本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。 本书适合深度学习初学者阅读，也可作为高校教材使用。

在如今的时代，大型数据集唾手可得，含有数百万行的数据文件并不罕见。Python是数据分析师和数据科学家的语言。通过本书，即使完全不了解Python，Excel用户也能够学会用Python将烦琐的任务自动化，显著地提高办公效率，并利用Python在数据分析和科学计算方面的突出优势，轻松搞定Excel任务。你将学习如何用pandas替代 Excel函数，以及如何用自动化Python库替代VBA宏和用户定义函数等。 本书既适合Excel用户，也适合Python用户阅读。

本书由流行深度学习框架Keras之父弗朗*瓦 肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用Python代码来解释深度学习的核心思想。全书共计14章，既涵盖了深度学习的基本原理，又体现了这一迅猛发展的领域在近几年里取得的重要进展，包括Transformer架构的原理和示例。读完本书后，你将能够使用Keras解决从计*机视觉到自然语言处理等现实世界的诸多问题，包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。

本书是一本在PyTorch环境下学习机器学习和深度学习的综合指南，可以作为初学者的入门教程，也可以作为读者开发机器学习项目时的参考书。 本书讲解清晰、示例生动，深入介绍了机器学习方法的基础知识，不仅提供了构建机器学习模型的说明，而且提供了构建机器学习模型和解决实际问题的基本准则。 本书添加了基于PyTorch的深度学习内容，介绍了新版Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。后，本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理（NLP）的大型transformer。 无论是机器学习入门新手，还是计划跟踪机器学习进展的研发人员，都可以将本书作为使用Python进行机器学习的不二之选。 学完本书，你将能够： 探索机器从数

内容简介这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书，又是一本从电商出发指导读者解决各类数据分析问题的实用指南。首先，本书以Python数据分析中使用率极高的Pandas为切入点，注重对数据分析思维和技能的培养，详细讲解了Pandas的操作以及数据分析的方法，可覆盖80%以上的数据分析应用场景，为数据分析师打下坚实基础。然后，本书以电商这个广大读者熟知且普适性极强的业务领域为依托，通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法，理论与案例深度融合。本书以实用为本，聚焦重点，Python数据分析常用的高频功能不到Python数据分析能力的20%，本书去繁就简，只专注于能解决大部分问题的重点模块。本书以实战制胜

学编程用不用背知识点，用不用记笔记？哪些知识该记？这些都是困扰编程初学者的问题。我们从实际出发，总结大咖们的开发经验设计了这套《Python编程超级魔卡》，将学习Python时需要随时查询、背记的内容系统整理出来，让学习者在学习过程中能随时查找使用。 本套卡片共16张32页，有很强的实用性，内容包括字符串、列表、元组、字典、集合等的常用操作，Python常用内置函数，日期时间模块、文件目录模块、系统与控制模块，Python正则表达式等开发中常用内容，并给出了实际应用示例，既适合作为Python初学者配套学习，又适合程序开发人员随时查询函数、方法、技巧等。 此外，本套摩卡左上角统一打孔，并赠送活页书环，可将卡片穿在一起，活页穿环既方便查询翻阅，又不易遗失，是您案头的实用查询工具。

本书教你如何从基于时间的数据（如日志、客户分析和其他事件流）中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码进行全面演示，你将学习用于时间序列预测的统计和深度学习方法。通过跟随书中的实例锻炼你的技能，你很快就会准备好建立自己的准确、有洞察力的预测。

在本书中，你会看到用来处理文本、数据类型、算法、数学计算、文件系统、网络通信、Internet、XML、Email、加密、并发性、运行时和语言服务等各个方面的实用代码和解决方案。在内容安排上，每一节都会全面介绍一个模块，并提供一些很有价值的补充资源链接，这使得本书成为一本理想的Python标准库参考手册。

Array

面向用Python进行控制系统设计的人，边学边用Python进行编程实践。重点阐述以状态空间模型为对象的现代控制系统的设计。全书分七章，包括： Pythhon环境的构建、数据和流控制、反馈控制、状态空间模型、闭环系统的控制设计、开环系统的控制设计、PID控制相位进延迟补偿，以及稳健性控制数字实现的高级控制系统设计。

本书全面、系统地介绍了使用Python对系统进行操作与控制的os与sys两大模块。全书分为两部分共12章，其中，*部分为os模块（系统操作），主要包括系统及硬件相关、获取环境变量、进程操作、其他系统相关操作等内容；第二部分为sys模块（系统相关），主要包括标准输入流与输出流、获取Python解释器相关信息、Windows系统相关、虚拟环境与路径、获取系统编码信息、线程与递归、程序异常相关、其他sys模块属性及方法等内容。本书以模块应用为主线，通过大量的快学快用，帮助读者透彻理解os模块和sys模块的属性、方法及其应用。本书附有配套资源包及数字书。资源包提供了书中所有快学快用的源代码和关键代码段，且所有源代码都经过精心调试，在Windows 7\Windows 10系统中测试通过，保证能够正常运行。本书是各级Python程序开发人员***的参考书，也非常适合大中专院

