Python可以用来做机器人!通过编程实现人工智能! Python不需要任何基础!中小学生也能学会! Python前景广阔!一招在手， 天下无敌! 在纷繁的编程世界中，Python毫无疑问已经成为非常适合青少年学习的语言。它入门简单，应用广泛，青少年既能玩得开心，又可以为将来的深造打下基础。 本书就是专为青少年打造的Python 入门读物。全书图文并茂，讲解细致，从搭建开发环境入手，逐步引导读者掌握Python的基础知识、核心操作及编程技巧，*后深入了解编程思维。 本书适合Python 语言的零基础读者学习，尤其适合青少年读者阅读使用。此外，对中小学人工智能相关课程及青少年编程培训班的授课教师，也有一定的参考作用。
本书是作者结合自己多年Abaqus 使用经验，在汲取国内外大量资料的基础上编写的一本Python 二次开发知识点笔记。内容涉及开发环境的搭建、Python 基础语法知识、Abaqus Python API 讲解，并以实例展示的方式详细阐明了二次开发的流程和方法。本书可以帮助正在使用Abaqus 进行仿真分析工作的工程师或者科研人员学习Abaqus Python 二次开发方法，同时对熟悉Abaqus 二次开发流程的读者也有一定的借鉴价值。
本书从Python主流框架Scrapy的简介及网络爬虫知识讲起，逐步深入到Scrapy进阶实战。本书从实战出发，根据不同需求，有针对性地讲解了静态网页、动态网页、App应用是如何爬取所需数据，以及Scrapy是如何部署分布式爬取，*后还介绍了用Scrapy Pandas是如何进行数据分析及数据展示，让读者不但可以系统地学习Scrapy编程的相关知识，而且还能对Scrapy应用开发有更为深入的理解。 本书分为12章，涵盖的主要内容有Scrapy框架简介；Scrapy网络爬虫知识介绍；Scrapy开发环境的搭建；Scrapy架构及编程；Scrapy进阶；实战项目：Scrapy静态网页的爬取；实战项目：Scrapy动态网页的爬取；实战项目：Scrapy爬取App应用数据；Scrapy的分布式部署与爬取；分布式的实战项目；用Selenium框架测试网站；用Scrapy Pandas进行数据分析。 本书内容通俗易懂，实例典型，实用性强，特别适合学习Python主流框架
量化交易领域的飞速发展，得到了越来越多业内外人士的关注。而Python作为一门功能强大且易于上手的编程语言，可以快速将想法付诸实践。因此，本书希望可以引领读者初步了解量化交易，并借助Python这个工具在该领域有所建树。 本书先从量化交易的基本概念讲起，然后讲解Python的基本语法及常见库的使用，在每章节的学习中都以金融量化为实例，并在后结合实战项目来进行学习和巩固，读者不但可以系统地学习Python编程的相关知识，而且还能学习到Python在量化交易场景下的应用。 本书内容通俗易懂，案例丰富，适合零基础并对Python量化感兴趣的读者，以及想学习量化交易实战项目的Python初学者。此外，本书也适合作为相关培训机构的培训教材。
管新潮，现任上海交通大学外国语学院副教授、硕士生导师本书为新核心翻译硕士（MTI）系列教材丛书之一。本书主要内容包括语言数据分析基础（数据结构、数据清洗、数据可视化等）以及语言数据分析应用（N-gramsChunk提取、相似性计算、情感分析、语义分析、主题分析、语料库变量分析等）。全书共分两部分十个章节，内容限制在Python的语料库应用提升阶段，更多结合语言学和翻译学的相关理论知识，实现技术与语言学翻译学的充分结合。全书体例为文字描述结合部分关键代码呈现，按主题划分章节内容。本书适合文科类语言智能、语言数据科学、AI语言等方向的教师或学生使用。本书系《语料库与Python应用》一书的后续提升版内容，更注重Python在语言学翻译学领域的数据分析应用。
深度学习是一种人工智能, 模仿人脑处理数据和创建用于决策的模式方面的工作, 处理用于检测对象、识别语音、翻译语言和进行决策的数据. 本书是深度学习入门级教材，有以下特点： 1. 由浅入深, 对于*基本的单层神经网络到多层神经网络的前向及后向传播理论, 从公式到代码缓慢进阶, 做了透彻的解释, 易于理解及上手。 2. 在基本模块介绍之后, 对于各种更复杂的模型并不拘泥于细节, 而是着重介绍其含义, 让读者着眼于整体框架及未来发展。 3. 尽量跟随新发展, 书中*的模型来自2020年.
