超圖解Python程式設計: 從入門、網頁應用、YOLO到生成式AI實作 | 誠品線上

超圖解Python程式設計: 從入門、網頁應用、YOLO到生成式AI實作

內容簡介

內容簡介 內容介紹: 本書是以實戰應用、邁向工程師為目標的 Python 入門書，帶領讀者快速入門學會關鍵語法，再透過實作讓讀者一方面可以學以致用，實際體驗程式語言的用處；一方面在實作範例時，補足快速入門階段還沒學到的進階語法以及各式延伸套件，只要一本書即可從入門學到應用，主題涵蓋網頁應用程式、爬蟲、影像處理與辨識、大型語言模型。為了達成上述目標，本書結構安排如下： 》第 1~4 章：環境建置與基本語法 》第 5 章：實作檔案備份小工具 》第 6,7 章：實作 YouTube 影片下載工具與影音編碼合併處理 》第 8~10 章：設計網路爬蟲與 Google 試算表操作 》第 11~14 章：使用 Flask 建立與部署網頁應用程式 》第 15 章：學習 OpenCV 影像處理與辨識 》第 16,17 章：利用 YOLO 偵測物體、肢體動作與車牌辨識 》第 18 章：學習最夯的 Ollama 本地端生成式大語言模型 LLM 》第 19 章：使用 Streamlit 快速開發網頁應用程式 》第 20 章：用 LangChain 框架開發 RAG 應用 》第 21 章：結合 LLM 設計 LINE 客服 AI 機器人 實務範例選擇以應用廣泛並能跟上 AI 時代潮流為主軸。除基本語法以外，進階語法及延伸套件也不馬虎，涵蓋： 》自訂類別 》規則表達式 》格式化字串 》參數的打包與解包 》with 語法 》閉包與裝飾器 》match...case 語法 》例外處理 》多執行緒 》命令行參數處理 》subprocess 模組 》SQLite 程式庫 》JSON 與 CSV 檔處理 本書在撰寫風格上除了第 2 章的 Python 程式開發與 AI 輔助工具說明外，每個章節都有實例與詳細圖解，協助讀者更容易理解。在開發工具的選擇上，入門章節以方便易用的 Colab 練習基本語法，接著就以業界工程師廣為採用的 Visual Studio Code 為開發環境，並帶入 Github Copilot 工具熟悉與 AI 助理協作的流程。在設計範例時也貫徹虛擬環境的觀念，輔以多版本 Python 環境建置，避免環境污染問題，讓學習與業界接軌，學完立刻派上用場。 在許多實作應用的場合，光是瞭解程式語法是不夠的，像建構網路應用程式，還需要具備網路、防火牆、資料庫系統、租用並在雲端空間部署應用程式...等，還有 AI 影像偵測及大型語言模型應用背後的類神經網路 深度學習、模式辨認、評估指標、量化、詞嵌入向量...等概念，本書也針對這些基礎做了全方位的說明。某些 Python 入門書籍沒有觸及的部分，例如：物件導向程式設計，因為很重要，所以筆者也用幾個淺顯實用的案例圖解說明。 本書特色: ☆☆AI 時代 Python 就要學這些☆☆ 》快速入門瞭解基礎語法 》從實戰範例應用邊做邊學 》學習主題跟上 AI 潮流 》實作檔案備份工具、YouTube 影片下載工具、網路爬蟲、影像辨識、物體偵測、肢體動作、RAG 應用、LINE 聊天機器人 》涵蓋 Flask 與 Streamlit 網頁應用框架、OpenCV 程式庫、YOLO 模型、LangChain 框架等延伸套件 》搭配 Ollama 設計本地端 LLM 應用

