組資料的應用 Chapter 23 Excel 檔案轉成 PDF 23-1 安裝模組 23-2 程式設計 Appendix A 模組、函數、屬性索引表 Appendix B RGB 色彩表

一步到位！Python 程式設計：最強入門教科書 (4版)

類似書籍推薦給您

【簡介】 ✧✦ AI 加持！初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧ ✧✦ 從基礎語法到資料科學應用，培養大數據分析的關鍵能力 ✦✧ 身處在資料無所不在的世代，大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生，Python 就是目前處理大數據的最強工具。 大家都想學 Python，不過很多人完全沒有程式基礎，或者曾經半途而廢。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、機器學習與大數據分析的領域，再搭配 ChatGPT、Colab AI 等 AI 助理的輔助，讓寫程式變得更有效率！ ☛ 清楚明瞭的語法教學，搭配 ChatGPT 輔助寫程式！ ☛ 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，資料處理、分析、運算，快人一等！ ☛ 紮穩資料科學基礎，銜接機器學習最強套件 – scikit-learn ☛ 網路爬蟲必備套件 – Requests、Beautiful Soup 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，本書從基礎的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✯ 本書內容包含下列幾個資料科學與機器學習最強套件，有了這些基礎，日後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 → 網路爬蟲抓資料 ▪︎ scikit-learn → 機器學習 【目錄】 ▌Part1 基礎篇 第 1 章 開始撰寫 Python 程式 1-1 認識 Python 1-2 使用 Anaconda 開發環境 1-3 使用 Google Colab 雲端開發環境 1-4 Python 程式碼撰寫風格 1-5 程式設計錯誤 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 數值與字串格式化 3-5 f-string 格式化字串實字 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 敘述 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 5-9 日期時間函式 第 6 章 list、tuple、set 與 dict 6-1 list (串列) 6-2 tuple (序對) 6-3 set (集合) 6-4 dict (字典) 第 7 章 檔案存取 7-1 認識檔案路徑 7-2 寫入檔案 7-3 讀取檔案 7-4 with 敘述 7-5 管理檔案與資料夾 第 8 章 例外處理 8-1 認識例外 8-2 try⋯except 第 9 章 物件導向 9-1 認識物件導向 9-2 使用類別與物件 9-3 繼承 9-4 多型 第 10 章 模組與套件 10-1 模組 10-2 套件 10-3 第三方套件 ▌Part2 實戰篇 第 11 章 圖片處理與 QR 碼 – pillow、qrcode 11-1 使用 pillow 套件處理圖片 11-2 使用 qrcode 套件產生 QR code 第 12 章 陣列與資料運算 – NumPy 12-1 認識 NumPy 12-2 NumPy 的資料型別 12-3 一維陣列運算 12-4 二維陣列運算 12-5 通用函式 12-6 廣播 12-7 視點 (view) 與複本 (copy) 12-8 數學函式 12-9 隨機取樣函式 12-10 統計函式 12-11 檔案資料輸入/輸出 第 13 章 繪製圖表 – matplotlib 13-1 認識 matplotlib 13-2 繪製線條或標記 13-3 繪製長條圖 13-4 繪製直方圖 13-5 繪製圓形圖 13-6 繪製散佈圖 第 14 章 科學計算 – SciPy 14-1 認識 SciPy 14-2 統計子套件 scipy.stats 14-3 最佳化子套件 scipy.optimize 14-4 插值子套件 scipy.interpolate 第 15 章 資料分析 – pandas 15-1 認識 pandas 15-2 pandas 的資料結構 15-3 pandas 的基本功能 第 16 章 機器學習 – scikit-learn 16-1 認識機器學習 16-2 線性迴歸 16-3 邏輯迴歸 16-4 K-近鄰演算法 16-5 決策樹 16-6 隨機森林 第 17 章 網路爬蟲 – Requests、Beautiful Soup 17-1 認識網路爬蟲 17-2 使用 Requests 抓取網頁資料 17-3 使用 Beautiful Soup 解析網頁資料 第 18 章 AI 輔助寫碼 – ChatGPT 18-1 開始使用 ChatGPT 18-2 查詢 Python 語法與技術建議 18-3 撰寫 Python 程式、除錯與註解 18-4 與其它程式語言互相轉換 18-5 【實例演練】統一發票兌獎程式

