本书作者不吃西红柿、川川都是在CSDN等专业网站拥有全网50万粉丝的专业级博主，意见领袖。本书从基础知识到案例实战，200多个案例代码，近200个知识。
本书以轻松幽默的语言，从零始介绍Python语言。书名来源于编程语言中最经典的Hello World程序，寓意带读者从门到精通。 书中每章都设有总结与扩展和同步练习，以及若干训练营，旨在通过综合案例巩固知识。本书还提供配套代码、课件、答疑服务，以及视频来辅助学习。 本书全彩印刷，目录采用幽默风格命名，使用漫画角色对话的形式讲解知识，以吸引读者学习兴趣。 无论您是编程新手，还是有经验的程序员，本书都将以浅显易懂的方式，带您掌握Python语言实用技能。您只要耐心学习践行，必将收获满满，现在请您始Python编程之旅吧！
本书并非关于Python知识的一站式全面指南，而是以Python的核心编程范式为主线，从生成器、推导式等基础工具切，逐步深到装饰器、魔术方法等高级特性，为读者面向对象编程的全新视角，旨在传授Python相关技术、模式和工具，让读者的Python编程技能实现质的飞跃。书中精心设计的实战案例贯穿始终：从文本处理中的生成器组合，到工厂模式在框架设计中的应用，再到日志系统的企业级配置，每个章节都将理论与实践完美结合。具体内容包括如何使用生成器行扩展、如何使用推导式创建集合，以及高级函数、装饰器、异常和错误、类和对象、自动化测试、模块管理、Python日志等。
（1）作者背景资深：作者是资深Python技术专家和数据产品专家，在Python数据科学领域有丰富的实战经验。 （2）重新定义Python学习：规避了现有Python门书知识杂而不精、内容脱离实际发需求、详略设置不合理、学习曲线过于陡峭、案例过于炫技等弊端。 （3）人人可零基础门，不论年龄，不分职业，不需要任何背景知识。 （4）结构设计合理、学习曲线平滑，轻松牢Python基础，快速把Python用起来。 （5）4步从菜鸟到高手：安装环境、运行代码、复现案例、举一反三。 （6）图解书中难和重，清晰直观，一图胜千言。 （7）代码简洁，变量命名简单，代码逻辑清晰，避免晦涩难懂术语。 （8）知识全面，详略得当，涵盖最新的语言特性。 （9）面向应用，讲解第三方库，配有经典、实用案例。 （10）配套视频：100个视频，近10个小时，边看边学，轻松愉快 （11）实
1）国内为数不多的专门针对策略发、策略部署上线、策略效能评估和调优全流程体系，作者提出了自己的一整套相对比较完备的方法论。 2）基于完备的策略方法论，从实战出发，提供了数千行的Python代码，这些代码均是作者在多年的风控策略工作中为解决真实风控问题而总结和沉淀的，在实际工作中均能用到。
本书是一本全面介绍自然语言理解技术的实用指南，涵盖自然语言理解的常用技术和众多资源。书中不仅通过实际示例逐步解释自然语言理解方面的基本概念、常用技术及其应用方法，还详细讲解了每种技术的适用场景。此外，本书还介绍了实用的自然语言理解Python库，以及常见问题的解决方案，如数据收集、系统评估以及自然语言理解应用程序的部署等。通过阅读本书，你将熟悉自然语言理解、深度学习和大语言模型方面的基础知识，并掌握足够的技能，可以将所学知识应用于自然语言理解学术研究和实际的应用项目中。
Python架构模式:精通基于Python的API设计、事件驱动架构和包管理
发规模和复杂性不断增长的大型系统需要深刻理解软件项目的实施过程。软件发人员、架构师和技术管理团队遵循高级软件设计模式（如微服务架构、事件驱动架构，以及领域驱动设计规定的策略模式），可以简化发过程。 本书涵盖了这些成熟的架构设计模式，并以前瞻性的方法帮助Python发人员管理复杂应用程序的发，令其从Python测试套件中获取最大价值。 本书从系统设计的起始阶段始，让你了解软件发的思路和项目中要考虑的重问题。书中阐述了各种架构模式，如微服务、Web服务和事件驱动架构，以及如何选择最适合你的项目的模式。然后，在建立相关概念的基础上，讨论如何行发、调试和测试，以编写高质量的代码，并为系统部署做好准备。此外，本书还讲解了当系统部署到最终用户之后如何实现持续运维，因为软件发的生命周期永无止境。 学完本书，你将
