机器学习作为实现人工智能的方法，是一种让计算机具备学习能力的数理技术。本书就以Python为工具，结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法，以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础，介绍了一些应用于实际问题的例子。 本书以解说实例源码为中心，特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习，也适合将机器学习技术应用于实际业务的工程师参考。

本书通过全彩图解 视频讲解的形式，介绍了Python编程入门及应用的相关知识，主要内容包括：Python编程环境安装与运行、Python中的数字运算、Python中的数据类型、输入输出与文件操作、条件与循环语句、函数与库、Python的OS、Python的命名空间与生命周期，以及Python五子棋项目实例、Python实现简易计算器、Python嵌入式实例 机器视觉等综合案例的开发。本书内容循序渐进，讲解通俗易懂，书中重难点章节配套视频讲解，扫码即可随时观看，同时提供源程序，方便学习实践。本书适合Python初学者、热爱编程的青少年朋友自学使用，也适合中小学信息技术课堂或相关培训机构用作教材。

有限元是当今工程分析中应用*广泛的数值计算方法。本书以结构分析为主题，介绍了基于Python的有限元分析开源框架（被作者命名为Feon）的搭建过程和扩展方法。本书分为5章，主要内容包括Python、Numpy（Python著名的矩阵运算包）和Matplotlib（Python著名的二维绘图包）简介，Feon的框架及结构分析子包Feon.sa（structural analysis）的搭建过程，Feon中自带单元的定义和应用，如何自定义单元、求解函数（以计算结构动力学频率和振型为例）及子包（以渗流分析为例，定义子包ffa（fluid flow analysis）），以及Python进行有限元编程方面的建议。书中所有的程序均在Python 2.7上测试通过。

内容简介： 本书是一本面向初学者的Python基础性教程，分别从 程序是什么 开始Python的学习 编写Python程序时的规则 构成程序的基本功能 试着编写猜数字游戏 将猜数字游戏图形化 类和对象 试着使用扩展模块 8章对Python语言进行由浅入深的讲解，令Python初学者带着兴趣去学习。本书语言生动、版式设计活泼，通过讲解一段语法后进行编写示例的形式，能够让初学者加深理解。 本书适合对Python感兴趣的零基础的读者阅读和学习，也适合相关培训机构作为教材使用。

编程已经成为21世纪人们应掌握的一项重要技能，随着人工智能技术的发展以及STEAM教育理念的推广和普及，青少年编程市场也越来越火热，学习编程可以锻炼孩子的逻辑思维能力。 Python作为时下*流行的编程语言，语法简洁清晰，应用广泛，特别适合初学者学习编程使用。本书通过生动有趣的例子、通俗易懂的语言，介绍了Python编程的基本方法和技巧，主要包括编程环境、变量、语法等基础知识，选择结构、循环结构、函数、对象、模块、海龟绘图等进阶知识，并通过实际案例加以运用；【资料卡片】和【动手试试】等环节有助于将所学延伸拓展，举一反三。 本书非常适合6～14岁的孩子作为编程入门读物学习使用，家长带着孩子一起边学边实践，更能带来一段高质量的亲子陪伴时光。

本书通过以Pandas实现的精彩的数据分析项目，来讲解大数据相关的主题及概念。通过学习本书，读者可以根据项目的大小及类型来评估自己的项目是否适合使用Pandas库。本书对如何在Pandas中高效地加载及标准化数据进行了解读，并回顾了一些常用的加载器及它们的一些**威力的选项，从而读者可以学会如何高效地存取及转换数据、使用什么方法、什么时候采用或回避一些更高性能的技术。本书还将带读者用心思考Pandas中基本的数据访问及维护，以及直觉字典语法。本书适合作为Python数据分析学习者及相关从业人员的参考用书。