Python X ChatGPT雙效合一：快速學會最強AI，寫程式更有效率 (1版)

類似書籍推薦給您

【簡介】 ✔初學者輕鬆學會Python程式設計 ✔結合運算思維與演算法基本觀念 ✔ChatGPT讓Python程式撰寫更有效率 ✔精選範例循序漸進易懂易上手 ✔課後習題難易適中強化學習效果 程式設計能力現在已是國力的象徵之一，學習如何寫程式也是和語文、數學、藝術一樣的基礎能力，連教育部都將寫程式列入國高中生的必修課，以培養解決問題、分析、歸納、創新、勇於嘗試錯誤等能力，而Python語言便是初學者的首選程式語言。 本書結合運算思維與演算法的基本觀念，所有程式碼都已在Python開發環境下正確編譯與執行。目前學校多有開設Python程式課，且APCS(Advanced Placement Computer Science)「大學程式設計先修檢測」，也可選擇Python撰寫程式設計實作題，而本書的內容即為最實用的教材，適合學生或第一次學習程式者。 除了基本的Python程式入門學習外，也介紹在網路爆紅的ChatGPT聊天機器人，它不僅僅是聊天機器人，還能幫忙回答各類問題，諸如寫程式、文章、信件…等，本書加入ChatGPT與Python雙效合一的應用，精采呈現ChatGPT AI的程式範例： ◑使用Pygame遊戲套件繪製多媒體圖案 ◑以內建模組及模擬大樂透的開獎程式 ◑建立四個主功能表的視窗應用程式 ◑演算法的應用：迷宮問題的解決方案 ◑海龜繪圖法(Turtle Graphics)繪製圖形 ◑猜數字遊戲 ◑OX井字遊戲 ◑猜拳遊戲 ◑比牌面大小遊戲 全書除了學習以Python語言撰寫程式外，也能學到以Python語言來實作演算法的重要知識點，絕對是難易適中的最實用的教材。 【目錄】 |CHAPTER 01| Python 程式設計黃金入門課 1-1 認識程式語言 1-2 認識程式設計 1-3 Python 簡介與特性 1-4 Python 安裝與執行 1-5 我的第一支Python 程式 |CHAPTER 02| 大話變數與資料處理 2-1 認識變數 2-2 資料型態 2-3 輸出指令--print 2-4 輸入指令--input |CHAPTER 03| 一看就懂的運算式與運算子 3-1 算術運算子 3-2 複合指定運算子 3-3 比較運算子 3-4 邏輯運算子 3-5 位元運算子 3-6 位移運算子 3-7 運算子的優先權 |CHAPTER 04| 選擇結構一次搞定 4-1 認識程式區塊及縮排 4-2 條件控制指令 |CHAPTER 05| 迴圈結構學習之旅 5-1 for 迴圈 5-2 while 迴圈 5-3 迴圈控制指令 |CHAPTER 06| Python 複合資料型態的完美體驗 6-1 再談字串（string） 6-2 串列（list） 6-3 元組（tuple） 6-4 字典（dict） 6-5 集合（set） |CHAPTER 07| 函數的祕密花園 7-1 函數簡介 7-2 參數傳遞模式 7-3 常見數值函數 |CHAPTER 08| 模組與套件實用關鍵密技 8-1 認識模組與套件 8-2 建立自訂模組 8-3 常用內建模組 8-4 套件管理程式－ pip |CHAPTER 09| 視窗程式設計的贏家工作術 9-1 建立視窗 9-2 常用視窗元件介紹 |CHAPTER 10| 檔案輸入與輸出的速學技巧 10-1 檔案功能簡介 10-2 認識檔案與開啟 10-3 例外處理 |CHAPTER 11| 演算法的實戰特訓教材 11-1 演算法簡介 11-2 常見經典演算法 |CHAPTER 12| 活學活用2D 視覺化必學統計圖表 12-1 認識Matplotlib 模組 12-2 長條圖 12-3 直方圖 12-4 折線圖繪製 12-5 Matplotlib 重要的屬性功能 12-6 繪製數學函數圖形 12-7 圓形圖 12-8 以子圖方式呈現多圖 |CHAPTER 13| 玩轉繪圖與影像處理的私房攻略 13-1 turtle 圖形繪製 13-2 pillow 圖形處理 13-3 產生QR Code 碼 |CHAPTER 14| 解開網路爬蟲程式的神秘面紗 14-1 網址解析與網頁擷取 14-2 網頁擷取-requests 套件 14-3 網頁解析-BeautifulSoup 套件 14-4 網路爬蟲綜合應用範例 |CHAPTER 15| ChatGPT 讓Python 程式撰寫更有效率 15-1 人工智慧的基礎 15-2 什麼是聊天機器人 15-3 ChatGPT 運作原理與應用範圍 15-4 註冊免費的ChatGPT 帳號 15-5 第一次使用ChatGPT 寫Python 程式就上手 15-6 各種類型ChatGPT AI Python 程式範例集 15-7 ChatGPT 正確使用訣竅 15-8 利用ChatGPT輕鬆開發AI小遊戲