（1）作者背景资深：作者是泰迪科技董事长，在大数据、数据挖掘、数据科学、人工智能领域有20余年数据挖掘教学、科研和项目实战经验。（2）以实战为导向：不似传统门书“理论+实践”的风格，而是用11个综合案例为驱动，将数据挖掘的技术、流程、方法融实战案例中。（3）源于经典赛事：本书11个案例精选自数据挖掘领域知名赛事“泰迪杯”，该赛事已举办10届，1500余所高校的10余万师生参赛。（4）配套资源丰富：本书提供建模平台、视频讲解、习题及答案、作者答疑、数据文件、程序代码、教学课件、模型服务、教学平台、就业推荐等10项超值服务。
数据无处不在，它们蕴含着独特的信息和有价值的故事，本书将帮助你发掘它们。无论你已经始处理数据，还是想要学习如何处理数据，都能通过本书中的示例与技术学会更好地清洗、评估并分析数据，以形成有意义的洞见，并制作出有说服力的可视化图表。 作者既讲解了基本概念，也给出了专业建议，并且提供了相应的资源来帮助大家学会提取、评估并分析各种数据源和数据格式。另外，作者还讲解了相应的工具，让你能够有效地与他人交流，让对方了解自己通过分析这些数据所得到的观。本书没有艰深的术语，适合各种水平的数据从业者阅读，无论你是纯粹的新手还是有经验的专业人士，都可以通过本书学会如何驾驭数据。 通过学习本书，你将： ? 使用Python 3.8以上的版本读写和转换各种来源的数据。 ? 理解并使用基本的Python编程技术来整理大规模的数据。 ?
作者背景资深：作者是云计算、大数据和AI领域的知名专家，云创大数据总裁、中国大数据应用联盟人工智能专家委员会主任。 写作经验丰富：作者团队写作经验丰富，不仅深谙数据挖掘技术和金融行业，而且有丰富的出版经验，能准确把握读者需求。 零基础快门：即便读者没有Python经验，没有数据挖掘和分析经验，也能快速掌握常见金融应用场景的数据挖掘和分析。 实战性强：本书配有大量精心设计的案例、讲解视频、实现代码、数据资源、习题及其答案。
Python机器学习:基于PyTorch和Scikit-Learn
Python深度学习 四大名著 之一全新PyTorch版 PyTorch核心维护者Dmytro Dzhulgakov亲笔作序推荐 从初学者角度，带你全面了解现代机器学习技术并从零始动手实践
以ChatGPT为代表的大模型产品对初级程序开发人员提出了挑战，要想在开发领域站稳脚跟、有发展，必须掌握更高级的技巧和能力。对于Python开发人员来说，高并发、高性能开发无疑是未来必须走的进阶之路。本书可以帮助Python初级码农向高手进阶，帮助所有Python从业者摆脱因ChatGPT等产品带来的职业危机。书中不仅对Python*备基础知识进行了解读，对所有的Python高级特性进行原理级剖析，还囊括了大量指导实践的内容，可以帮助读者真正实现高并发、高性能编程。
借助Python、深度学习和时间序列数据，你可以预测未来！时间序列预测是一种以时间为中心的数据建模技术，用于识别即将发生的事件。新的Python库和强大的深度学习工具使准确预测时间序列比以往任何时候都更容易。 本书教你如何从基于时间的数据（例如日志、客户分析和其他事件流）获得即时、有意义的预测。作者通过带注释的Python代码全面演示用于时间序列预测的统计和深度学习方法，并通过一些项目（比如预测未来的药物处方数量）来帮助你巩固和拓展所学知识，提升预测技能，有效解决实际问题。 本书涵盖： ·为季节性效应和外部变量创建模型。 ·用多元预测模型来预测多元时间序列。 ·用于大规模数据集的深度学习。 ·自动化预测过程。 本书适合熟悉Python和TensorFlow的数据分析师和数据科学家阅读。
