金融科技系列图书新作，了解经典实用的算法交易策略，构建自己的算法交易系统，赢在金融交易起跑线（送配套源代码和彩图资源）

Key Features

• 由浅入深地讲解算法交易的相关知识
• 从基础知识和环境配置讲起
• 讲解如何通过编程完成交易信息的生成与交易策略的实施
• 介绍众多算法交易策略，以及如何管理算法策略中的风险
• 带领读者用Python建立自己交易系统

Book Description

本书由浅入深地讲解了算法交易的相关知识，首先从基础知识和环境配置讲起，其次讲解如何通过编程完成交易信息的生成与交易策略的实施，随后介绍众多算法交易策略，以及如何管理算法策略中的风险，最后带领读者用Python建立自己交易系统，并迎接算法交易的深层挑战。
全书共分为10章，包括算法交易的基础原理、通过技术分析解读市场、通过基础机器学习预测市场、人类直觉驱动的经典交易策略、复杂的算法策略、管理算法策略中的风险、用Python构建交易系统、连接到交易所、在Python中创建回测器、适应市场参与者和环境。

What you will learn

• 了解现代算法交易系统和策略的组成部分；
• 掌握一些著名交易策略的运作、实施和分析方法；
• 使用 Python 在交易信号和策略中应用机器学习算法；
• 量化并构建 Python 交易策略的风险管理系统；
• 构建回测器来运行模拟交易策略，以提高交易系统的性能；
• 在实际市场中部署和整合交易策略，以维持和提高赢利能力；
• 使用 Python 设计、构建一个实用并能带来盈利的算法交易机器人。

Who this book is for

本书的目标读者是互联网金融从业者、金融交易员、数据分析师、软件工程师、企业家，以及任何想开始“算法交易之旅”的人。
如果你想了解算法交易的工作原理、交易系统的组成部分、黑盒和灰盒交易所需的协议和算法，以及如何建立完全自动化且可带来盈利的交易业务，那么本书就是适合你的！

Python脚本编程手册，Python脚本编程指南

Key Features

• 从基础到高级编程，全面系统地介绍Python脚本在系统管理中的作用。
• 市场上少见的介绍将Python脚本应用于系统管理的图书。
• 本书附有配套资源，帮助读者学以致用，将所学应用到真实场景中。

Book Description

本书是一本介绍Python编程的进阶图书，包含了大量关于Python脚本设计的主题。本书共18章，首先带领读者快速复习Python基础知识，然后循序渐进地介绍了一些实用主题，包括Python脚本的调试和分析、编写单元测试、系统管理、处理文件和数据、文件归档以及文本处理等。然后介绍了网络编程、处理电子邮件、远程控制主机、创建图形用户界面、处理日志文件、编写网络爬虫、数据收集和可视化以及操作数据库等更加高阶的主题。本书中每一知识点都结合可以运行的源码讲解，帮助读者更好地掌握Python脚本编程。
本书要求读者具备Python的基础知识，非常适合对Python编程有基本了解并且有兴趣将编程技能扩展到命令行脚本和系统管理的读者阅读。

What you will learn

• 了解如何安装Python和调试Python脚本；
• 了解和编写用于自动化测试和日常管理活动的脚本；
• 了解如何编写用于文本处理、加密、解密和归档的脚本；
• 处理PDF、Excel、CSV和文本文件，并生成报告；
• 编写用于远程网络管理（包括处理电子邮件）的脚本；
• 使用图形用户界面构建交互式工具；
• 处理Apache日志文件，以及SOAPå’ŒREST API的通信；
• 自动化数据库管理并执行统计分析。