產品目錄

產品目錄 目錄: 第 1 章 認識 Python 程式語言- 1-1 認識 Python- 1-2 在雲端執行 Python 程式：使用 Google Colab- 1-3 用 Python 進行計算- 1-4 Python 內建的數學函式- 1-5 暫存資料的變數- 1-6 增強程式功能的外掛：程式庫、模組和套件- 1-7 編輯實驗筆記圖文：Markdown 語言入門第 2 章 在本機電腦安裝 Python 以及 VS Code 程式開發工具- 2-1 在個人電腦上安裝 Python 3.x 版本- 2-2 認識文字命令操作介面：命令提示字元、終端機和 PowerShell- 2-3 安裝程式整合開發環境（IDE）- 2-4 Github Copilot AI 程式設計助理- 2-5 Python 程式寫作風格（PEP8）與輔助工具第 3 章 條件判斷程式- 3-1 規劃與製作問答題測驗程式- 3-2 改變程式流程的 if 條件式- 3-3 處理字串資料- 3-4 字串處理與資料類型轉換- 3-5 格式化字串第 4 章 列表、迴圈與自訂函式- 4-1 儲存多筆相關資料的列表（list）- 4-2 使用迴圈執行重複作業- 4-3 使用 for...in 讀取序列結構資料- 4-4 完整的問答題程式- 4-5 產生隨機數字- 4-6 建立自訂函式- 4-7 再談列表（List）- 4-8 使用 AI 協助編寫程式第 5 章 操作資料夾與文件：同步備份檔案- 5-1 同步備份檔案- 5-2 使用 os 程式庫操作檔案- 5-3 使用 argparse 套件處理命令行參數- 5-4 嘿 Python～ 現在幾點？- 5-5 完整的檔案備份程式- 5-6 設定命令行指令的選擇性參數和參數動作- 5-7 直接執行 Python 程式檔- 5-8 「可變」與「不可變」的資料類型和 Tuple（元組）第 6 章 安裝程式套件、Python 虛擬環境以及下載 YouTube 影片- 6-1 安裝 Python 程式套件- 6-2 Python 虛擬環境- 6-3 在 VS Code 編輯器中啟動 Python 虛擬環境- 6-4 YouTube 影音的 Codec 與下載視訊- 6-5 使用 try...except 捕捉例外狀況目 錄- 6-6 YouTube 下載器的程式規劃- 6-7 下載視訊檔第 7 章 集合（set）、匿名函式與執行外部程序- 7-1 使用 set（集合）建立不重複的選項列表- 7-2 資料排序- 7-3 使用 FFmpeg 轉換多媒體檔案格式- 7-4 Program（程式）、Process（程序）和Thread（執行緒）- 7-5 合併影音檔的 merge_media() 自訂函式第 8 章 自動收集網路資訊的網路爬蟲- 8-1 認識網頁與 HTML- 8-2 認識 CSS 樣式- 8-3 認識瀏覽器操控工具：Selenium- 8-4 透過 Chrome 瀏覽器和 Selenium 選定網頁元素- 8-5 使用 XPath 語法選定HTML 元素- 8-6 找出商品顯示範圍的主元素- 8-7 認識查詢字串- 8-8 使用字典（dict）儲存結構化資料- 8-9 擷取商品資料的 Python 程式- 8-10 再談「自訂函式」以及 * 和 ** 符號第 9 章 儲存檔案：純文字檔、CSV 檔與Google 試算表- 9-1 擷取並列舉各個購物網站的商品- 9-2 在本機電腦儲存資料- 9-3 讀寫 CSV 檔- 9-4 將爬蟲資料寫入 CSV 檔- 9-5 使用 Google 雲端試算表儲存資料- 9-6 從 Python 程式存取 Google 試算表- 9-7 憑證檔的環境變數與預設路徑第 10 章 建立自訂類別- 10-1 自訂類別：遠離義大利麵條- 10-2 透過__name__變數取得程式名稱- 10-3 儲存試算表資料的自訂類別- 10-4 網路應用程式訊息交換格式：XML 與 JSON- 10-5 儲存 Python 原生資料：pickle第 11 章 使用 Flask 建置網站服務- 11-1 認識 HTTP 通訊協定- 11-2 Flask 網站應用程式設計- 11-3 使用 app.logger 呈現與紀錄應用程式的狀態- 11-4 建立動態路由- 11-5 設定 Flask 伺服器的 IP 位址- 11-6 存取靜態網頁檔- 11-7 認識樣板與樣板引擎- 11-8 處理表單- 11-9 