定價: | ||||
售價: | 663元 | |||
庫存: | 已售完 | |||
LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單 | ||||
付款方式: | 超商取貨付款 |
![]() |
|
信用卡 |
![]() |
||
線上轉帳 |
![]() |
||
物流方式: | 超商取貨 | ||
宅配 | |||
門市自取 |
為您推薦
類似書籍推薦給您
類似書籍推薦給您
【簡介】 本書是程式設計教科書暢銷作家洪維恩老師最新著作,經課堂實戰教學淬練,學生試讀試做習題回饋,規劃出適當學習節奏、自學/課堂授課均適用的 Python 入門學習教材,涵蓋多項特色,包括: \ Visual Studio Code×Jupyter 雙環境教學 // 以 Visual Studio Code 搭配內建 Jupyter 環境教學,單行形式小範例講解語法、函式用法等細節,可在 Jupyter 快速輸入程式碼驗證。學習到一小段落後,再搭配大範例使用 Visual Studio Code 執行獨立 .py 程式檔綜合應用,既可反覆練習刻印學習內容,也能夠體悟實際用途。 \ 程式碼與解說對頁編排、易學易讀不卡頓 // 全書編排考量易讀性,範例以不跨頁為原則,程式碼與解說盡量安排在左右對頁,避免前後來回翻閱查找,只要攤開書頁,即可左右對照閱讀。對於抽象或是較為複雜的觀念,也搭配精心設計圖解,協助快速理解。像是 NumPy 裡多維度的資料概念,就提供立體圖解,不用自己在腦中費力想像。 \ 從基本語法到應用主題通包 // 除變數、流程控制、容器、函數、物件導向的類別與繼承、檔案、異常處理等必學的基本語法外,也涵蓋機器學習與資料科學的共同基礎套件--NumPy 矩陣科學運算、Matplotlib 資料繪圖視覺化與 Pandas 資料處理分析,以及用途最廣的 BeautifulSoup 網路爬蟲與 Skimage 影像處理。 \ 完整習題解答與教師專用題庫 // 本書提供依照章、節編排近 300 題的自我練習題,題目本身含解題指引,可先複習相關內文再嘗試解題,並且附有完整習題解答,學到哪裡、練到哪裡,最適合自學或是課後自我驗證學習成果。另外也提供學校用書授課老師專屬題庫,同樣以章節編排,可適度輔助課後作業或是階段測驗,並搭配有經實際授課驗證的投影片,教學節奏最流暢。 \ 關鍵概念深度剖析 // 對於初學者容易卡關的地方,像是可變與不可變的物件、可雜湊與不可雜湊的物件,淺層拷貝與深層拷貝、遞迴函式、參數的傳遞等,都有相當篇幅的解說,讓學習者能夠清楚來龍去脈,而不只是照著生硬的規則套用,即使遇到問題也能依循學到的觀念解學。 本書特色 □ 每章末均有豐富習題與完整解答驗證學習成效 □ 另有教師專用題庫搭配檢視教學成果 □ 採用 VScode、Github Copilot 業界工具 □ 從基本語法到 NumPy、Matplotlib、Pandas、網路爬蟲應用 □ 簡短小範例在 VSCode 內用 Jupyter 即時驗證,快速理解觀念 □ 完整範例檔用 VSCode 執行,學習實務應用情境 □ 精心設計圖解,資料結構、抽象觀念一目了然 □ Python Tutor 視覺化呈現執行過程,追蹤迴圈、遞迴、函數呼叫最佳幫手 □ 利用 Github Copilot 輔助除錯,熟悉 AI 世代開發流程 【目錄】 第一章 認識 Python 1.1 Python 簡介 1.2 下載與安裝 Python 1.3 安裝與設定 VS Code 1.4 使用 VS Code 執行 Python 程式 1.5 開始進入 Python 的世界 1.6 使用內建的 AI 功能─Copilot 第二章 資料型別、變數與運算子 2.1 簡單的資料型別 2.2 變數與常數 2.3 常用的運算子 2.4 變數的設值與運算的優先順序 2.5 型別轉換 2.6 不同進位整數的轉換 2.7 輸出與輸入函數 2.8 關於浮點數計算時的誤差 第三章 數值、字串與串列的處理 3.1 數值運算 3.2 random 模組裡的函數 3.3 字串的處理函數 3.4 字串類別提供的函數 3.5 串列與相關的處理函數 第四章 流程控制:選擇性敘述與迴圈 4.1 選擇性敘述 4.2 for 迴圈 4.3 while 迴圈 4.4 break、 continue 和 pass 敘述 4.5 帶有 else 的迴圈 4.6 