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 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式) (1版)

類似書籍推薦給您

Python機器學習超進化：AI影像辨識跨界應用實戰（附100分鐘影像處理入門影音教學） ISBN13：9789865026196 出版社：碁峰資訊 作者：鄧文淵-總監製;文淵閣工作室-編 裝訂／頁數：平裝／248頁 規格：23cm*17cm*1.5cm (高/寬/厚) 版次：1 出版日：2020/09/22 中國圖書分類：電腦程式語言 內容簡介 　　轟動程式圈3大AI影像辨識利器 　　從收集資料、圖片擷取、建立標籤、訓練模型 　　到智慧影像辨識的全面進化實戰！ 　　人工智慧(Artificial Intelligence)應用基本上可分五大層面：時間序列、圖像處理、音訊處理、自然語言處理以及動態影像處理，其中與「智慧影像」相關者就佔了兩大領域。智慧影像是透過電腦視覺技術，從中學習人類的視覺辨識能力，並自動判讀影像中的關鍵資訊，目前被大量使用在圖像辨識、人臉識別、物體動作捕捉、光學文字識別...等，是人工智慧最為廣泛的應用之一。 　　在這個領域的研究中有許多功能強大的工具，如OpenCV、Yolo與dlib，但許多使用者卻不知如何收集資料、建立標籤，更不知道如何訓練模型，進而達成智慧影像辨識的結果！本書將引領讀者運用自己的資料，透過本機與雲端的資源，以目前主流技術進行自有模型的訓練來完成實際可用的智慧影像應用。 　　挑戰智慧影像最佳學習地圖， 　　結合本機與雲端應用， 　　真正深入AI影像辨識核心！ 　　■掌握智慧影像的技術特性與主流的應用模組，涵蓋OpenCV、Pillow、Yolo與dlib。 　　■根據不同模組特性介紹其資料來源的收集方式，除了一般土法煉鋼的徒手拍攝影像，也能利用Kaggle資料庫進行下載，或是利用動態影片進行大量圖片的擷取，再運用自動批次的方式進行圖片整理與特徵標記。 　　■當本機在訓練模型時發生記憶體不足、效能不夠等問題時，使用Google專為機器學習而生的Colab雲端服務來訓練自己的模型。 　　■集結最具代表性的實務應用主題，包括人臉辨識、口罩人臉辨識、車牌辨識、車流統計…等專題，在真實的情況中體驗智慧影像的應用，並擁有開發能力。 　　■針對OpenCV與Pillow影像處理特別提供入門影音輔助教學，加速學習效率。 　　書附超值學習資源：範例程式檔／100分鐘OpenCV與Pillow影像處理入門影音教學 目錄 CH01 認識智慧影像辨識 1.1 人工智慧 1.1.1 人工智慧是什麼？ 1.1.2 人工智慧基本應用 1.1.3 人工智慧實際應用 1.2 智慧影像辨識應用 1.2.1 影像處理 1.2.2 智慧影像辨識 1.2.3 突破智慧影像辨識學習的困境 CH02 OpenCV和Pillow影像處理 2.1 OpenCV 2.1.1 以OpenCV讀取及顯示圖形 2.1.2 儲存影像檔 2.1.3 OpenCV基本繪圖 2.1.4 使用OpenCV進行臉部偵測 2.1.5 擷取臉部圖形及存檔 2.2 圖片特效處理 2.2.1 認識圖片的維度 2.2.2 圖片灰階和黑白處理 2.3 建立新畫布與圖形合併 2.3.1 建立新畫布 2.3.2 圖形合併 2.4 擷取攝影機影像 2.5 Pillow 2.5.1 Pillow圖片基本操作 