本书是全国高等学校（安徽考区）计算机水平考试配套教材，面向对程序设计具有 零基础 的学生开发，主要包括Python基础知识、组合数据类型、函数、文件、计算机生态、高级应用和对应实验设计等内容；注重基础，突出重点、兼顾考试、资源丰富，配有无纸化考试系统、课件、教案、例题代码、习题及实验参考答案，既便于老师教学，也便于学生学习使用；适合作为高等学校公共计算机程序设计语言课程教材，也可作为学生参加计算机水平考试的指导书。
《Python人工智能开发从入门到精通》主要介绍了Python进行人工智能开发所需的技术、基础设施、核心理念、实施方法与流程，以及实战操作应用。 全书共分3篇。1篇主要讲解了人工智能开发中常用Python编程语言相关入门知识，包括：1章 关于Python与开发环境配置、第2章 Python编程基础、第3章 Python编程进阶；第2篇主要讲解了人工智能开发相关知识的应用，包括：第4章 人工智能简介、第5章 机器学习理论基础、第6章 Python机器学习常用库的应用、第7章 **个机器学习项目、第8章 典型的机器学习算法及应用实战、第9章 深度学习算法理论、第10章 深度学习之TensorFlow；第3篇通过3个综合案例，以神经网络在计算机视觉问题中的重要应用为线索，介绍深度学习人工智能技术在计算机视觉任务中的实践，包括：第11章 人工智能识万物、第3篇：第12章 人工智能知万物、
本书首先介绍算法的概念和特点，然后介绍数据结构，再逐步深入介绍各类算法，通过解决实际问题加深理解。本书选取了近年来比较热门的语言Python作为载体，来实现算法的功能。这不但可以让读者系统地学习算法的相关知识，而且还能提高读者对Python语言的应用水平。 本书分为7章，涵盖的主要内容有算法简介、数据结构、数学相关算法、排序算法、查找算法、图相关算法、算法思想归纳。其中包含对非常多经典算法的讲解，如归并排序、快速排序、拓扑排序、二叉查找树、红黑树、*小生成树算法、*短路径算法、极大极小值算法、遗传算法等。*后通过归纳总结，让读者懂得常见算法的设计思路，能够根据实际情况选择合适的算法。
本书结合作者在Python语言程序设计教学过程中遇到的概念、实践和应用等问题以及授课经验，由浅入深、循序渐进地介绍Python语言程序设计的理论和应用，是一本针对所有层次的Python学习者的程序设计入门书。本书基于Python 3.7.2编写，示例生动有趣，内容易读易学，且特色鲜明，让读者在Python交互式环境或集成开发环境中动手实践和体验，并通过示例来掌握Python语言的核心知识和用法，帮助读者解决常见应用编程问题和困惑。
nbsp nbsp《Python Web开发从入门到精通》分为3部分：第1部分是基础篇，带领初学者实践Python开发环境和掌握基本语法，同时对网络协议、Web客户端技术、数据库建模编程等网络编程基础深入浅出地进行学习；第2部分是框架篇，学习当前*流行的Python Web框架，即Django、Tornado、Flask和Twisted，达到对各种Python网络技术融会贯通的目的；第3部分是实战篇，分别对几种常用WEB框架进行项目实践，利用其各自的特点开发适用于不同场景的网络程序。 《Python Web开发从入门到精通》内容精练、重点突出、实例丰富、讲解通俗，是广大网络应用设计和开发人员不可多得的一本参考书，同时非常适合大中专院校师生学习和阅读，也可作为高等院校计算机及相关培训机构的教材。
本书以Python 3.7为编程工具，共分8个单元，从易到难，从基础应用到综合实战，详细讲解Python创意编程的方法和思维。 本书通过丰富有趣的实例，帮助学生学习编程思维方式，掌握Python编程基础知识，包括Python环境的搭建、Python的认识、顺序结构、选择结构、循环结构、列表、元组与字典、函数、字符串及算法。 本书适合对Python编程感兴趣的初高中学生阅读，也适合作为家长和老师指导中学生学习计算机程序设计的入门教程。
nbsp nbsp《Python编程从入门到精通》侧重于Python程序开发过程中重点和难点的理解，结合具有典型性的程序案例，用通俗的语言由浅入深、循序渐进地帮助者掌握Python语言。知识点都使用生活中的案例帮助理解，每个案例都有详尽的代码解释，实战分也会将Python语言与Web和数据分析等技术相结合，进行技术应用上的扩展。 《Python编程从入门到精通》由Python编程基础、Python高级编程、Python应用技术和Python实战演练4个分组成。Python编程基础针对程序设计的入门，介绍从过程化的编程要点到代码中使用的各种数据类型；Python高级编程针对程序设计的提高，介绍从面向对象的使用到算法上的提升；Python应用技术针对程序设计的场景运用，介绍从Web的开发到数据分析的思路；Python实战演练针对程序设计的逻辑，从游戏的开发到基本网站的建设。旨在使者通过对《Python编程从入