串列推導式 第五章 函數 5.1 函數的基本概念 5.2 參數的傳遞機制 5.3 關於參數的傳入 5.4 全域變數與區域變數 5.5 遞迴函數 5.6 lambda 表達式 5.7 函數的進階應用 第六章 容器資料型別 6.1 list 資料型別 6.2 tuple 資料型別 6.3 set 資料型別 6.4 dict 資料型別 第七章 物件導向程式設計 7.1 類別的基本概念 7.2 類別裡的函數 7.3 繼承與多型 7.4 類別的封裝 第八章 檔案、異常處理與模組 8.1 檔案處理 8.2 異常處理 8.3 模組與套件 第九章 使用 NumPy 套件 9.1 初探 NumPy 陣列 9.2 陣列元素的提取 9.3 陣列的進階處理 第十章 NumPy 的數學運算 10.1 基本運算 10.2 陣列的進階運算處理 10.3 統計處理與資料排序 10.4 數學矩陣的相關運算 10.5 廣播運算 10.6 儲存 NumPy 陣列 第十一章 使用 Matplotlib 繪圖套件 11.1 Matplotlib 繪圖的基本認識 11.2 二維繪圖的修飾 11.3 填滿繪圖與極坐標繪圖 11.4 統計繪圖 11.5 等高線圖與三維繪圖 11.6 動畫的製作 第十二章 使用 Pandas 處理數據資料 12.1 一維的 Series 12.2 二維的 DataFrame 12.3 Pandas 的元素操作與運算 12.4 排序與統計函數 12.5 Pandas 的繪圖 12.6 存取 csv 檔與 pickle 檔 第十三章 網路爬蟲入門 13.1 認識網路爬蟲 13.2 使用 requests 發送 GET 請求 13.3 解析 HTML 與安裝 BeautifulSoup 13.4 實作:擷取網頁特定資訊 13.5 爬取 PTT 寵物板 第十四章 使用 Skimage 進行圖像處理 14.1 圖像的基本概念 14.2 圖像類型、儲存與色表應用 14.3 基礎圖像處理 14.4 進階圖像處理 14.5 圖像修復 附錄 A: 使用 Jupyter Notebook A.1 安裝 Jupyter 擴充功能 A.2 鍵入程式碼 A.3 儲存格的選取、複製、移動與刪除 A.4 存檔與離開 Jupyter Notebook A.5 Markdown 語法 A.6 於 Jupyter Notebook 裡製作目錄 附錄 B: Colab 的使用 B.1 啟動 Colab B.2 鍵入程式碼與文字儲存格 B.3 儲存格的選取、複製、移動與刪除 B.4 存檔與離開 Colab B.5 設定更舒適的操作環境 B.6 使用 Colab 的 AI 輔助學習 Python B.7 在 Colab 存取雲端硬碟裡的檔案 附錄 C: ASCII 碼表 英文索引
類似書籍推薦給您
【簡介】 *資料驅動時代,行銷決策不再靠直覺,你需要的是──科學證據! ・折扣真的能提高銷售?哪些顧客即使不推也會買? ・無法進行 A/B 測試時,還有哪些方法能推論效果? ・在資源有限的情況下,如何讓每一分行銷預算發揮最大效益? ✔把抽象的因果推論方法,運用到科技產業的真實商業問題上。 ✔教你如何思考模型背後的假設與挑戰,搭配實例分析,真正「用得出來」。 ✔全書以 Python 為實作語言,實務化門檻降低,符合產業主流技術。 ✔幫助行銷人、資料分析師、產品經理,解決真實業務問題。 每增加一美元的線上行銷預算,能吸引多少新顧客?哪些消費者只有在收到折扣券時才會購買商品?該如何制定最佳定價策略?因果推論提供了一種高效方法,幫助您準確評估各種影響因素對商業指標的改變,而這一切只需幾行簡潔的Python程式碼即可實現。 在本書中,作者Matheus Facure深入剖析了因果推論在影響力分析與效果估計上的巨大潛力。無論您是管理人員、資料科學家,還是商業分析師,都將在書中學習到一系列經典的因果推論方法,例如 A/B測試、線性迴歸、傾向分數、合成控制法以及雙重差異法(Difference-in-Differences)。此外,作者也帶您探索現代技術的應用,包括如何利用機器學習進行異質性效應估計。每一種方法都配有具體的產業應用範例,幫助您快速上手。 本書將幫助您: .學習因果推論的基本概念 .將商業問題建構為因果推論問題 .了解偏差會如何干擾因果推論 .認識因果效應如何因人而異 .使用同一顧客在不同行為上的觀察進行因果推論 .在隨機化不可行的情況下,運用地理或切換實驗完成因果分析 .