了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用，Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作，汇聚了作者多年的实战经验，向读者透彻讲解在Python环境下，如何通过一系列存储机制有效地实现各类算法。通过本书，读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用，等等。这一版重写了书中的示例代码，并对诸多内容做了修正。

本书系统介绍Python基础知识以及数据采集、分析、可视化的流程与应用，实例丰富，实战性强。全书共14个项目，其中前10个项目以Python基础知识的理解和应用为主，项目11～项目14分别讲解网络爬虫以及NumPy、Pandas和Matplotlib的应用。书中代码适用于Python 3.6/3.7/3.8/3.9/3.10/3.11以及更高版本。 本书可以作为专科、高职院校程序设计课程的教材，以及Python爱好者的自学用书。

为预训练和微调寻找合适的用例和数据集 使用定制的加速器和GPU,为大规模训练做好准备 配置AWS和SageMaker环境,限度地提高性能 根据模型和约束条件选择超参数 使用多种并行方式分发模型和数据集 利用作业重启、间歇性健康检查等方式避开陷阱 定性和定量地评估模型 部署模型，在运行时进行改进和监控

《深入浅出Go语言核心编程》是一本全面而深入的Go语言学习手册，涵盖了Go语言的诸多关键特性，包括语法结构、内存原理、并发、上下文机制与框架应用等。本书共20章。章引导读者快速搭建开发环境，详细介绍Go语言的环境配置及编译运行的具体细节。第2～5章详细讨论Go语言独特的变量、常量、常用数据类型和流程控制，并重点解析复杂类型的底层实现机制。第6～8章讲解Go语言的函数及如何实现面向对象编程，打通Go语言面向过程和面向对象编程之间的桥梁。第9～12章探讨Go语言的一些高级话题，包括并发、上下文、反射、泛型等。3～15章探讨Go语言的I/O、网络编程及RPC通信等编程场景。6～18章是Go语言的扩展话题，涵盖了内存管理、正则表达式和Go语言的汇编。9章和第20章重点探讨了Go语言在日常开发中的典型应用，主要介绍框架Gin的使用，以及如何利用Go语言

本书面向具备Python一级能力的初学者，基于虚构人物形象山羊博士和二叶草的教学现场，带领读者学习从互联网上抓取数据分析和机器学习所需的基础数据。本书内容以教学对话和场景插图呈现，讲解使用库进行数据收集和简单的可视化方法，如如何从互联网上下载文件，分析HTML，读写各种类型的数据，以及使用API，还简要地介绍了如何最终实现数据收集的自动化。本书可作为以PAAT全国青少年编程能力等级考试、中国自动化学会青少年人工智能核心素养为代表的各类Python编程能力认定的参考书，也可供Python初学者自学入门。

本书由Real Python团队倾力编写，内容兼容Python 3.9版本。全书可分为两大部分，共18章。前半部分透彻地讲解现代Python编程的所有核心知识，后半部分带领你用Python构建实际的应用程序和脚本，解决有趣的现实问题。本书按照逻辑顺序介绍每个概念和语言特性，并以简短明了的代码示例进行解释和说明。你还可以通过书中的编码练习和项目巩固基础，通过交互式小测验检验自己的学习效果。本书内容已经过数以万计的Python爱好者、数据科学家和开发人员的实战检验，尤其适合零基础新人快速习得编写Python程序的实用技巧，培养对编程的热情。

Go语言在多核硬件架构、超大规模分布式计算集群和Web应用上具有明显的优势，目前Google、Facebook、AWS、Mozilla、七牛、阿里、腾讯、百度、京东等大公司都已经开始使用Go语言开发其云计算产品。 本书分为12章，第1章介绍Go语言的基本开发环境；第2章介绍Go语言的语法基础；第3章介绍Go语言的函数；第4章介绍Go语言的流程控制与错误处理；第5章介绍Go语言中的结构体、数组、切片和字典等：第6章介绍Go语言中的指针；第7章介绍Go语言的面向对象用法；第8章介绍Go语言文件读写；第9章介绍Go语言的并发编程； 0章介绍Go语言的反射特性； 1章介绍Go语言如何构建Web服务； 2章用Go语言实现了一个并发聊天实战项目。本书配套源码、课件、开发环境和教学视频。 本书内容详尽、示例丰富，是一本Go语言的入门教材， 适合有一定编程基础的读者学习使用。当然，本书也适

本书介绍了为什么发现并量化数据模式对空间数据分析重要。你将学会：在数据问题中应用空间关系。使用栅格和矢量图。使用开源工具和公共数据集为地图增加信息量。使用 Python 脚本自动化处理地理数据。理解空间数据科学的图形化表现形式，激发好奇心。

《Python机器学习》面向机器学习新手，主要内容如下： Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库 常见的机器学习算法，包括回归、聚类、分类和异常检测 使用Python和Scikit-learn库进行机器学习 将机器学习模型部署为Web服务 使用Microsoft Azure Machine Learning Studio进行机器学习 演习机器学习模型构建方案的实例

《Python办公自动化从入门到精通》讲解如何使用Python技术实现自动化办公。 《Python办公自动化从入门到精通》分为两大部分，共19章。部分为基础语法，即从基础入门开始介绍Python语言的基础语法知识，内容对应章～第6章，包括初识Python、Python语法元素、程序控制语句、组合数据类型、函数、类。第2部分为高阶办公，即使用Python语言实现办公操作，内容对应第7章～9章，包括操作文件、库、操作文件夹、操作Excel文件、操作Word文件、操作PPT文件、操作PDF文件、操作HTML网页、网络爬虫、自动收发邮件、聊天机器人和、控制鼠标和键盘、批量处理视频。除章外，每一章都包含项目案例，并且在项目案例中详细分析代码的设计思路和编写过程。 《Python办公自动化从入门到精通》适用人群为需要入门Python编程的学生和需要提高办公效率的工作人员、网络信息技术人员、视

《数据可视化原理与实战：基于Power BI》介绍 Power BI 可视化的基础知识与实践方法，分为两篇：“理论篇”介绍数据可视化基础与Power BI 可视化工具。 基础部分包括数据可视化的价值、量性数据与质性数据的区别、探索性分析与解释性分析、 商业沟通标准等；工具部分包括Power BI作为数据可视化工具的优势与局限性、Power BI的操作界面、可视化对象分类、DAX分析语言简介、Power BI Service在线应用等。“实践篇”介绍Power BI可视化实践准则（MACIE准则）与综合案例。 MACIE准则包括“意义”“准确”“清晰”“洞察”和“效率”，并围绕每个准则讲述如何用Power BI落地具体操作；案例部分依据MACIE准则对3个具体案例进行评估，并在准则的指导下对其进行综合优化。 《数据可视化原理与实战：基于Power BI》适合 Power BI 从业者、可视化分析的从业者阅读。希望读者