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

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。

本书讲解软件架构系统各方面的内容，从顶层设计到用于支持高层功能的低层细节。本书首先介绍软件架构的含义并给出简单的设计示例，之后分为四个部分涵盖软件开发生命周期中的各个阶段：讨论构成系统的每个组成单元的一般性原则及其核心内容；重点介绍一些成功的架构模式，包括它们的优势和局限性；阐述如何进行软件测试以及如何构建和共享代码；讲解持续运维，涵盖日志、系统度量、性能分析、代码调试和架构调整等内容。本书将帮你形成架构思维，了解软件开发的思路和项目中要考虑的重点问题。

这是一本讲解如何使用Python 进行系统化图形引擎开发的图书。本书基于作者长期从事图形引擎开发工作的经验，结合简单易懂的Python 语言和PyOpenGL 模块，通过对引擎开发知识由浅入深的编排和讲解，让广大对图形学感兴趣的"小白 开发者一步步掌握图形引擎的开发流程和实现原理，并在这个过程中熟练掌握OpenGL，进而有能力基于各种开发语言进行图形引擎的开发工作。 本书结构紧凑、内容翔实、由浅入深，是学习、掌握图形引擎开发入门知识的重要参考书。

本书是一本专门面向工程相关专业读者的编程类技术图书，主要介绍如何使用Python来解决工程问题。书中涵盖了如何编码几何基元、读写文件、绘制矢量图并制作动画来展示运算结果，以及求解大型线性方程组，并在最后整合所有知识，搭建了一个求解桁架结构问题的应用程序。本书适合任何有一定专业背景并且想通过编程来解决工程问题的读者阅读，同时适合工程相关专业的学生作为参考。具有线性代数、平面几何和物理学的基础知识，并了解材料力学和数值方法的原理会比较有帮助。

本书详细地介绍了Python语言的一些高级功能以及常见数据类型的高级用法，非常适合有一定基础的读者深入学习Python编程。本书的主要内容包括常见内置类型（数值、字符串和集合等）的高级用法和潜在的陷阱，用于文本处理的格式化方法和正则表达式，用于数值计算和大规模数据处理的math包和numpy包等。此外，文件存储、随机数生成和图表绘制也是本书的重要内容。本书还开发了一个 RPN脚本解释器 项目，该项目贯穿本书的各个章节，通过对该项目的学习，你也可以开发出自己的 语言 。

nbsp nbsp《Python机器学习一本通》结合了Python和机器学习两个热门领域，通过易于理解的知识讲解，帮助读者学习和掌握机器学习。 全书共20章，分为5篇。其中第1篇为基础入门篇，主要讲述Python机器学习入门、设置机器学习的环境、机器学习基础和统计分析数学基础等内容；第2篇为数据预处理篇，主要讲述了产生和加载数据集、数据预处理等内容；第3篇为机器学习算法篇，主要讲述了回归分析、决策树分析、支持向量机、聚类分析、集成学*、*经网络学习、卷积网络学习和模型评价等内容；第4篇为机器学习应用篇，主要讲述了图像识别、语音识别、期刊新闻分类和图形压缩4个机器学习应用；第5篇为项目实战篇，主要讲述了社交好友分析、电商点击率预估等。 《Python机器学习一本通》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器学习

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。

Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。 本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延

Python是一种面向对象、解释型计算机程序设计语言。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C ）很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C 重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。本书讲述Python技术。

Python最近在TIOBE排行榜上被评为当今最受欢迎的编程语言，这尤其要感谢这门语言在设计、原型、测试、部署、维护方面所展现出来的广泛适用性。在本书最新的第4版中，无论是专业程序员还是需要使用Python来解决特定领域问题的人，都将学会如何将Python发挥到极致。 由公认的Python专家精心策划，新版专注于3.10版本，完全展现了Python语言取得的最新开创性成果，涵盖了最近发布的Python 3.11。

本书介绍了如何使用 Python 实现企业级的大数据全栈式开发、设计和编程工作，涉及的知识点包括数据架构整体设计、数据源和数据采集、数据同步、消息队列、关系数据库、NoSQL 数据库、批处理、流处理、图计算、人工智能、数据产品开发。 本书既深入浅出地介绍了不同技术组件的基本原理，又通过详细对比介绍了如何根据不同场景选择实践技术方案，并通过代码实操帮助读者快速掌握常用技术的应用过程，后通过项目案例介绍了如何将所学知识应用于实际业务场景中。

Python是众多研究人员眼中的一流工具，主要原因在于它所提供的可用于存储、操作、洞察数据的各种库。数据科学堆栈的各个部分都存在多种资源，但只有本书的新版将它们汇集于一处，包括IPython、NumPy、pandas、Matplotlib、Scikit-Learn以及其他相关工具。 熟悉阅读和编写Python代码的在职科技人员和数据处理人员会发现这份全面的案头参考书的第二版非常适合处理各种日常问题：数据的操作、转换、清理；不同类型数据的可视化；使用数据建立统计或机器学习模型。一句话，这是Python科学计算的参考。