Who this book is for

本书非常适合对Python编程有基本了解并且有兴趣将编程技巧扩展到命令行脚本和系统管理的用户。读者需要具备Python的先验知识。

Python编程入门的精炼指南，以具体编程范例讲解高效解决真实问题的宝典

Key Features

• 本书内容由浅入深，从理论到实践
• 探索不同的编程用法，找到解决特定问题的理想方法

Book Description

Python 是一种极其灵活和强大的编程语言，适用于多个领域。本书并没有对 Python 的基础知识进行过多讲解，而是对其实用性进行了透彻的介绍，从而帮助读者熟悉并使用该语言。
你将首先了解 Python 的基础知识，为接下来的学习打下坚实的基础，并学习Python 编程基础，即如何操控 Python以实现想要的效果。你还将探索不同的编程用法，找到解决特定问题的理想方法，理解如何实现程序性能优化，学习有效调试、控制程序的执行流，并使用一种交换格式对数据进行交换。此外，你还将学习 Python 的加密服务，理解安全标记的概念。
本书将帮助你透彻理解 Python 语言，学习如何编写程序、创建网站，并利用数据科学库对数据进行操作。本书还配备了一些实例，涵盖了各种不同的应用类型，并在全书最后引导你根据所学知识创建一个实际项目。
主要内容：
获取 Python，并在 Windows、macOS 和 Linux 上安装运行；
使用数据结构和控制流，探索编程的基本概念；编写优雅、可复用、高效的代码；
理解什么时候适合使用过程式编程，什么时候适合使用面向对象编程（OOP）；
学习并发执行的基础知识；
通过编写测试，创建安全可靠的软件；
用 Django 创建简单的网站；
提取、清理和操纵数据。

What you will learn

• 获取 Python，并在 Windows、macOS å’Œ Linux 上安装运行；
• 使用数据结构和控制流，探索编程的基本概念；编写优雅、可复用、高效的代码；
• 理解什么时候适合使用过程式编程，什么时候适合使用面向对象编程（OOP）；
• 学习并发执行的基础知识；
• 通过编写测试，创建安全可靠的软件；
• 用 Django 创建简单的网站；
• 提取、清理和操纵数据。

Who this book is for

本书适合对Python编程技能感兴趣的初学者及IT从业者阅读。

拥抱机器学习，用Python实现无监督学习算法，构建高效且实用的解决方案

Key Features

• 包含多个示例和讲解
• 全面揭示了无监督学习的内涵与实现技巧

Book Description

机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式，是数据科学的一个重要分支，常用于数据挖掘领域，通过构建模型来为业务决策提供依据。
本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。
本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。

What you will learn

• 了解无监督学习的实践技巧
• 熟练掌握一些列机器学习算法
• 能够对机器学习的各个概念有更好的把握

Who this book is for

本书是写给统计学相关人员、数据科学家、机器学习开发者和深度学习实践者的，读者可以通过书中的示例和讲解，了解无监督学习的实践技巧，熟练掌握一些列机器学习算法，并能够对机器学习的各个概念有更好的把握。通过实施最常见的无监督学习算法并优化参数，为来自所有业务领域的不同利益相关者提供有价值的见解。

Python图像处理

Key Features

• 图像处理、计算机视觉与深度学习的最新进展。
• 实战性较强，涵盖图像修复、梯度融合、变分去噪、接缝雕刻、图像绗缝和人脸变形等新应用。
• 用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理问题。

Book Description

本书介绍如何用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理
问题。
本书先介绍经典的图像处理技术，然后探索图像处理算法的演变历程，始终紧扣图
像处理以及计算机视觉与深度学习方面的最新进展。全书共12 章，涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割，以及图像处理中的经典机器学习方法等内容。
本书适合Python 工程师和相关研究人员阅读，也适合对计算机视觉、图像处理、机
器学习和深度学习感兴趣的软件工程师参考。

What you will learn

• 学习经典的图像处理技术
• 探索图像处理算法的演变历程
• 了解图像处理以及计算机视觉与深度学习方面的最新进展

Who this book is for

本书适用于计算机视觉工程师、图像处理工程师、软件工程师、ML工程师。读者应具有一定的Python编程基础，并希望进一步了解图像处理的细节和复杂性。

使用TensorFlow和Keras实现高级深度学习和神经网络模型

Key Features

• 快速掌握知识点
• 用实操夯实迁移学习理论
• 掌握实用技能

Book Description

迁移学习是机器学习技术的一种，它可以从一系列机器学习问题的训练中获得知识，并将这些知识用于训练其他相似类型的问题。
本书分为3个部分：第1部分是深度学习基础，介绍了机器学习的基础知识、深度学习的基础知识和深度学习的架构；第2部分是迁移学习精要，介绍了迁移学习的基础知识和迁移学习的威力；第3部分是迁移学习案例研究，介绍了图像识别和分类、文本文档分类、音频事件识别和分类、DeepDream算法、风格迁移、自动图像扫描生成器、图像着色等内容。
本书适合数据科学家、机器学习工程师和数据分析师阅读，也适合对机器学习和迁移学习感兴趣的读者阅读。在阅读本书之前，希望读者对机器学习和Python编程有基本的掌握。