認識 HTTP 請求訊息- 11-10 閉包（closure）與裝飾器（decorator）第 12 章 部署網站到雲端空間- 12-1 向外界發布本機網站- 12-2 部署 Flask 網站程式到雲端平台- 12-3 定時執行程式碼- 12-4 在其他電腦或裝置部署 Python 應用程式第 13 章 多執行緒下載檔案以及規則表達式- 13-1 透過 Python 程式發出 HTTP 請求- 13-2 下載單一圖檔- 13-3 擷取並下載網頁的全部圖像- 13-4 藉由 MIME 類型篩選檔案格式- 13-5 規則表達式- 13-6 下載 JavaScript 產生的動態內容- 13-7 讓電腦一心多用的執行緒- 13-8 多執行緒同時下載多個檔案- 13-9 使用 match…case 判斷匹配條件第 14 章 留言板網站應用程式- 14-1 資料庫簡介- 14-2 建立資料庫檔案- 14-3 瀏覽留言板的頁面- 14-4 新增留言的表單網頁- 14-5 認識 Cookie 和 Session- 14-6 管理員登入- 14-7 再談 Cookie 與 Session- 14-8 使用 pathlib 設定資料庫檔案的存檔路徑第 15 章 影像處理、人臉偵測與辨識- 15-1 從命令行安裝 Python- 15-2 基本影像處理- 15-3 NumPy 與影像處理- 15-4 機器視覺（computer vision）應用- 15-5 使用 OpenCV 處理即時影像資料- 15-6 使用「哈爾特徵分類器」偵測人臉- 15-7 使用深度學習偵測物件- 15-8 安裝 face_recognition（人臉辨識）程式庫與 dlib 工具程式- 15-9 人臉偵測- 15-10 人臉識別程式第 16 章 使用 YOLO 偵測物件- 16-1 認識 AI 影像資料庫與 Roboflow 網站- 16-2 認識高性能偵測影像物件的 YOLO- 16-3 使用 YOLO 進行視覺物件偵測- 16-4 設定偵測目標的分類- 16-5 計算偵測目標的數量- 16-6 追蹤物件的移動軌跡- 16-7 評估影像辨識模型好壞的幾個指標- 16-8 偵測人體肢體動作：以計算啞鈴鍛鍊次數為例第 17 章 遷移訓練 YOLO 影像偵測模型- 17-1 訓練影像偵測模型：以偵測車牌為例- 17-2 在 Google Colab 雲端訓練客製化 YOLO 模型- 17-3 開始在 Google Colab 平台進行遷移學習訓練- 17-4 將訓練和驗證的結果存入Google 雲端硬碟電子書目 錄- 17-5 使用 OCR 文字辨識軟體讀取車牌號碼- 17-6 建立可修正車牌辨識錯誤的程式第 18 章 本地大語言模型：Ollama 和 LangChain- 18-1 大語言模型基本概念- 18-2 在本機執行大語言模型- 18-3 選擇與評估語言模型- 18-4 具備視覺能力的「多模態」模型- 18-5 程式連線 Ollama- 18-6 認識 LangChain- 18-7 建立提示詞模板- 18-8 使用 LCEL 語法簡化提問敘述- 18-9 訊息型提示詞- 18-10 串流輸出語言模型的回應第 19 章 使用 Streamlit 快速開發網頁應用程式- 19-1 Streamlit 開發入門- 19-2 Streamlit 的關鍵 UI 元件- 19-3 下拉式選單與列表生成式- 19-4 建立問答百科介面- 19-5 連續對話型聊天機器人- 19-6 製作 Streamlit 版的連續聊天機器人第 20 章 檢索增強生成（RAG）應用- 20-1 詞嵌入（word embedding）- 20-2 RAG 系統的「資料準備與檢索」流程- 20-3 使用向量資料庫儲存詞向量- 20-4 查詢向量資料庫- 20-5 分割文件- 20-6 調整回應文本的數量以及相似度臨界值- 20-7 處理 Word 和 PDF 文件第 21 章 打造 LINE 客服聊天機器人- 21-1 開發 LINE bot 聊天機器人程式- 21-2 製作一個 LINE Echo Bot- 21-3 測試第一個 LINE 程式- 21-4 接收與解析 LINE 的訊息- 21-5 結合 Ollama 的客服 LINE 聊天機器人- 21-6 LINE 線上報修- 21-7 建立 LINE 圖文選單電子書電子書

商品規格

最佳賣點

最佳賣點 : AI 時代 Python 就要學這些