一步到位！Python 程式設計 – 最強入門教科書, 4/e
陳惠貞
買這商品的人也買了...
-
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
必學！Python 資料科學‧機器學習最強套件 － NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras$680$537 -
Python 資料科學自學聖經：不只是建模！用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔)$580$458 -
數位影像處理－Python 程式實作, 3/e (附範例光碟)$600$540 -
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模，數據工程一次搞定！$680$537 -
Fundamentals of Electric Circuits, 7/e (Paperback)(Annotated Edition)$1,350$1,323 -
C# 最強入門邁向頂尖高手之路王者歸來$980$774 -
Raspberry Pi 4 最佳入門與實戰應用, 3/e$500$395 -
基礎電磁學$560$504 -
一本精通 - Python 範例應用大全：Python 詳細語法教學 & 100+ 個 Python 範例$880$695 -
流暢的 Python｜清晰、簡潔、高效的程式設計, 2/e (Fluent Python: Clear, Concise, and Effective Programming, 2/e)$1,200$948 -
輕鬆自學 ASP.NET Core MVC(.NET 8)：從建置到部署的 Web 程式經典範例實作$780$616 -
史上最強 Python 入門邁向頂尖高手之路王者歸來, 3/e (全彩印刷)$1,200$948 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$748 -
重構：改善 .NET 與 C# 應用程式的設計，償還欠下的技術債 (使用 GitHub Copilot 與 Visual Studio) (Refactoring with C#: Safely improve .NET applications and pay down technical debt with Visual Studio, .NET 8, and C# 12)$850$663 -
超圖解電子電路入門：從電路的分類、元件功能到實際應用，一次學習到位！$400$316 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式$880$695 -
AI 時代 Math 元年 - 用 Python 全精通統計及機率 (黑白印刷)$1,200$948 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
從零開始學 Python 程式設計 (ChatGPT 加強版)(適用 Python 3.10 以上)$780$608 -
30天挑戰精通 PowerShell【第四版】：Windows、Linux 和 macOS 適用 (Learn PowerShell in a Month of Lunches: Covers Windows, Linux, and macOS, 4/e)$760$593 -
OpenAI API 基礎必修課 -- 使用 Python (GPT-3.5、GPT-4、GPT-4o、DALL·E、TTS、Whisper模型)$520$411 -
線性代數 (Larson: Elementary Linear Algebra, 8/e CUSTOM EDITION)$780$764
商品描述
內容介紹:
✧✦ AI 加持！初學 Python 的最佳教材，第一次寫程式就上手！ ✦✧
✧✦ 從基礎語法到資料科學應用，培養大數據分析的關鍵能力 ✦✧
身處在資料無所不在的世代，大量程式應用、科學運算、網路爬蟲、機器學習的需求應運而生，Python 就是目前處理大數據的最強工具。
大家都想學 Python，不過很多人完全沒有程式基礎，或者曾經半途而廢。本書以淺顯易懂的筆觸與大量的實例演練，引導你在動手寫程式的過程中學會 Python 的語法和程式邏輯，跨越初學者經常遇到的障礙，進入資料科學、機器學習與大數據分析的領域，再搭配 ChatGPT、Colab AI 等 AI 助理的輔助，讓寫程式變得更有效率！
☛ 清楚明瞭的語法教學，搭配 ChatGPT 輔助寫程式！
☛ 豐富滿點的實作範例，自己動手反覆練習最有感！