强化学习(RL)是用于创建自学习自主智能体的人工智能方法。本书基于强大的理论基础，采用实用的方法来研究强化学习，并使用受现实世界中商业和行业问题启发的实际示例来教授先的强化学习知识。 本书首先介绍老虎机问题、马尔可夫决策过程和动态规划，带你深了解经典强化学习技术，包括蒙特卡罗方法和时间差分学习方法。然后，你将了解深度Q-学习、策略梯度方法、Actor-Critic算法、基于模型的方法以及多智能体强化学习。下来，本书将介绍一些成功的强化学习实现背后的关键方法，例如，域随机化和好奇心驱动的强化学习。 随着学习的深，你将使用现代Python库（例如，TensorFlow和Ray的RLlib包）探索许多具有高级实现的新颖算法。你还将了解如何在机器人、供应管理、市场营销、金融、智慧城市与网络安全等领域应用强化学习技术，同时评估不同方法的利弊
（1）作者是有10余年数据分析与数据化运营经验的大数据专家，在国内外企业都工作过，经验丰富。 （2）作者善于总结和写作，乐于分享，撰写数据分析类 畅销书3部。 （3）本书与同类书*大的不同在于，并不只有纯粹的关于数据分析技术和工具的讲解，而且还与数据使用场景深度结合，在业务上真正可指导落地。 （4）新版除了Python更新到了*新版外，具体内容上做了大幅度的补充和优化，整体篇幅超过30%，详见前言。 （5）本书作者提供微信、邮箱等，可通过实时和离线两种方式及时为读者在线传道、受业、解惑。
（1）内容权威：谷歌面试官和OPPO高级研究总监联手造。作者基于亲身经验，有的放矢地解析数据结构、算法和系统设计3大核心技能面，筛选硅谷及国内科技巨头面试真题 （2）质量可靠：西北工业大学教授、美国乔治亚大学教授、华为专家、谷歌专家推荐。本书不仅透彻讲解常见的Python技术核心，还强调了重要而易被忽视的系统设计类题目， 用丰富实例造硅谷科技企业的Python面试秘籍。 （3）收获切实：通过阅读本书，你将：1）了解硅谷高科技公司以及国内科技大厂面试的流程；2）利用真题训练来巩固面试所需的基本技能；3）更好地准备科技大厂的面试，从而争取更高的待遇条件。
配套代码获取方式： 1、微信关注 华章计算机 2、在后台回复关键词：67845 1、便于自学。全书包含160个图表讲解，形象生动；在1-10章的每章结尾都提供数据科学门案例，让你边学边用。易错知识有特别提示。动态可视化效果提供更好的学习反馈。 2、标识清晰。关键术语加粗显示，Python代码以特殊字体显示； 3、示例全面。包括代码段和案例研究形式的538个实操示例； 4、Python知识覆盖范围广：控制语句、函数、字符串、文件、JSON序列化、CSV、异常； 5、数据科学门：人工智能、基础统计、模拟、动画、随机变量、数据整理、回归； 6、人工智能、云和大数据案例研究：自然语言处理、Twitter数据挖掘、IBM Watson、机器学习、深度学习、计算机视觉、Hadoop、Spark、NoSQL、IoT。
一本言简意赅、系统讲解Python编程基础、科学计算、数据分析的自学教程。 源自网上广受好评的 中文python笔记 ，知乎 如何系统地自学 Python？ 千万访问量答主自学Python的经验总结。 特别总结了Python多版本代码差异对比，配备全套数据集、源代码，方便使用者参考。
适读人群 ：本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。 本书第1版出版于2012年，彼时基于Python的源数据分析库（例如pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。 阅读本书可以学习使用Python对数据集行操作、处理、清洗和规整。第3版针对Python 3.10和pandas 1.4行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颖，非常适合刚始学习Python的数据分析师或刚始学习数据科学和科学计算的Python程序员阅读。读者可以从Git
中国运维领域偶像级专家、腾讯高级系统工程师在天涯社区和腾讯近10年运维实践的经验和智慧结晶不仅详尽介绍了服务监控、数据报表、系统安全等基础模块，而且深讲解了自动化操作、系统管理、配置管理、集群管理及大数据应用等高级功能，包含4个完整的综合案例