介绍Python人工智能的生态，涉及Python基础、网络爬虫、数据分析、可视化、图像处理、自然语言处理、机器学习、深度学习以及强化学习等内容。内容包括：一部分 Python基础；第1章 Python基础知识；第2章 数据结构；第3章 控制语言；第4章 函数；第5章 对象；第6章 Numpy基础；第7章 pandas基础（数据处理、交叉矩阵、统计分析）；第8章 可视化(Matplotlib和Seaborn等)；第9章 网络爬虫（解析网页、urllib和scrapy）；第二部分 Python图像处理；第10章 SciPy；第11章 OpenCV；第12章 Dataset API（TensorFlow一个图像处理API）；第三部分 自然语言处理；第13章 Python中文分词jieba（基础及实例）；第14章 NLTK简介（基础及实例）；第15章 Word2Vec简介（基础及实例）；第四部分 机器学习；第16章 机器学习基础（介绍常用机器学习算法）；第17章 sklearn简介（基础、常用算法实现）；第18章 PySpark ML 基
你是否想过通过一本书来学习Python？《深入浅出Python))通过一种独特的超越语法手册的方式来帮助你学习Python。你将能够快速掌握Python的基础知识，然后扩展到持久化、异常处理、Web开发、SQLite、数据处理和Google应用引擎中去。你也将学会如何为Android编写移动应用，这要感谢Pvthon带给你的强大能力。《深入浅出Python》融合了完备的学习经验，它将帮助你成为真正的Python编程员。
本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。 书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。
这本书是基于R和Python的数据科学项目案例集锦，内容涵盖了基于数据科学的所有要素，包括数据采集、处理、清洗、分析、建模、可视化以及数据产品的搭建。案例包含了汽车数据分析、股票市场建模、社交网络分析、推荐系统、地理信息分析，以及Python代码的计算优化。通过手把手的案例解析，令读者知其然并知其所以然。业界的数据分析师、数据挖掘工程师、数据科学家都可以读一读。想要了解实际工作中如何用数据产生价值的在校学生，或者对数据科学感兴趣的人也值得一读。
《Python网络编程攻略》介绍了现实世界中几乎所有网络任务的真实示例，通过简明易懂的形式让读者掌握如何使用Python完成这些网络编程任务。具体说来，书中通过70多篇攻略讨论了Python网络编程的高阶话题，包括编写简单的网络客户端和服务器、HTTP协议网络编程、跨设备编程、屏幕抓取以及网络安全监控，等等。本书可以作为任何一门网络编程课程中培养实践技能的补充材料。本书需要读者对Python语言及TCP/IP等基本的网络概念有了解，但即使不精通也能通过本书理解相关概念。 《Python网络编程攻略》适合网络程序员、系统/网络管理员及Web应用程序开发人员阅读。
在数据分析方面，Python实际上已经远远 VBA，因为使用Pyhton提供的数据处理函数和模块就可以实现很多功能，既快速、可靠又简便。本书结合OpenPyXl、win32com、xlwings和pandas等Python包全面介绍使用Python实现Excel脚本开发的各种可能性，涉及的内容包括：Python语言基础、Python文件操作、Excel对象模型、Excel图形绘制、Excel图表绘制、字典在Excel中的应用、正则表达式在Excel中的应用、使用Pandas包提高数据处理效率、使用Matplotlib包绘图、Python与Excel VBA混合编程等。本书适合任何对Excel Python脚本开发感兴趣的朋友阅读，可以是有编程需求的职场办公人员、数据分析人员、大学生、科研人员和程序员等。
全书共分八部分，按预备篇（第1、2章）、Python篇（第3、4章）、开发基础（第5、6、7章）、Horizon开发篇（第8、9章）、Nova开发篇（第10章）、Neutron开发篇（第11章）、测试篇（第12章）和扩展篇（附录A~D）的顺序，循序渐进地对OpenStack展开深度剖析。零基础入门，全方位涵盖了OpenStack的基础知识，同时结合大量企业内部资料和实践案例，适合作为OpenStack初学者及相关开发人员的参考资料。
本书将复杂的编程概念分解成简单的步骤，简单易懂。作者通过多年的教学经验精心挑选出了有特点的例子，手把手地实例教学。这本书把看似冗长的编程学习精简，让书 读得很薄 ，学习更加轻松。以一学就会的理念讲授Python是什么，需要哪些软件，相对应的模块怎么使用，让那些没有编程经验的初学者也能够轻松学习Python编程。
数据预处理是数据分析、数据挖掘或人工智能中 的环节，它通过一定的方法将存在诸多问题的低质量数据处理变成高质量数据，在一定程度上提高数据分析或数据挖掘等工作的效率。 本书以Jupyter Notebook为主要开发工具，采用理论与实例相结合的形式，全面地介绍数据预处理的相关知识。全书共8章，其中第1章介绍数据预处理的入门知识；第2～6章介绍科学计算库NumPy和数据分析库pandas，以及通过pandas库实现数据获取、数据清理、数据集成、数据变换和数据规约的功能；第7章介绍数据清理工具OpenRefine的安装及使用；第8章结合前期的核心知识进行实战演练。除第1章外，其他章均配置了丰富的示例或案例，读者可以一边学习一边练习，巩固所学的知识，并在实践中提升实际开发能力。 本书附有配套视频、源代码、习题、教学课件等资源。为帮助初学者 好地学习