What you will learn

• 本书能带你厘清机器学习和深度学习的关键基本概念
• 深刻理解迁移学习的相关概念
• 学习大量现实世界中不同领域的案例和问题

Who this book is for

机器学习、深度学习、人工智能领域的研究人员及技术人员，数据科学家、Python开发者等

用Python构建健壮的、可重用的、高效的应用程序
轻松奇幻的学习主线，解决Python开发中遇到的实际问题

Key Features

• 本书使用轻松奇幻的学习主线，用具体解决方案来应对在复杂的Python开发中遇到的实际问题。
• 通过使用一个生动有趣的、基于文本的游戏主题作为讲解内容来介绍Python应用开发过程的各个方面。

Book Description

Python是使用最广泛的动态编程语言之一。它支持一组丰富的库和框架，从而能够用来进行快速开发。但是，如此快速的开发通常会带来一些问题，容易导致代码整体质量、性能和扩展性的降低。本书将会教你如何处理这些问题，以及如何编写出更好的Python应用程序。
本书从简单命令行应用程序的基础知识入手，帮助读者不断提高技能，直到可以设计出高效的、高级的Python应用。本书使用轻松奇幻的学习主线，用具体解决方案来应对在复杂的Python开发中遇到的实际问题。读者从关注健壮性，以及程序代码的打包和发布开始，通过提高代码的可扩展性、可重用性以及可读性来提高应用程序的生命周期，并掌握Python代码重构、设计模式和最佳实践。在关于性能的章节中，读者学会识别性能瓶颈并提升性能，最后还将学习如何开发Python图形界面应用程序。
通过阅读本书，您将能够：
• 通过异常处理来创建健壮的应用程序。
• 源代码的模块化、打包和发布。
• 编写代码文档，实施代码规范。
• 在开发初期通过创建自动化测试发现程序漏洞。
• 识别并重构糟糕的代码以扩大应用的生命周期。
• 检测代码中重复出现的问题并使用设计模式。
• 通过识别性能瓶颈并修复问题来提高代码执行效率。
• 使用Python开发简单的图形界面应用程序。

What you will learn

• 通过异常处理来创建健壮的应用程序。
• 源代码的模块化、打包和发布。
• 编写代码文档，实施代码规范。
• 在开发初期通过创建自动化测试发现程序漏洞。
• 识别并重构糟糕的代码以扩大应用的生命周期。
• 检测代码中重复出现的问题并使用设计模式。
• 通过识别性能瓶颈并修复问题来提高代码执行效率。
• 使用Python开发简单的图形界面应用程序。

Who this book is for

你已经了解Python语言的基础和面向对象编程吗？
你想更进一步钻研、学习技术来让你的Python应用更具健壮性、可扩展性并更加高效吗？
如果是这样的话，那么这本书就是为你量身打造的。

用Python开发令人惊讶的NLP项目

Key Features

• 本书是学习自然语言处理的一本综合学习指南
• 本书有助于读者使用NLTK创建NLP项目并成为相关领域的专家。

Book Description

自然语言处理（NLP）是有关计算语言学与人工智能的研究领域之一。NLP主要关注人机交互，它提供了计算机和人类之间的无缝交互，使得计算机在机器学习的帮助下理解人类语言。

本书详细介绍如何使用Python执行各种自然语言处理（NLP）任务，并帮助读者掌握利用Python设计和构建基于NLP的应用的最佳实践。本书引导读者应用机器学习工具来开发各种各样的模型。对于训练数据的创建和主要NLP应用的实现，例如命名实体识别、问答系统、语篇分析、词义消歧、信息检索、情感分析、文本摘要以及指代消解等，本书都进行了清晰的介绍。本书有助于读者使用NLTK创建NLP项目并成为相关领域的专家。

通过阅读本书，你将能够:
• 实现字符串匹配算法以及标准化技术；
• 实现统计语言建模技术；
• 深刻理解词干提取器、词形还原器、形态分析器以及形态生成器的开发；
• 开发搜索引擎并实现词性标注和统计建模（包含n-gram方法）等相关概念；
• 熟悉诸如树型库建设、CFG建设、CYK以及Earley线图解析算法等相关概念；
• 开发基于NER的系统并理解和应用情感分析的相关概念；
• 理解并实现信息检索和文本摘要等相关概念；
• 开发语篇分析系统以及基于指代消解的系统。