Python机器学习(微课视频版)——手把手教你掌握150个精彩案例
（1）《Python机器学习（微课视频版） 手把手教你掌握150个精彩案例》系统论述用Python语言行机器学习项目发的方法与技巧，内容涉及机器学习、大数据分析、自然语言处理等方面。 （2）柯博文老师（作者）长年在美国及中国各地教授Python、机器学习、人工智能等课程，积累了丰富的实战经验后才编著成书，书中内容也经过了业界*工程师学员的检验。书中程序均经过实际验证，读者可直使用或行二次发。 （3）在介绍与统计分析相关的机器学习数据分析的程序中，使用了大量的真实数据行分析和预测，具有极强的实用性和可信度。 （4）配套资源：程序代码和420分钟微课视频。
（1）作者背景权威：泰迪智能科技股份有限公司董事长，国家科技部入库技术专家、华南师范大学、中南财经政法大学等30余所高校兼职教授或硕导。（2）作者经验丰富：在大数据挖掘与分析领域有10余年工程实践、教学和创办企业经验，承担*项目1项，省部级项目4项；荣获中国产学研合作促进奖、数字信访重大突破奖、南方电网发明专利奖、省科技进步奖、省教学成果奖等10余项省部级奖项。（3）公认经典著作：院校师生和数据科学工作者公认的数据挖掘经典著作，是该领域的事实标准。（4）畅销书全新升级：前2版销售超过15万册，被国内100余所院校采用为教材，好评如潮。（5）配套资源丰富：提供数据文件、程序源码、教学课件、教学大纲等各种资源，便于读者自学和教学。
（1）作者经验丰富：作者是数据分析专家，在电商、美妆、餐饮等领域有丰富的数据分析经验，原创文章全网阅读量破100万。（2）深谙读者痛：十分了解数据分析师在思维、技能和业务等方面的学习痛，本书专门为此准备了一套“思维+技能+理论+实践”的方法。（3）以实用为本，聚焦重：Pandas数据分析常用的高频操作不到Pandas实际功能的20%，却能解决超过80%的问题。本书去繁就简，只专注于能解决大部分问题的重模块。（4）以实战制胜，案例牵引：书中包含大量实际案例，覆盖大部分数据分析场景，对这些案例抽丝剥茧，帮助读者在实战中获得通用方法和业务技能。（5）8个场景、8大案例、35万行数据集：针对报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大经典分析场景，用8大案例和超35万行数
Python是目前流行的编程语言，广泛应用在人工智能、大数据分析处理、机器学习与深度学习、金融量化交易、网络发、服务器编程、Web编程、运维自动化、物联网等领域。很多领域的新人都急切希望找到一本容易上手的Python门书。本书就是一本针对零基础读者的Python门书，书中所有的知识都通过小示例行讲解，引导读者快速掌握Python与网络爬虫编程技能，获得生产力。
（1）作者经验丰富：核心作者在大数据和人工智能领域有着超过20年的工作经验，实战经验非常丰富，其他几位作者也在大数据和人工智能领域颇有造诣。 （2）畅销书全面升级：第1版销量和口碑俱佳，是深度学习领域的畅销书，第2版根据TensorFlow新版本升级，技术性、实战性、针对性、易读性一步提升。 （3）TensorFlow领域事实标准：因为内容扎实、可读性强，第1版被读者誉为TensorFlow领域的标准著作，是读者的shou选。 （4）深度学习双子星：本书是《Python深度学习：基于PyTorch（第2版）》的姊妹篇，这两本书均是深度学习领域的畅销书。 （5）行谋划、通俗易懂：本书在内容的选择、安排和表现形式上精心谋划，目的是确保高质量内容的同时，让深度学习的学习门槛大大降低。
《Python 跨平台应用软件发实战》融合了软件行业资深技术专家多年一线工作经验，通过项目实战教你快速上手Python应用跨平台发，手把手步骤演练，结构紧凑、由浅深，详尽的代码、图文讲解，配套资源丰富。书中操作部分配有二维码视频，使读者身临其境，迅速、深地掌握各种经验和技巧。