集成式學習：Python 實踐！整合全部技術，打造最強模型 (1版)

類似書籍推薦給您

內容簡介 別再傻傻只選一個模型 　　訓練很多模型，卻不知道應該選哪一個？沒有一個模型達標？每個模型都有其優缺點，無法取捨？ 　　小朋友才做選擇，大人全都要！你該試試集成式學習！ 　　集成式學習是使用 2 種或更多的機器學習演算法，來組合出預測能力更好的模型。DeepMind 已經使用集成式學習來組合多個神經網路，控制 Google 資料中心的運作效能；集成式學習技術也在 Kaggle 平台上，席捲了各個競賽的第一名寶座。因此，集成式學習是建立出更具威力的模型，不可或缺的技術之一。 　　本書會介紹實務上常見的集成式學習演算法，如硬投票、軟投票、堆疊法、自助聚合法、適應提升法、梯度提升法、隨機森林、極端隨機樹等，並且使用熱門的 scikit-learn、Keras、OpenEnsembles、XGBoost 等 Python 函式庫來實作各種不同的集成式學習技術，建構出一個強大的模型。熟稔本書的內容後，不但可以精通集成式學習，在實際情境中面對問題時，亦能具備充分的專業知識判斷適用的集成式學習方法，並成功實作它們。 　　書中採用「做中學」的方式，讓你不僅可以快速掌握理論基礎，也能了解各種集成式學習技術的實作，再加上運用真實世界中的資料集，你將能夠建立出更佳的機器學習模型，以解決各種問題，包含迴歸、分類、分群。 　　現在翻開本書，讓我們一起進入集成式學習的世界，整合你所會的全部技術，打造最強大的模型。 本書特色 　　● 繁體中文第 1 本集成式學習專書，告訴你不要再傻傻地只選一個模型 　　● 完整介紹集成式學習中常見的演算法，包含極端隨機樹、堆疊法、自助聚合法、提升法等 　　● 一書掌握實作集成式學習的必備套件，如 Scikit-Learn、OpenEnsembles、XGBoost 等 　　● 用 Python 刻演算法給你看，接著告訴你怎麼用套件。讓你不只會做，還懂為什麼這麼做 　　● 以 5 個實務案例來展示集成式學習的威力 　　● 本書由施威銘研究室監修，內容易讀易懂，並加入大量「小編補充」補充必要知識 　　● 本書 Python 範例程式免費下載 目錄 前言 第一篇 機器學習基礎知識 第 1 章 機器學習的概念 1.1 資料集 1.2 監督式學習與非監督式學習 13 效能指標（Performance Measures） 1.4 模型驗證（Validation） 1.5 機器學習演算法 1.6 小結 第 2 章 初探集成式學習（Ensemble Learning） 2.1 何謂偏誤與變異 2.2 評估偏誤與變異 2.3 集成式學習（Ensemble Learning） 2.4 小結 第二篇 非生成式演算法 第 3 章 投票法（Voting） 3.1 多數決投票 3.2 使用 Python 實作硬投票 3.3 使用 Python 實作軟投票 3.4 小編補充：加權軟投票 3.5 小結 第 4 章 堆疊法（Stacking） 4.1 超學習（Meta-learning） 4.2 超學習器的訓練資料集 4.3 超學習器的測試資料集 4.4 選擇學習器（Learner） 4.5 使用堆疊法處理迴歸問題 4.6 使用堆疊法處理分類問題 4.7 建立堆疊的函式 4.8 小編補充：堆疊的其他技巧 4.9 小結 第三篇 生成式演算法 第 5 章 自助聚合法（Bootstrap Aggregation） 5.1 自助抽樣法 5.2 