2.5.2 Pillow圖片編輯 2.5.3 圖片灰階處理 2.5.4 Pillow繪製圖形 2.6 OpenCV與Pillow圖像格式互轉 2.6.1 OpenCV轉Pillow 2.6.2 Pillow轉OpenCV 2.6.3 OpenCV和Pillow黑白圖片處理比較 CH03 OpenCV模型訓練 3.1 專題方向 3.2 準備訓練Haar特徵分類器資料 3.2.1 認識Haar特徵分類器 3.2.2 處理正樣本及實測圖片 3.2.3 處理負樣本圖片 3.3 建立車牌號碼Haar特徵分類器模型 3.3.1 處理Haar特徵分類器模型的檔案結構 3.3.2 加入正樣本 3.3.3 加入負樣本 3.3.4 正樣本標記資料 3.3.5 顯示及修改框選區域 3.3.6 調整框選區域寬高比 3.3.7 增加車牌數量 3.3.8 訓練Haar特徵分類器 3.4 使用Haar特徵分類器模型 3.4.1 Haar特徵分類器模型語法 3.4.2 車牌號碼偵測 CH04 OpenCV影像辨識-車牌 4.1 專題方向 4.2 車牌號碼擷取 4.2.1 原始圖片轉換尺寸 4.2.2 擷取車牌號碼圖形 4.2.3 以輪廓偵測分割車牌號碼文字 4.2.4 組合擷取車牌號碼文字圖形 4.2.5 去除畸零地 4.3 車牌辨識 4.3.1 文字辨識 4.3.2 單一車牌辨識 4.3.3 整批車牌辨識 CH05 火箭級智慧影像辨識-Yolo 5.1 Yolo是什麼？ 5.1.1 Yolo發展歷程 5.1.2 Yolo偵測物體原理概述 5.1.3 Yolo偵測物體種類 5.2 建立Yolo系統 5.2.1 安裝軟體與模組 5.2.2 編譯Yolo 5.2.3 在命令提示字元視窗執行Yolo 5.2.4 以Python程式執行Yolov3 5.3 訓練自訂Yolo偵測模型 5.3.1 標記工具 5.3.2 下載Kaggle口罩資料 5.3.3 轉換PascalVOC為Yolo格式 5.3.4 建立訓練組態資料結構 5.3.5 訓練模型 CH06 使用Colab訓練Yolo模型 6.1 Colab：功能強大的虛擬機器 6.1.1 Colab介紹 6.1.2 Colab建立記事本 6.1.3 Jupyter Notebook基本操作 6.1.4 Colab連接Google Drive雲端硬碟 6.1.5 執行Linux命令 6.2 Colab中訓練Yolo模型 6.2.1 整理口罩資料 6.2.2 進行Yolov3模型訓練 6.2.3 訓練Yolo模型注意事項 6.2.4 訓練其他Yolo模型 6.3 使用自行訓練的Yolo模型 6.3.1 在Colab中使用自行訓練Yolo模型 6.3.2 在Python中使用自行訓練Yolo模型 CH07 最強智慧影像辨識-dlib 7.1 dlib人臉偵測 7.1.1 安裝dlib 7.1.2 簡單人臉偵測 7.1.3 5點特徵人臉偵測 7.1.4 CNN訓練模型人臉偵測 7.1.5 68點特徵人臉偵測 7.1.6 攝影機圖像中畫出點輪廓 7.2 dlib人臉辨識 7.2.1 人臉辨識 7.2.2 dlib人臉登入系統 7.3 dlib其他應用 7.3.1 偵測嘴巴是否張開 7.3.2 偵測打瞌睡 7.3.3 物體追蹤 CH08 dlib自行訓練模型 8.1 dlib訓練自己模型 8.1.1 擷取影片畫面蒐集資料 8.1.2 標記圖片 8.1.3 訓練模型 8.1.4 使用模型 8.1.5 自行訓