为了使数据有用且有意义，必须对其行整理和提炼。本书将向你揭示这些过程背后的核心思想，并让你掌握该领域中流行的工具和技术的相关知识。 本书以Python为基础，重关注数据结构，然后深到数据整理的基本工具，如Numpy和pandas库。你将深了解为什么应该远离基于其他语言实现的传统数据清理方式，而利用Python中特定的预建例程。 Python提示和技巧的组合将演示如何使用相同的Python后端从各种数据源（包括互联网、大型数据库和Excel财务表）提取和转换数据。为了帮你应对更具挑战性的场景，本书将向你介绍如何处理缺失数据或错误数据，并根据下游分析工具要求重新格式化数据。本书将通过现实世界的例子和数据集一步帮助你掌握相关概念。 通过本书的学习，你将有信心对各种不同的数据源行高效的提取、清理、转换并格式化数据。 通过阅读本书，你将学到
权威作者：牛津大学DataSig项目工程师萨姆 莫利执笔，融合数学理论与工程实践； 案例驱动：从NumPy基础到复杂微分方程求解，代码即学即用，降低理解门槛； 跨界应用：突破传统数学教材边界，衔人工智能与数据科学需求； 资源完备：GitHub代码库持续更新，Jupyter Notebook环境适配，学习路径清晰。
（1）作者背景资深：4位作者都是在金融领域有10~20年数据挖掘和分析经验的资深专家，技术功底深厚，业务经验丰富。 （2）高维指导低维：作者在金融行业有10~20年项目实战和项目咨询经验，深知初学者的难和痛，量身造，事半功倍。 （3）金融业务驱动：以真实的业务场景和案例为驱动，涵盖金融数据分析的全流程，告别纯理论和不地气。 （4）从门到阶：帮助读者零基础掌握金融数据分析的工具、思路、方法和技巧，快速实现从门到阶的突破。
和100000 读者一起跟小楼老师学习，快速掌握编程语言Python ? 友好的中文编程环境方便读者理解代码逻辑 ? 丰富的编程实例帮助读者掌握编程技巧、成功构建应用程序 随书赠送全套案例源代码及素材文件
利用Python驾驭Stable Diffusion:原理解析、扩展开发与高级应用
本书是利用Python驾驭Stable Diffusion的实用指南，从原理解析到扩展发、高级应用全覆盖。含环境搭建、模型优化、图像生成等内容，附大量实战案例，助读者掌握AI图像生成核心技术，适合AI图像爱好者、发者等。
（1）作者是风控、AI、算法领域的资深专家，曾在多家知名金融科技公司从事基于机器学习的风控算法优化工作，经验十分丰富。 （2）从、从信贷风险业务、数据分析与挖掘方法、机器学习模型3个维度全面展，详解信用风险量化的数据分析与建模。 （3）基于Python新版本撰写，每个章节都包含问题、案例、算法3个部分，实操性强。 （4）来自西南财经大学、*等学术界和企业界的多位转件高度评价。 （5）全出采用 漫画 公式 代码 的形式，既有趣、易读，又精炼和实操。
你的Python项目是否正在变得越来越庞大？随着代码的扩展，调试和维护工作变得更加艰难，你是否感到痛苦？Python是一种容易学习和使用的语言，但这也意味着系统可以迅速发展到无法理解的程度。值得庆幸的是，Python具有帮助发者克服可维护性困境的功能。 在这本实用的书中，作者Patrick Viafore告诉你如何限度地使用 Python的类型系统。你会看到用户定义的类型（如类和枚举），以及Python的类型提示系统。你还将学习如何使Python代码具有可扩展性，以及如何基于一个全面的测试策略构建安全网。利用这些知识和技术，你将编写更清晰、更易于维护的代码。 通过阅读本书，你将： ? 了解为什么类型在现代发生态系统中是必不可少的。 ? 了解类、字典和枚举等类型选择是如何反映特定意图的。 ? 在不加剧臃肿的情况下使Python代码在未来具有可扩展性。 ? 使用流行的Python
本书是数据工程师的实战宝典！从实体消解基础概念切，系统拆解数据标准化、文本模糊匹配（Levenshtein距离、Metaphone算法）、概率模型（Fellegi-Sunter模型、贝叶斯因子）、聚类分块等核心技术，更独家涵盖Splink框架、谷歌云Dataproc集群部署、企业知识图谱API等前沿工具。作者以真实金融反欺诈案例贯穿全书，手把手教学Python代码实现，并前瞻隐私集合求交（PSI）等合规技术。经Splink工具作者Robin Linacre力荐，既是新手门教材，也是资深从业者的技术阶手册。