檢視不遵從性偏差和效應減弱 最真實的國際讀者讚譽 「對數據科學家來說,這本書直接影響我的工作,充滿『恍然大悟』的時刻!」 「唯一一本將因果推論從數學理論到Python實作、聚焦產業應用的書!」 「適合統計、工程與經濟領域專業人士,完美填補實務缺口!」 來自專家的推薦 「Matheus寫的這本書,教導您如何從簡單的模型進展到適用於真實資料,並解決重要實際問題的先進方法,是該主題迄今的最佳著作。」 ——Sean J. Taylor,Motif Analytics首席科學家 「這是一本淺顯易懂的因果推論入門書,聚焦於Python資料分析社群最熟悉的工具和應用場景。」 ——Nick Huntington-Klein,經濟學教授、《The Effect: An Introduction to Research Design and Causality》作者 「少數真正符合科技產業實際需求的因果推論書。每一章都處理實際資料中會遇到的問題,並用 Python 從零實作。推薦給任何希望深入理解並實作因果推論的人。」 ──D.G. 哥倫比亞大學《工業資料科學》課程講師、Lyft應用科學家 【目錄】 前言 第一部分 基礎知識 Chapter 1 因果推論導論 什麼是因果推論? 為什麼要進行因果推論? 機器學習與因果推論 關聯性與因果性 偏差 確定處理效應 關鍵概念 Chapter 2 隨機實驗和統計回顧 透過隨機化實現強制獨立性 A/B 測試的例子 理想實驗 最危險的公式 估計的標準誤差 信賴區間 假設檢定 樣本量計算 關鍵概念 Chapter 3 圖形因果模型 思考因果性 圖形模型速成課程 再探識別 CIA 和調整公式 正向性假設 使用資料的識別範例 混淆偏差 選擇偏差 關鍵概念 第二部分 調整偏差 Chapter 4 線性迴歸的不可思議有效性 只需要線性迴歸 迴歸理論 Frisch-Waugh-Lovell 定理與正交化 迴歸作為結果模型 正向性與外插 線性迴歸中的非線性 給初學者的迴歸分析 遺漏變數偏差:從迴歸的角度看混淆 中性控制變數 關鍵概念 Chapter 5 傾向分數 管理培訓的影響 使用迴歸調整 傾向分數 基於設計與基於模型的識別 雙重穩健估計 用於連續處理之廣義傾向分數 關鍵概念 第三部分 效應異質性與個人化 Chapter 6 效應異質性 從 ATE 到 CATE 為什麼預測不是答案? 使用迴歸進行 CATE 評估CATE 預測 根據模型分組的效應評估 累積效應 累積增益 目標變換 當預測模型能幫助效應排序時 CATE 在決策中的應用 關鍵概念 Chapter 7 元學習器 用於離散型處理的元學習器 連續型處理的元學習器 關鍵概念 第四部分 面板資料 Chapter 8 雙重差分法 面板資料 標準雙重差分法 識別假設 隨時間的效應動態 包含共變數的雙重差分法 雙重穩健雙重差分法 逐步採用 關鍵概念 Chapter 9 合成對照法 線上行銷資料集 矩陣表達法 合成對照作為水平迴歸 標準合成對照 帶有共變數的合成對照 合成對照去偏差 推論 合成雙重差分法 關鍵概念 第五部分 替代實驗設計 Chapter 10 地理實驗和交替實驗 地理實驗 合成對照設計 切換實驗 關鍵概念 Chapter 11 不遵從與工具變數 不遵從 擴展潛在結果 工具變數識別假設 第一階段 簡化形式 兩階段最小平方法 標準誤差 額外的控制變數和工具變數 不連續性設計 關鍵概念 Chapter 12 未來的方向 因果發掘 序列決策 因果強化學習 因果預測 領域適應 結語 索引
類似書籍推薦給您
【簡介】 語法解析 x 範例說明 x 程式實例 x ChatGPT輔助學習 x ITS Python詳解 用Python打造未來競爭力,結合ChatGPT協作開發,加速學習之路,直通大數據、機器學習與人工智慧核心技術! ★ 超值加贈!用ChatGPT學Python教學影片 ★ 涵蓋ITS Python國際認證模擬試題解析 ■ 微軟最有價值專家(MVP)、ITS Python國際認證講師與資深教師共同執筆 由微軟MVP、ITS國際認證講師與科大教授共同編撰,專為初學者量身打造的Python入門教材。不僅適合零基礎學習者,也適用於教師教學與學生運算思維訓練。 ■ 循序漸進,無痛上手 內容結合理論與實務,透過書中範例引導問題分析與程式架構設計,系統性培養初學者的邏輯思維與問題解決能力,輕鬆踏入Python程式設計的世界。 ■ 豐富內容與實務應用 內容涵蓋Spyder與Colab開發環境,從基礎語法、資料結構、控制流程到檔案處理、圖表設計與視窗應用開發,進一步延伸至網頁爬蟲實作。搭配ChatGPT進行數據分析、圖表繪製與爬蟲協作,全面訓練實作能力,為進入大數據、機器學習與AI領域打下堅實基礎。 ■ ITS Python國際認證能力訓練 內容融合ITS Python解題技巧,書末收錄兩組ITS Python(IT Specialist Certification)國際認證模擬試題,強化初學者的實作訓練,也是考取ITS Python認證的理想教材。 ■ 超值!附「用ChatGPT學習Python」教學影片 結合ChatGPT協助撰寫程式、加入註解、除錯與理解程式邏輯,全面加速您提升Python程式設計實力。 ■ 更多新知可訂閱「程式享樂趣」YouTube頻道https://www.youtube.com/@happycodingfun 【目錄】 chapter 01 Python 語言概觀 1.1 Python 語言簡介 1.2 程式設計的步驟 1.3 演算法 1.4 建置 Anaconda 開發環境 1.5 編寫第一個 Python 程式 1.6 認識 Google Colab 程式編輯環境 1.7 檢測模擬試題解析 chapter 02 基本程式設計 2.1 內建資料型別 2.2 常值 2.3 變數與資料型別 2.4 運算子 2.5 資料型別轉換 2.6 print() 輸出函式 2.7 檢測模擬試題解析 chapter 03 字串與格式化輸出入 3.1 字串資料型別 3.2 字串與運算子 3.3 格式化輸出 3.4 常用的字串方法 3.5 檢測模擬試題解析 chapter 04 選擇結構 4.1 結構化程式設計 4.2 關係運算子 4.3 邏輯運算式 4.4 選擇結構 4.5 檢測模擬試題解析 chapter 05 重複結構 5.1 for 迴圈 5.2 while 迴圈 5.3 continue 與 break 5.4 巢狀迴圈與無窮迴圈 5.5 檢測模擬試題解析 chapter 06 串列 6.1 何謂串列 6.2 一維串列 6.3 使用迴圈操作串列 6.4 串列的函式與方法 6.5 串列的排序 6.6 二維串列 6.7 檢測模擬試題解析 chapter 07 函式 7.1 何謂函式 7.2 內建函式 7.3 自定函式 7.4 引數的傳遞方式 7.5 引數傳遞使用串列 7.6 全域變數與區域變數 7.7 遞迴 7.8 檢測模擬試題解析 chapter 08 元組、字典、集合 8.1 元組 8.2 字典 8.3 集合 8.4 檢測模擬試題解析 chapter 09 檔案與例外處理 9.1 檔案概論 9.2 資料夾的建立與刪除 9.3 檔案的開啟與關閉 9.4 文字檔資料的寫入與讀取 9.5 例外處理 9.6 檢測模擬試題解析 chapter 10 與ChatGPT 協作開發 10.1 認識 ChatGPT 10.2 ChatGPT 協作開發 Python chapter 11 繪製圖表 11.1 matplotlib 套件 11.2 繪製線條圖 11.3 繪製柱狀圖 11.4 繪製圓餅圖 11.5 與 ChatGPT 協作繪製線條圖 chapter 12 網頁資料擷取分析 12.1 網路爬蟲 12.2 urllib 套件解析網址與擷取網頁 12.3 requests 套件擷取網頁 12.4 BeautifulSoup 套件解析網頁 12.5 網頁爬蟲應用實例 12.6 與 ChatGPT 協作爬取股票 附錄 A ITS Python 國際認證模擬試題 - 1 附錄 B ITS Python 國際認證模擬試題 - 2 附錄 C 視窗應用程式 【PDF電子書,請線上下載】
類似書籍推薦給您
【簡介】 體貼初學者學習Azure AI服務的流程! Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作 ■ 專家與教師共同執筆 由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著,針對初學者學習Azure AI領域所應具備的基本素養,所編寫入門教材,內容由淺入深,以引發學習動機為最主要考量,帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。 ■ 內容多元且淺顯易懂 對Azure AI服務的理論做深入淺出的說明,同時廣泛列舉相關應用實例,並使用適當的插圖和圖表,說明Azure AI技術的原理和實際運作方案,讓初學者對Azure AI有更進一步的認識。 ■ Azure AI服務開發技能 介紹實用的入門開發實作,以培養初學者規劃AI解決方案的能力。實作包含:電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例,並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式;詳盡說明實作的程式碼與操作步驟,培養初學者開發AI應用程式的能力。 ■ Microsoft AI-900人工智慧基礎國際認證能力訓練 將認證考試重點融入書中,讀者能藉由練習來了解該章內容重點,同時書末彙整MCF AI-900核心能力國際認證模擬試題,是考取MCF AI-900人工智慧基礎國際認證的最佳教材。 【目錄】 第1章 Microsoft Azure AI 基本概念:使用人工智慧的開始 1.1 人工智慧簡介 1.2 Microsoft Azure AI 簡介 1.3 模擬試題 第2章 負責任的 AI 2.1 AI 造成的道德和社會問題 2.2 了解負責任的AI 2.3 申請Azure 帳戶 2.4 模擬試題 第3章 認識 Colab 程式編輯環境 3.1 Colab 簡介 3.2 安裝 Colab 3.3 Colab 環境簡介 3.4 編輯第一個 Colab 筆記本 3.5 Colab 常用功能 第4章 Gradio 互動式網頁 4.1 簡介認識 Gradio 4.2 Gradio 基本語法介紹 4.3 Gradio 常用的輸出入元件 第5章 探索電腦視覺(一)電腦視覺分析 5.1 Azure AI 視覺簡介 5.2 Azure AI 視覺服務 5.3 Azure AI 服務開發環境與必要條件 5.4 Azure AI 視覺開發實作 5.5 模擬試題 第6章 探索電腦視覺(二)OCR 與文件智慧服務 6.1 光學字元識別 (OCR) 6.2 Azure AI 視覺服務讀取文字 6.3 文件智慧服務和知識採礦 6.4 Azure Al 視覺服務讀取影像文字開發實作 6.5 模擬試題 第7章 探索電腦視覺(三)臉部服務 7.1 臉部辨識服務簡介 7.2 臉部偵測 7.3 臉部分析 7.4 臉部識別 7.5 臉部辨識服務開發實作 7.6 模擬試題 第8章 探索電腦視覺(四)自訂視覺 8.1 自訂視覺簡介 8.2 自訂視覺影像分類 8.3 在 Azure 使用影像分類 8.4 自訂視覺物件偵測 8.5 在 Azure 使用物件偵測 8.6 自訂視覺範例實作 8.7 模擬試題 第9章 探索自然語言處理(一)文字分析 9.1 自然語言處理簡介 9.2 自然語言處理 9.3 使用 Azure AI 語言服務分析文字 9.4 文字分析開發實作 9.5 模擬試題 第10章 探索自然語言處理(二)對話式AI 10.1 對話式AI 簡介 10.2 問題與解答對話系統 10.3 使用交談語言理解建立語言模型 10.4 Azure AI 機器人服務 10.5 自訂問題解答開發實作 10.6 模擬試題 第11章 探索自然語言處理(三)語音與翻譯 11.1 語音辨識與語音合成 11.2 語音服務功能介紹 11.3 文字翻譯 11.4 翻譯服務功能介紹 11.5 文字翻譯開發實作 11.6 語音合成開發實作 11.7 模擬試題 第12章 Azure 機器學習基本原理 12.1 機器學習簡介 12.2 機器學習的工作流程 12.3 機器學習的模型 12.4 分類模型 12.5 迴歸模型 12.6 叢集模型 12.7 模擬試題 第13章 Azure 機器學習實作 13.1 Azure 機器學習服務簡介 13.2 Azure 機器學習設計工具的工作流程 13.3 使用設計工具建立模型 13.4 使用 Azure 機器學習自動化 ML 13.5 使用提示流程建立 AI 應用程式 13.6 模擬試題 第14章 Azure OpenAI 14.1 生成式 AI 簡介 14.2 大型語言模型 14.3 Azure OpenAI 簡介 14.4 Copilots 簡介 14.5 使用提示工程改善生成式 AI 回應 14.6 Azure OpenAI 生成式 AI 應用程式開發實作 14.7 模擬試題 附錄A MCF AI-900 人工智慧基礎國際認證模擬試題 看更多