What you will learn

• 实现字符串匹配算法以及标准化技术；
• 实现统计语言建模技术；
• 深刻理解词干提取器、词形还原器、形态分析器以及形态生成器的开发；
• 开发搜索引擎并实现词性标注和统计建模（包含n-gram方法）等相关概念；
• 熟悉诸如树型库建设、CFG建设、CYK以及Earley线图解析算法等相关概念；
• 开发基于NER的系统并理解和应用情感分析的相关概念；
• 理解并实现信息检索和文本摘要等相关概念；
• 开发语篇分析系统以及基于指代消解的系统。

Who this book is for

对自然语言处理理论和算法感兴趣的读者，Python程序员

基于Python语言的预测分析实战

Key Features

• 涵盖从问题识别到模型部署的预测分析全过程
• 基于Python语言实现，辅以实例，侧重于实战
• 用Python实现高性能预测分析方案
• 用Keras构建可实现精准预测的神经网络模型

Book Description

本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。
本书适合想要学习预测建模并对用 Python 工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。

What you will learn

• 学习预测分析过程
• 理解问题和准备数据
• 探索性数据分析
• 基于机器学习的数值预测
• 基于机器学习的类别预测
• 调整模型和提高性能
• 基于Dash的模型实现

Who this book is for

本书适合想要学习预测建模并对用 Python 工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。

用简单易学的示例，带你驶入机器学习的快车道

Key Features

• 书中示例浅显易懂，涵盖多种应用场景
• 讲解方式生动有趣。

Book Description

本书开篇介绍Python语言和机器学习开发环境的搭建方法。后续章节介绍相关的重要概念，比如数据分析、数据预处理、特征抽取、数据可视化、聚类、分类、回归和模型性能度量等。本书包含多个项目案例，涉及几种重要且有趣的机器学习算法，引导读者从头实现自己的模型。学完本书，你将了解机器学习生态系统的全貌，并掌握机器学习技术的实践和应用。
在本书的帮助下，你将学会用强大却很简单的Python语言来处理数据科学难题，并构建自己的解决方案。书中示例浅显易懂，涵盖多种应用场景：新闻话题分类、垃圾邮件过滤、在线广告点击率预测和股票价格预测等，讲解方式生动有趣。

• 本书包括以下内容：
• 利用Python语言抽取数据、处理数据和探索数据；
• 用Python对多维数据进行可视化，并抽取有用特征；
• 深入钻研数据分析技术，正确预测发展趋势；
• 用Python从头实现机器学习分类算法和回归算法；
• 用雅虎财经数据来分析和预测股价；
• 评估并优化机器学习模型的性能；
• 用机器学习和Python解决实际问题。

What you will learn

• 利用Python语言抽取数据、处理数据和探索数据；
• 用Python对多维数据进行可视化，并抽取有用特征；
• 深入钻研数据分析技术，正确预测发展趋势；
• 用Python从头实现机器学习分类算法和回归算法；
• 用雅虎财经数据来分析和预测股价；
• 评估并优化机器学习模型的性能；
• 用机器学习和Python解决实际问题。

Who this book is for

本书适合Python程序员、数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。

以Python语言为基础介绍深度学习的原理和应用

Key Features

• 展示了深度学习在棋盘游戏和电子游戏中的应用。
• 实现了一个可用于生产环境的入侵检测系统。

Book Description

本书借助现实案例介绍深度学习算法的实际应用（包括最佳实践），旨在帮助读者了解如何识别和提取信息，以提高预测准确率及优化结果。
本书共10章，分别是机器学习—引言、神经网络、深度学习基本原理、无监督特征学习、图像识别、递归神经网络和语言模型、深度学习在棋盘游戏中的应用、深度学习在电子游戏中的应用、异常检测和构建一个可用于生产环境的入侵检测系统。
本书适合想深入研究深度学习算法和技术的读者学习，也适合想探究如何从这项强大技术中学到更多知识的读者参考。

What you will learn

• 掌握深度学习算法的实际应用和最佳实践，从中了解识别和提取信息的方法，
• 提高预测的准确率，并对结果进行优化。
• 学习神经网络、无监督特征学习、图像识别以及递归神经网络等多种机器学习的方法和技术。

Who this book is for

本书适合想深入研究深度学习算法和技术的读者学习，也适合想探究如何从这项强大技术中学到更多知识的读者参考。