数据的重要性越来越高，甚至已经被国家提到高要素化的程度。数据资产化、数据治理等成为企业关注的重方向，但是数据要想真正赋能企业发展，数据分析是必须要经历的过程。所以在数据要素时代，数据分析会更加重要。那么如何快速门数据分析？没有编程经验的人如何快速门数据分析？本书给出了答案。想转行做数据分析而又苦于没有基础的朋友，不妨试试这本书，这是得到了近万名学员肯定的零基础学数据分析课程的文字版。
（1）作者背景资深：4位作者都是在金融领域有10~20年数据挖掘和算法建模经验的资深专家，技术功底深厚，业务经验丰富。 （2）金融业务驱动：以真实的业务场景和案例为驱动，涵盖金融业务经营的全流程，告别纯理论和不地气。 （3）独创9大模板：针对决策类、识别类、优化分析类3大主题，独创9大模板：客户价值预测、营销响应预测、细分画像、交叉销售、申请反欺诈、违规行为识别、预测、运筹优化、流程挖掘。 （4）数据建模闭环：涵盖分析框架、模型算法、模型评估、模型监控、算法工程化等完整的数据建模闭环。
如果你可以用Python编程来解决具有挑战性的工程问题会如何？这本“硬核”的书将教你如何使用线性代数、几何和物理知识从头始编码求解算法，以编写自定义库、绘制基元和构建应用程序。作者在这本书中为机械工程师提供了核心编程技巧，专注于磨高质量的代码和利用自动化的单元测试来保证实现无差错。你将发一个几何工具箱，用线和形状来绘制工程问题图，为机械模拟创建矢量图和动画，以及编码算法来执行复杂的计算。最终，你将结合这些知识来构建一个完整的结构分析应用程序，以解决实际工作中可能遇到的二维桁架问题。 通过阅读本书，你将学到: ·使用正则表达式来优雅地解析输文件 ·使用单元测试、封装和描述性名称来优化代码 ·使用Tkinter的画布小部件在屏幕上绘制图像和创建动画 ·用Cholesky分解算法求解线性方程组 ·构建一个可以可视化桁架
编译器向来被视为最难教授和理解的程序之一。大多数编译书籍按阶段逐章讲解，这种结构掩盖了语言特性如何驱动设计选择的逻辑。相比之下，这本创新教材采用增量式方法，让学生能够亲自编写每一行代码。书中引导读者为一种小型但功能强大的编程语言构建自己的编译器，并随着章节推逐步添加复杂的语言特性。作者阐释了现代编译器背后的核心概念、算法和数据结构，为读者学习后续高级主题奠定了基础。 本书特色： 将编译器构建的复杂挑战分解为易于掌握的小块内容。 通过将语言特性与编译器设计选择联系起来，增强学习效果。 采用 做中学 方法，加深读者对程序如何映射到计算机硬件的理解。 经过课堂验证，在GitHub上配有源代码。
携七大优势，带你一书学透强化学习，掌握ChatGPT背后的关键技术。 1）内容完备：完整地介绍了主流强化学习理论，全面覆盖主流强化学习算法，包括了资格迹等经典算法和MuZero等深度强化学习算法，且给出主要定理的证明过程。让你参透ChatGPT背后的关键技术。 2）表述一致：全书采用统一的数学符号，并兼容主流强化学习教程。 3）配套丰富：每章都配有知识总结、代码和习题。 4）环境全面：既有Gym的内置环境，也有在Gym基础上一步扩展的第三方环境，还带领读者一起实现了自定义的环境。 5）兼容广泛：所有代码均可在Windows、macOS、Linux上运行，提供安装和配置方法。同时，为深度强化学习相关算法提供了TensorFlow和PyTorch的对照实现，学习方案任你选择。 6）硬件要求低：所有代码均可在没有GPU的个人计算机上运行，也可以在线查阅运行结果。 7）版权输出：本
实战深度学习算法：零起点通关神经网络模型(基于Python和NumPy实现)
京公网安备11010502037644号|经营许可证编号：合字B2-20160011|互联网药品信息服务资格证
购物车