本书介绍了如何应用Python结合语言人文学科进行编程思维的培养，还分别结合语言文字的语义识别、诗词文体的聚类分析、知识图谱的构建、词云分析等主题进行了人工智能相关知识的阐述及应用。全书分为10章。第1章介绍使用计算机绘图模块呈现课文描述的语言场景。第2章介绍使用计算机语义识别技术识别图像。第3章介绍通过计算机聚类算法对不同的诗歌类别进行聚类。第4章介绍通过文本存取和随机匹配算法编写诗词大赛的随机组卷程序。第5章介绍通过Python构建诗歌相关信息的知识图谱，帮助读者进行自学与记忆。第6章介绍通过Python进行音频播放器的程序设置，进而便于学习与不断训练标准的朗诵技巧。第7章介绍通过Python实现课文的中英文互译。第8章介绍通过Python实现作文素材的收集与整理。第9章介绍通过Python的Qt界面实现简易的文本剪辑器，实现文本的

.

本书介绍了大数据处理中的数据采集、数据存储、数据预处理、数据分析与挖掘等内容，还介绍了使用Python语言进行大数据处理的方法。全书共8章。第1章简要介绍大数据的概念、大数据处理的过程和涉及的不同方面，以及使用Python解决大数据问题的优势。第2章介绍如何安装和准备Python编程环境，包括编译器、集成开发环境(IDE)的安装，以及第三方包的管理和安装方法。第3章介绍获取数据的方法，即如何使用爬虫技术从网站获取网页，并通过解析网页获取其中的数据。第4章介绍数据存储和使用的方法，包括操作常见类型文件的方法，以及操作关系型数据库和NoSQL数据库的方法。第5章介绍如何使用NumPy和Pandas操作数组、矩阵以及如何使用其中的随机数功能。第6章介绍数据预处理的概念，并介绍数据清洗、数据集成、数据转换和数据规约的方法。第7章介绍数据挖掘

全书共9章。第1章讲解Python开发环境的搭建与使用，标准库与扩展库对象的导入与使用，以及Python代码编写规范。第2章重点讲解内置函数和运第符的使用。第3章讲解选择结构、循环结构、异常处理结构的语法与应用。第4章讲解列表常用方法、列表推导式和切片的语法与应用、元组与生成器表达式、序列解包等内容。第5章讲解字典与集合的创建与使用。第6章讲解字符串常用方法，标准库string、zlib、json的基本用法，以及中英文分词、中文拼音处理、简体中文与繁体中文的转换。第7章讲解函数定义与调用的语法，位置参数、默认值参数、关键参数和可变长度参数的使用，变量作用域的分类与搜索顺序，lambda表达式语法与应用、生成器函数和修饰器函数的定义与应用。第8章讲解文本文件和二进制文件内容读写以及文件复制、移动、重命名、删除、查看属性、文件夹

本书是针对数据结构初学者编写的基础教程，书中详细介绍了数据结构常用的基本理论知识，同时提供了大量的应用实例，有助于初学者对知识的理解和掌握。全书共分8章：绪论、线性表、栈和队列、字符串和数组、树和二叉树、图、查找、排序等。 本书内容实用，结构清晰，实例丰富，可操作性强，可作为高等学校数据结构的教材，也可作为计算机相关专业的培训教材和自学教材。 本书免费提供电子教案，读者可扫描本书封底的二维码即可获取。

本书通过以Pandas实现的精彩的数据分析项目，来讲解大数据相关的主题及概念。通过学习本书，读者可以根据项目的大小及类型来评估自己的项目是否适合使用Pandas库。本书对如何在Pandas中高效地加载及标准化数据进行了解读，并回顾了一些 常用的加载器及它们的一些 威力的选项，从而读者可以学会如何高效地存取及转换数据、使用什么方法、什么时候采用或回避一些 高性能的技术。本书还将带读者用心思考Pandas中基本的数据访问及维护，以及直觉字典语法。 本书适合作为Python数据分析学习者及相关从业人员的参考用书。