自助聚合法的原理 5.3 使用 Python 實作自助聚合法的完整機制 5.4 平行化（Parallelize）自助聚合法 5.5 使用 scikit-learn 提供的自助聚合法處理分類問題 5.6 使用 scikit-learn 提供的自助聚合法處理迴歸問題 5.7 小結 第 6 章 提升法（Boosting） 6.1 適應提升（Adaptive Boosting, AdaBoost） 6.2 使用 Python 實作適應提升的完整機制 6.3 使用 scikit-learn 提供的適應提升處理分類問題 6.4 使用 scikit-learn 提供的適應提升處理迴歸問題 6.5 梯度提升（Gradient Boosting） 6.6 使用 Python 實作梯度提升的完整機制 6.7 使用 scikit-learn 提供的梯度提升處理迴歸問題 68 使用 scikit-learn 提供的梯度提升處理分類問題 6.9 使用 XGBoost 提供的梯度提升處理迴歸問題 610 使用 XGBoost 提供的梯度提升處理分類問題 6.11 小結 第 7 章 隨機森林（Random Forest） 7.1 建立隨機森林 7.2 使用 scikit-learn 提供的隨機森林處理分類問題 73 使用 scikit-learn 提供的隨機森林處理迴歸問題 7.4 使用 scikit-learn 提供的極端隨機樹處理分類問題 7.5 使用 scikit-learn 提供的極端隨機樹處理迴歸問題 7.6 小結 第四篇 分群 第 8 章 分群（Clustering） 8.1 分群演算法 8.2 使用 scikit-learning 提供的 K 平均法來處理分群問題 8.3 使用投票法集成非監督式學習的基學習器 8.4 使用 OpenEnsemble 集成非監督式學習的基學習器 8.5 使用圖閉合（Graph Closure）集成非監督式學習的基學習器 8.6 使用共現鏈（Co-occurrence Linkage）集成非監督式學習的基學習器 8.7 小結 第五篇 5 個實務案例 第 9 章 檢測詐騙交易 9.1 初探資料集 9.2 探索式資料分析 9.3 投票法 9.4 堆疊法 9.5 自助聚合法 9.6 適應提升法 9.7 梯度提升法 9.8 隨機森林 9.9 不同方法的分析比較 9.10 小結 第 10 章 預測比特幣價格 10.1 時間序列資料 10.2 比特幣資料分析 10.3 建立基準模型 10.4 計算 Sharpe 值 10.5 投票法 10.6 堆疊法 10.7 自助聚合法 10.8 提升法 10.9 隨機森林 10.10 小結 第 11 章 推特（Twitter）情感分析 11.1 情感分析工具 11.2 取得 Twitter 資料 11.3 建立模型 11.4 即時分類推文 11.5 小結 第 12 章 推薦電影 12.1 推薦系統 12.2 神經網路推薦系統 12.3 使用 Keras 實作使用點積的神經網路 12.4 使用 Keras 實作自行探索網路結構的神經網路 12.5 集成多個神經網路，建立推薦系統 12.6 小編補充：集成神經網路的參數 12.7 小結 第 13 章 世界幸福報告分群 13.1 世界幸福報告 13.2 使用原始特徵建立集成模型 13.3 使用正規化特徵建立集成模型 13.4 使用 t-分布隨機鄰居嵌入降維後特徵建立集成模型 13.5 觀察分群結果 13.6 小結 後記