☛ 無縫接軌四大套件 NumPy、matplotlib、SciPy、pandas，資料處理、分析、運算，快人一等！
☛ 紮穩資料科學基礎，銜接機器學習最強套件 – scikit-learn
☛ 網路爬蟲必備套件 – Requests、Beautiful Soup
本書特色:
✯最易學習✯
沒學過程式設計或學到一半就放棄的都沒關係，本書從基礎的語法和程式邏輯開始，以淺顯文字及簡明程式，帶你快速學會 Python 在不同領域的應用。
✯豐富範例✯
本書提供豐富實用的範例，搭配各小節的隨堂練習和章末的學習評量，立即驗證學習成果，自學或課堂教學都適合。
✯最強應用✯
本書內容包含下列幾個資料科學與機器學習最強套件，有了這些基礎，日後你就可以進一步往資料科學、大數據分析、人工智慧等專業的領域發展：
▪︎ NumPy → 資料運算
▪︎ matplotlib → 資料視覺化
▪︎ SciPy → 科學計算
▪︎ pandas → 資料處理與分析
▪︎ Requests + Beautiful Soup → 網路爬蟲抓資料
▪︎ scikit-learn → 機器學習
目錄大綱
目錄:
▌Part1 基礎篇
第 1 章 開始撰寫 Python 程式
1-1 認識 Python
1-2 使用 Anaconda 開發環境
1-3 使用 Google Colab 雲端開發環境
1-4 Python 程式碼撰寫風格
1-5 程式設計錯誤
第 2 章 型別、變數與運算子
2-1 型別
2-2 變數
2-3 常數
2-4 運算子
2-5 輸出
2-6 輸入
第 3 章 數值與字串處理
3-1 數值處理函式
3-2 字串與字元
3-3 字串處理方法
3-4 數值與字串格式化
3-5 f-string 格式化字串實字
第 4 章 流程控制
4-1 認識流程控制
4-2 if
4-3 for
4-4 while
4-5 break 與 continue 敘述
第 5 章 函式
5-1 認識函式
5-2 定義函式
5-3 呼叫函式
5-4 函式的參數
5-5 函式的傳回值
5-6 全域變數與區域變數
5-7 遞迴函式
5-8 lambda 運算式
5-9 日期時間函式
第 6 章 list、tuple、set 與 dict
6-1 list (串列)
6-2 tuple (序對)
6-3 set (集合)
6-4 dict (字典)
第 7 章 檔案存取
7-1 認識檔案路徑
7-2 寫入檔案
7-3 讀取檔案
7-4 with 敘述
7-5 管理檔案與資料夾
第 8 章 例外處理
8-1 認識例外
8-2 try⋯except
第 9 章 物件導向
9-1 認識物件導向
9-2 使用類別與物件
9-3 繼承
9-4 多型
第 10 章 模組與套件
10-1 模組
10-2 套件
10-3 第三方套件
▌Part2 實戰篇
第 11 章 圖片處理與 QR 碼 – pillow、qrcode
11-1 使用 pillow 套件處理圖片
11-2 使用 qrcode 套件產生 QR code
第 12 章 陣列與資料運算 – NumPy
12-1 認識 NumPy
12-2 NumPy 的資料型別
12-3 一維陣列運算
12-4 二維陣列運算
12-5 通用函式
12-6 廣播
12-7 視點 (view) 與複本 (copy)
12-8 數學函式
12-9 隨機取樣函式
12-10 統計函式
12-11 檔案資料輸入/輸出
第 13 章 繪製圖表 – matplotlib
13-1 認識 matplotlib
13-2 繪製線條或標記
13-3 繪製長條圖
13-4 繪製直方圖
13-5 繪製圓形圖
13-6 繪製散佈圖
第 14 章 科學計算 – SciPy
14-1 認識 SciPy
14-2 統計子套件 scipy.stats
14-3 最佳化子套件 scipy.optimize
14-4 插值子套件 scipy.interpolate
第 15 章 資料分析 – pandas
15-1 認識 pandas
15-2 pandas 的資料結構
15-3 pandas 的基本功能
第 16 章 機器學習 – scikit-learn
16-1 認識機器學習
16-2 線性迴歸
16-3 邏輯迴歸
16-4 K-近鄰演算法
16-5 決策樹
16-6 隨機森林
第 17 章 網路爬蟲 – Requests、Beautiful Soup
17-1 認識網路爬蟲
17-2 使用 Requests 抓取網頁資料
17-3 使用 Beautiful Soup 解析網頁資料
第 18 章 AI 輔助寫碼 – ChatGPT
18-1 開始使用 ChatGPT
18-2 查詢 Python 語法與技術建議
18-3 撰寫 Python 程式、除錯與註解
18-4 與其它程式語言互相轉換
18-5 【實例演練】統一發票兌獎程式