Python作为一种解释型的编程语言，具有简单、优雅的设计风格和功能强大的扩展库， 适合海量数据的处理，已成为各行业大数据技术革新的基础性工具。本书系统讲解Python的基础知识和程序设计方法，全书共15章。 ～8章为基础篇，介绍程序设计的基本控制结构，以列表、元组、字典、集合为代表的各类数据结构，函数、字符串与正则表达式的使用方法，面向对象方法、文件及异常处理等基础知识；第9～15章为进阶篇，介绍类的成员访问方法、迭代器与生成器，采用wxPython的GUI编程方法及NumPy、SciPy、Matplotlib、Pandas的科学计算与可视化方法，同时采用进程、线程、协程实现并发处理，利用DBAPI、ORM对象关系映射实现数据库编程。此外，网络程序设计部分主要介绍网络爬虫、Web应用开发，大数据处理部分介绍函数式编程与MapReduce模型。 本书涵盖Python程序设计的基本

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 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。

贝叶斯统计是和基于频率的传统统计（频率派统计）不同的一套关于统计推断或决策的理论、方法与实践。本书除了介绍贝叶斯统计的基本概念之外，还介绍了各种贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法，并基于数据例子来介绍如何通过各种软件实现数据分析。本书使用的软件是以R为平台的Stan和以Python为平台的PyMC3，它们都是人们喜爱的基于MCMC和C++编译器的贝叶斯编程软件，相信读者能够通过实践掌握它们。 本书将使对贝叶斯统计感兴趣的广大群体获得强有力的计算能力，以发挥他们无穷的想象力和创造力。

本书介绍了大数据处理中的数据采集、数据存储、数据预处理、数据分析与挖掘等内容，还介绍了使用Python语言进行大数据处理的方法。全书共8章。第1章简要介绍大数据的概念、大数据处理的过程和涉及的不同方面，以及使用Python解决大数据问题的优势。第2章介绍如何安装和准备Python编程环境，包括编译器、集成开发环境(IDE)的安装，以及第三方包的管理和安装方法。第3章介绍获取数据的方法，即如何使用爬虫技术从网站获取网页，并通过解析网页获取其中的数据。第4章介绍数据存储和使用的方法，包括操作常见类型文件的方法，以及操作关系型数据库和NoSQL数据库的方法。第5章介绍如何使用NumPy和Pandas操作数组、矩阵以及如何使用其中的随机数功能。 第6章介绍数据预处理的概念，并介绍数据清洗、数据集成、数据转换和数据规约的方法。第7章介绍数据

Python作为一种解释型的编程语言，具有简单、优雅的设计风格和功能强大的扩展库， 适合海量数据的处理，已成为各行业大数据技术革新的基础性工具。本书系统讲解Python的基础知识和程序设计方法，全书共15章。 ～8章为基础篇，介绍程序设计的基本控制结构，以列表、元组、字典、集合为代表的各类数据结构，函数、字符串与正则表达式的使用方法，面向对象方法、文件及异常处理等基础知识；第9～15章为进阶篇，介绍类的成员访问方法、迭代器与生成器，采用wxPython的GUI编程方法及NumPy、SciPy、Matplotlib、Pandas的科学计算与可视化方法，同时采用进程、线程、协程实现并发处理，利用DBAPI、ORM对象关系映射实现数据库编程。此外，网络程序设计部分主要介绍网络爬虫、Web应用开发，大数据处理部分介绍函数式编程与MapReduce模型。 本书涵盖Python程序设计的

“Python程序设计”是一门理论性和实践性都很强的课程。本书由浅入深、循序渐进地讲述了Python程序设计的基本概念和基本方法，具有较强的系统性、可读性、可操作性和实用性。本书主要内容包括初识Python，Python语法基础，赋值语句与分支结构，循环结构与print语句，字典与集合，序列与迭代，函数，模块，字符串与文件，面向对象程序设计，对象的封装、继承与多态以及综合案例分析。 本书结构合理，内容翔实，论述准确，注重知识的层次性和技能培养的渐进性，并配以丰富的实例，每章均附有课后习题和编程实训，可作为应用型本科院校、高职高专院校计算机及相关专业的教材，也可作为编程人员的自学书籍。