本书是一本关于Python数据整理和数据质量的实用指南，主要介绍了如何使用Python进行数据清洗、转换和整合，以及如何确保数据的准确性和一致性。本书涵盖了数据整理基础、数据清洗、数据转换、数据整合、数据质量检查和数据可视化等内容。通过丰富的实例和代码示例，读者可以掌握Python数据整理和数据分析的相关技能。无论你是数据分析师、数据科学家还是其他领域的数据从业者，本书都不仅能够帮助你提高工作效率，还能够让你更好地理解和应用数据科学相关的知识和技能。

内容简介 这是一部讲解如何利用树莓派、OpenCV、Python等软硬件构建智能硬件并在其上实现图像分析、文字识别、人脸识别与追踪、视频监控等机器视觉功能的实用性著作。 全书一共11章： 第1~4章首先讲解了机器视觉在智能硬件领域的应用场景以及智能硬件上4种常见的机器视觉技术方案；然后讲解了树莓派和OpenCV的安装、配置以及其他准备工作；*后通过一些简单的案例和代码手把手教读者如何使用OpenCV。 第5~11章是本书的核心内容，通过几个具体的综合案例讲解了如何使用树莓派低成本玩转如下机器视觉场景：拍摄照片和视频、处理相机的原始数据、道路和商场的人流统计、道路信息的文字识别、人脸识别与追踪、中央AI视频监控等。以上案例循序渐进，环环相扣，所有代码均可在树莓派上运行，可轻松移植到任何ARM开发板上。

这是一本讲解如何使用Python基于工具化流程进行跨平台应用软件开发的书籍。《Python 跨平台应用软件开发实战》从简单的计算器软件入手，通过一系列由浅入深的工程案例，让开发者一步步掌握应用软件的开发流程和设计方法，熟悉常用的界面控件、功能组件和打包工具，并在这个过程中同步掌握PyMe的可视化开发流程，进而有能力基于Python语言进行跨平台软件的开发工作。本书结构紧凑，内容由浅入深，是学习掌握可视化流程进行Python应用软件开发的实战型书籍。 《Python 跨平台应用软件开发实战》为读者提供了全部案例源代码下载和高清学习视频，读者可以直接扫描二维码观看。 《Python 跨平台应用软件开发实战》适合Python初学者、希望使用Python进行应用软件开发的工程师、希望快速提升Python开发能力的初级程序员，以及在校相关专业师生阅读。

本书全面、系统地介绍了使用Python对日期与时间进行操作的time模块、datetime模块和calendar模块。全书分为三部分共16章，其中，*部分为time模块（时钟与时间），主要包括术语和常量、时间戳相关操作、时钟与计数器、格式化时间等内容；第二部分为datetime模块（日期和时间），主要包括格式化日期时间、时间相关、日期相关、星期相关、日期和时间相关、UTC与时间差相关、时区与夏令时相关等内容；第三部分为calendar模块（日历相关操作），主要包括属性与时间戳、闰年及星期相关方法、返回日期迭代器、返回日期列表、获取或显示日历等内容。本书以模块应用为主线，通过大量的快学快用，帮助读者透彻理解time模块、datetime模块和calendar模块的属性、方法及其应用。本书附赠配套资源包及数字电子书。资源包提供了书中所有快学快用的源代码和关键代码段，且所有

全书共18章，前11章主要讲解基础知识。第1章介绍了什么是量化投资，以及为什么要用Python。第2章介绍了如何搭建基础环境，介绍了常用的一些工具。第3章讲解python的基本应用和常用的库。第4章介绍python数据分析中常用的Numpy, Scipy, Pandas。第5章介绍数据分析的基础方法。第6章介绍数据的可视化，使用matplotlib库。第7章介绍基础的金融分析方法。第8章介绍技术分析和时序序列分析，从业界和学术界两种角度来进行分析。第9章介绍了投资组合理论和由此衍生出来的多因子模型。第10章介绍了金融市场中衍生品的分析，以期货和期权为主。第11章从利率开始，介绍了债券的分析方法。 从第12章开始进入实战篇。第12章讲解中国金融市场，主要针对二级市场，并介绍了针对不同市场的基本投资策略。第13章介绍了，研究策略时，所需的数据来源，开源数据和商业数据库都有