《Python 项目开发案例集锦》 一书从入门学习者的角度出发,开发了 8 个开发方向、23 个项目,循序渐进地让读者在实践中学习,在实践中提升实际开发能力。全书共分 8 篇:控制台程序、小游戏、实用小工具、网络爬虫、数据分析、人工智能、Web 网站和微信 / 小程序,内容包括:学生信息管理系统、企业编码生成系统、简易五子棋游戏(控制台版)、玛丽冒险、彩图版飞机大战、DIY 字符画、画板工具、Word 助手、图片批量处理器、RCQ 读者书库、火车票分析助手、高德地图 58 租房、开心麻花影视作品分析、Excel 数据分析师、智能停车场车牌识别计费系统、AI 智能联系人管理系统、51 商城、BBS 问答社区、甜橙音乐网、智慧校园测评系统、看图猜成语小程序、今天吃什么小程序、微信机器人。本书不仅会带您畅游于 Python 开发的精彩世界,启迪编程思维,更能让您领
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,最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。
全书共分为3篇。篇是理论基础篇,讲解从事电子商务数据分析前需要了解的理论知识,每个理论知识点都结合案例做详细的解析。第二篇是专业方法篇,介绍数据采集和数据清洗的专业方法。第三篇是应用场景篇,介绍运营与数据平台的应用、运营诊断与复盘的方法、宏观市场分析、市场细分及竞争分析、流量运营分析、产品运营分析、消费者运营分析及商务报告的撰写等。 本书既可以作为高等院校电子商务专业、商务数据分析与应用专业、大数据分析与应用专业等本专、科学生的专业课教材,也可以作为实务工作者学习电子商务数据分析的基础知识以及报考商务数据分析相关资格证的参考用书。
Python从入门到项目实战(全程视频版)》是一本系统讲解Python完整编程语法和实战开发应用的程序设计图书。全书分为三篇,基础篇讲解了Python的起源、发展现状、开发环境搭建、基础语法、程序逻辑结构、序列、函数、模块、PyCharm开发工具等内容;进阶篇分析了类与对象、继承与多态、特殊方法、装饰器、异常处理、程序结构扩展、程序测试等内容;实践篇详解了并发编程、IO编程、网络编程、数据库编程、图形界面、网络爬虫、Flask等编程的开发应用。本书知识体系详尽全面,实例丰富,基础知识的讲解辅以大量图文解析,实例代码均给出了详细注解,帮助读者迅速领悟编程思想和掌握编程的核心知识,快速提高Python程序开发的实战技能。另外,本书对关键知识点设置了“提示”“提问”“注意”等模块,可帮助读者扫除知识盲点,快速掌握开发精髓与技术
内容提要本书逐层深入地介绍了Python的核心开发技术,并通过具体实例演练了各个知识点的使用流程。全书共10章,分别讲解了正则表达式、网络编程、多线程开发、Tkinter图形化界面开发、数据持久化、Pygame游戏开发、数据可视化、DjangoWeb开发、FlaskWeb开发和网络爬虫开发等知识。全书简洁而不失技术深度,内容丰富,以通俗易懂的文字介绍了复杂的案例,易于阅读。本书适用于已经了解Python基础语法的读者,以及希望进一步提高自己Python开发水平的读者,也可以作为大专院校相关专业的师生用书和培训学校的专业性教材。
书中描述了Python程序的基本构件:类型、操作符、语句、函数、模块、类以及异常,此外还介绍了更多高级主题,包括复杂的实例,最后讲述了如何使用Python定制库来创建大型程序。
《Python算法指南:程序员经典算法分析与实现/清华开发者书库》以人工智能发展为时代背景,通过实际案例应用描述算法,提供了较为详细的实战方案,以便深度学习。 《Python算法指南:程序员经典算法分析与实现/清华开发者书库》内容从算法上分为数学、搜索、回溯、递归、排序、迭代、贪心、分治和动态规划等;从数据结构上分为字符串、数组、指针、区间、队列、矩阵、堆栈、链表、哈希表、线段树、二叉树、二叉搜索树和图结构等。 《Python算法指南:程序员经典算法分析与实现/清华开发者书库》针对经典算法,结合相关的数据结构,将描述问题、问题示例、代码实现以及运行结果相结合,语言简洁,深入浅出,通俗易懂,不仅适合对Python编程有兴趣的科研人员,也适合作为高等院校的参考教材。
本书从文本数据具有的特点以及文本挖掘具有的价值和意义开始,讲解了文本数据的获取和预处理的方法(包括中英文的文本预处理),给出了文本向量化表示方法。本书从统计机器学习方法和深度神经网络两个角度,介绍了包括向量空间模型以及词、句子和文档级的分布式表示;针对文本分类问题,介绍了传统文本分类方法、深度神经网络分类方法(多层感知机文本分类、卷积神经网络文本分类和循环神经网络文本分类)和文本分类的评价指标;针对文本聚类,包括文档相似度度量方法,介绍了基于划分、层次、密度的基础性聚类算法,以及谱聚类等高级聚类方法和文本聚类的评价指标;在理论学习的基础上,介绍了文本主题的挖掘技术,包括潜在语义分析、非负矩阵分解、概率潜在语义分析和潜在狄利克雷分布等;最后从文本内容、主题和基于时间信息三个方面介绍