TQC+ 程式語言第2版入門特訓教材 Python (1版)

類似書籍推薦給您

【簡介】 本書特色 本書遵循專業考科「TQC+ 程式語言Python 第2版」技能規範架構撰寫，符合鑑定的命題趨勢。 1.內容淺顯易懂，結合理論與實務，達到技術的傳承及表達，符合實務運用需求。 2.採由淺入深之安排，適合相關科系學生及有意進入此一領域人士之學習素材。 3.內容涵蓋Python程式語言各個層面，相關知識觀念和範例練習，能幫助及提升讀者對此領域的認識與了解。 4.全書包含「Python開發環境與程式設計」、「基本認識」、「選擇敘述與迴圈」、「函式與陣列」、「字串與檔案處理」、「綜合應用一」、「綜合應用二」、「綜合應用三」等內容，建構Python程式語言基礎，習成將能靈活運用。 5.配合中華民國電腦技能基金會 ( https://www.csf.org.tw ) 測驗，一舉取得專業證照，讓您求學、求職更具競爭力。 6.「TQC+ 程式語言Python」認證題庫可至CODE JUDGER學習平台購買 ( https://www.codejudger.com ) 。 內容簡介 本書遵循專業考科「TQC+ 程式語言Python 第2版」技能規範架構撰寫，符合鑑定的命題趨勢。 隨著資訊科技的飛速發展，帶來的各種應用已經成為我們生活和工作中不可或缺的一部分，而如何和電腦對話也逐漸成為現代人必備的技能之一，政府也積極向下扎根，將程式語言納入國高中課程。現代學生的成長歷程與網路、智慧型手機及平板電腦等科技產品緊緊相依，雖然能熟練地運用新科技處理事情，但不代表能夠使用新科技進行創作、表達自己的想法。然而，在學習程式設計的過程中，學生會被要求運用邏輯思考、運算思維來分析、拆解與解決問題，不僅能培養創意、思考以及解決問題的核心素養，也能透過程式將創意轉化為現實。 在琳瑯滿目的程式語言中，Python除了開源、免費、跨平台等特色外，它簡潔的語法、成熟的社群支持以及豐富應用都深受大家喜愛，也大幅地降低非本科系學生、白領工作者的學習門檻。本書是筆者擷取Python課程教材的一部分，再擴充編撰而成，書中也融入筆者在教與學、實務過程所得的經驗與技巧，並點出實作上容易忽略的盲點。同時，搭配每章最後的綜合範例與習題能更熟練各章節的知識與技巧，將重點放在培養創造力和問題解決能力。 【目錄】 Chapter 0 Python開發環境與程式設計 Python程式設計 0-1 Python簡介 0-2 建置Anaconda開發環境 0-3 Visual Studio Code編輯器 0-4 程式設計的邏輯思維 Chapter 1 基本認識 基本認識 1-1 變數與資料型別 1-2 輸出與輸入 1-3 運算式 綜合範例 Chapter 2 選擇敘述與迴圈 選擇敘述與迴圈 2-1 選擇敘述 2-2 迴圈 綜合範例 Chapter 3 函式與陣列 函式與陣列 3-1 陣列與串列 3-2 函式 綜合範例 Chapter 4 字串與檔案處理 字串與檔案處理 4-1 字串 4-2 檔案處理 綜合範例 Chapter 5 綜合應用一 綜合應用一 5-1 元組、字典與集合 5-2 例外處理 綜合範例 Chapter 6 綜合應用二 綜合應用二 6-1 模組與套件 6-2 再探函式 綜合範例 Chapter 7 綜合應用三 綜合應用三 7-1 目錄管理 7-2 堆疊與佇列結構 綜合範例 附錄 認證簡章 CODE JUDGER學習平台介紹 問題反應表

程式語言第2版入門特訓教材 Python (1版)

類似書籍推薦給您

【簡介】 本書為「TQC+ 程式語言Python 第2版」認證科目指定教材。 遵循專業考科「TQC+ 程式語言Python 第2版」技能規範架構撰寫，符合鑑定的命題趨勢。 ★內容淺顯易懂，結合理論與實務，達到技術的傳承及表達，符合實務運用需求。 ★採由淺入深之安排，適合相關科系學生及有意進入此一領域人士之學習素材。 ★內容涵蓋Python程式語言各個層面，相關知識觀念和範例練習，能幫助及提升讀者對此領域的認識與了解。 ★全書包含「Python開發環境與程式設計」、「基本認識」、「選擇敘述與迴圈」、「函式與陣列」、「字串與檔案處理」、「綜合應用一」、「綜合應用二」、「綜合應用三」等內容，建構Python程式語言基礎，習成將能靈活運用。 ★配合中華民國電腦技能基金會 ( https://www.csf.org.tw ) 測驗，一舉取得專業證照，讓您求學、求職更具競爭力。 ★「TQC+ 程式語言Python」認證題庫可至CODE JUDGER學習平台購買 (https://www.codejudger.com ) 。 【目錄】 Chapter 0 Python程式設計 0-1 Python簡介 0-2 建置Anaconda開發環境 0-3 Visual Studio Code編輯器 0-4 程式設計的邏輯思維 Chapter 1 基本認識 1-1 變數與資料型別 1-2 輸出與輸入 1-3 運算式 綜合範例 Chapter 2 選擇敘述與迴圈 2-1 選擇敘述 2-2 迴圈 綜合範例 Chapter 3 函式與陣列 3-1 陣列與串列 3-2 函式 綜合範例 Chapter 4 字串與檔案處理 4-1 字串 4-2 檔案處理 綜合範例 Chapter 5 綜合應用一 5-1 元組、字典與集合 5-2 例外處理 綜合範例 Chapter 6 綜合應用二 6-1 模組與套件 6-2 再探函式 綜合範例 Chapter 7 綜合應用三 7-1 目錄管理 7-2 堆疊與佇列結構 綜合範例 附錄 認證簡章 CODE JUDGER學習平台 問題反應表