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。
本书是一本关于Python的基础性教材，侧重于建立正确而严谨的Python语法体系。全书共6章，分为三篇: 启蒙篇（章），主要为读者介绍Python的对象和变量的正确概念，随后介绍运算符、模块与函数的基本概念和用法，为后面的学习打下一个良好的基础；核心篇（第2～4章），介绍Python结构化编程（流程控制、函数、命名空间与作用域）、Python函数式编程和Python面向对象编程；扩展篇（第5、6章），介绍Python构造化数据类型的用法以及应用开发方法。 本书以凸显Python最本质化的特色为宗旨，力求结构合理、概念清晰、例题恰当，满足高等学校相关专业教学或自学需求，也可供相关技术人员参考和专业培训使用。
《计算思维与Python编程》以教授的计算思维为目标。全书共18章。首先介绍了Python编程的基础知识，包括变量和算术计算、集合与函数、循环、字符串、列表、字典、海龟绘图、序列等知识；然后深入介绍了专门的数学知识，包括奇偶校验、计数、概率、向量和矩阵、递归、图、数论和密码学，并且结合Python编程来解决各个领域中的特定问题。附录部分给出了Python编程相关参考资料。 本书适合作为计算机相关专业的Python程序设计和计算思维的课程教材，也适合想要学习计算思维和Python编程的读者包括中学生阅读参考。
本书内容紧跟Python数据分析与可视化的前沿应用，以问题为导向，采用任务驱动式教学法，按照“岗课赛证”深度融通的近期新要求重构课程内容，将数据分析与可视化的相关知识点有机融入项目内。本书以“在实践中学习，在实践中提升”为理念，所有项目内容由真实案例改编。通过学习，学生可以掌握数据获取、数据清洗、数据处理、数据统计分析、数据可视化的基本思想和方法。本书作者团队拥有丰富的实战和教学经验，在教材内容设计中能够精准把握高职学生认知规律与兴趣点；教材内容由易到难、由单一到综合，兼顾初学者与进阶者的不同需求。
《Python数据分析与可视化》介绍了数据分析的各主要流程，并引入了6个完整的数据分析案例。 《Python数据分析与可视化》从理论和案例两个角度对数据分析与可视化以及Python的工具进行了介绍，采用理论分析和编程实践相结合的形式，按照数据分析的基本步骤介绍了数据分析的理论知识，并对相应的Python库进行了详细介绍，让读者在了解数据分析的基本理论知识的同时能够快速上手实现数据分析的程序。 《Python数据分析与可视化》适合Python语言初学者、数据分析从业人士以及高等院校计算机、软件工程、大数据、人工智能等相关专业的师生使用。 《Python数据分析与可视化》配有授课电子课件，需要的教师可登录，，或。
本书从属于“本科公共计算机系列规划教材”，全书共有11章，主要介绍了Python语言的程序设计方法，并按照循序渐进的原则，采用程序带动语法的方式，引导读者在实践中掌握核心编程思想，有助于读者提高编程及应用开发能力。本书各章内容前后衔接、深入浅出。选用了大量的程序设计语言经典实例来讲解程序设计的方法，每章配有课后习题供读者练习。 本书实例丰富、内容通俗易懂，可作为高等学校本科生教材，也可作为计算机等级考试的参考内容，还可供Python语言爱好者和相关领域的工程技术人员学习参考。
本书较为系统地介绍了非线性化的基本理论、方法及其 Python 程序设计, 主要内容包括线搜索方法、梯度法和牛顿法、共轭梯度法、拟牛顿法、信赖域方法、非线性二乘问题、 约束优化的性条件、罚函数法、可行方向法、二次规划问题的解法、序列二次规划法等。书中配有丰富的例题和习题, 同时简要介绍了Python 软件的安装和Python 程序的基本编写方法。本书既注重计算方法的实用性, 又注意保持理论分析的严谨性, 强调化理论、方法及其Python 程序的实现。本书的主要阅读对象是数学与应用数学、信息与计算科学、数据科学与大数据技术等相关专业的本科生, 应用数学、计算数学、运筹学与控制论专业的研究生, 理工科有关专业的研究生, 以及对化理论与算法感兴趣的教师及科技工作人员。
![【正版】 Bootrap实战 [荷兰]巴斯·乔布森（BaJobe）[美]戴维·科克伦 人民邮电出版社 978711551](http://img3m7.ddimg.cn/92/22/11886505877-1_l.jpg)
本书主要从零基础读者的角度出发，通过简单易懂的语言讲解知识，内容图文并茂，知识点由浅入深，案例充足，让读者通过课后习题巩固所学知识点。全书共分为12章，内容主要包括Python环境搭建、Python变量命令规范、Python中的各类数据类型、流程控制语句、继承、多态、类与方法、文件的读写、文件的缓存、文件的编码、正则表达式、栈、堆、链表、树、查找算法、排序算法、递归算法和五子棋对战项目等。本书配有丰富的课后习题，能快速帮助读者提高编程水平，提升对问题的思考能力和解决能力。
本书展示如何用Python程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括：Python基础知识介绍、CSV文件和Excel文件读写、数据库的操作、示例程序演示、图表的创建，等等。
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。
本书为1 X职业技能等级证书配套系列教材之一，以《数据应用开发与服务（Python）职业技能等级标准（中、）》为依据，由北京中软国际信息技术组织编写。 本书采用项目化编写模式，共分为5个项目：项目1介绍多源数据采集与存储，主要利用Python语言对不同数据源的数据进行采集；项目2介绍数据处理，从数据探查、数据清洗和转换、数据取样以及数据检验4个方面演练典型的数据处理方法；项目3介绍数据建模与性能评估，在熟悉数据含义并对数据进行预处理的基础上，构建并训练如回归、分类和聚类等机器学习模型，并对未知数据进行预测；项目4介绍特征选取与模型优化，使用Python语言调用sklearn库函数实现特征提取与模型优化；项目5介绍模型应用开发，实现端到端的数据应用开发与服务，并且侧重于将模型集成到一个完整的应用程序中。全书通过构建42个
