Python自學聖經(第三版)：從程式素人到開發強者的技術、實戰與AI應用大全(附影音/範例程式)

　　集Python程式技術大成，新增AI應用，強大內容全面再進化～

　　【Python系列書在台累計銷量近12萬冊】
　　國內眾多讀者與程式人選書第一指名，學業界指定Python講師、
　　榮登暢銷榜最多Python圖書的作者團隊代表作

　　八大領域、39個主題、上百種模組套件、近1,200個範例，
　　涵蓋語法入門，橫跨各大熱門技術、軟硬整合與AI實戰應用。

　　一本帶你入行！系統化分章、大量圖表解說，
　　全面跨入Python程式開發殿堂！

　　給需要本書的人：
　　★不知道如何開始才能自學好Python的人
　　★有接觸過但又不想打掉重練的人
　　★老是寫不好Python程式的人
　　★想運用Python開發專案的人

　　掌握系統化的學習途徑
　　才能真正駕馭Python

　　Python廣泛應用於大數據、網路爬蟲、人工智慧、機器學習、物聯網等熱門領域，是一套直譯式、物件導向，功能強大的程式語言。具備簡潔的語法，擁有許多模組套件，跨平台且容易擴充，所以非常適合初學者學習，但沒有系統性與結構化的學習，只能一知半解，而胡亂網路爬文，也只會迷失在資訊叢林。

　　本書從Python自學角度出發，系統化的分章學習，全面涵蓋語法、模組套件、主題應用、軟硬整合，規劃出最好的學習曲線，縮短自學途徑，排除學習障礙，真正從初學入門到業界活用！

　　■完整詳實的程式入門：
　　從開發環境建置開始，由淺入深、循序漸進、完整且詳細的解說變數、運算、判斷式、迴圈、串列、元組、字典、集合、函式與模組等語法觀念與實作。

　　■晉級專業的進階心法：
　　包括物件導向開發、例外處理、正規表達式、檔案管理、圖形使用者介面設計等內容。

　　■應用廣泛的資料科學：
　　涵蓋網路爬蟲、數據資料儲存與讀取、資訊視覺圖表化、Numpy、Pandas資料與分析的完整學習。

　　■無所不在的網路應用：
　　囊括Flask網站開發、建立Web API與Vercel部署、Django資料庫網站架設，還有LINE Bot機器人整合應用。

　　■邁向未來的AI人工智慧：
　　具備機器學習入門、機器學習特徵處理、分類與迴歸演算法、深度學習MLP、CNN與RNN的應用，以及NLP自然語言處理等能力。

　　■玩轉創意的多媒體互動：
　　包含讀取圖片、編輯圖片、合成、濾鏡效果、大量圖片處理，還有PyGame遊戲開發、PyTube影音下載等運用。

　　■提升效率的開發加值：
　　介紹目前業界最熱門的Google Colab雲端開發平台與VS Code編輯神器，也深入介紹如何將程式打包成執行檔。

　　■萬物可通的IoT物聯網：
　　從MicroPython程式實作、硬體實作、感測器應用、加入顯示裝置、使用Wi-Fi無線網路，到物聯網整合應用。

　　■熱門強大的ChatGPT應用：
　　運用ChatGPT解釋程式碼、撰寫指定功能語法與幫程式除錯…等，可輔助Python的學習。
　　透過ChatGPT API的應用，則可以在程式中與ChatGPT對話，例如經由LINE Bot，在手機的LINE中輸入對話訊息，就可以藉由ChatGPT回覆內容。
　　使用Playground則可在不用程式碼開發的狀態下調教GPT模型的參數，甚至生成對應的程式碼。

　　【超值學習資源】
　　獨家收錄：「Python物件導向程式開發」影音教學、
　　「Google Colab雲端開發平台入門」影音教學、
　　「善用ChatGPT學Python入門」影音教學、
　　「ChatGPT API及LINE Bot應用」教學PDF、
　　全書範例程式檔

　　第三版新書是依據最新應用趨勢與市場回饋的寶貴訊息調整內容，
　　讓本書更全面，並與資訊科技脈動同步。

　　在基礎入門篇中，將開發環境的安裝與設定更新到目前最新狀態
　　在網路應用篇中，除了更新重要範例的應用外，因應Selenium的改版而進行了語法的調整。
　　在網路架站方面，無論是Flask或是Django，這次特別選擇Vercel作為最後的架設平台，
　　並且連接PostgreSQL資料庫，讓網頁服務有更好的表現。
　　在人工智慧篇中，特別加入了最新的ChatGPT API開發，讓讀者也能體驗最火熱的AI主題。
　　在開發加值篇中，更新了PyInstaller執行檔編譯的內容。
　　在IoT物聯網篇則選擇了最熱門的ESP32進行介紹，
　　讓實戰更加得心應手。

【基礎入門篇】

01 建置 Python 開發環境
1.1 建置 Anaconda 開發環境
1.2 Spyder 編輯器
1.3 Jupyter Notebook 編輯器

02 變數、運算及判斷式
2.1 變數與資料型別
2.2 運算式
2.3 判斷式

03 迴圈、串列與元組
3.1 迴圈與串列
3.2 進階串列與元組

04 字典與集合的使用
4.1 字典基本操作
4.2 字典進階操作
4.3 集合
4.4 凍結集合

05 函式與模組
5.1 自訂函式
5.2 數值函式
5.3 字串函式
5.4 亂數模組
5.5 時間模組

【進階學習篇】

06 物件導向程式開發
6.1 類別與物件
6.2 類別封裝
6.3 類別繼承
6.4 多型
6.5 多重繼承
6.6 類別應用
6.7 建立 Python 專案
6.8 打造自己的模組

07 例外處理
7.1 例外處理
7.2 try...except 常用例外錯誤表
7.3 捕捉多個例外
7.4 raise 拋出例外
7.5 Traceback 記錄字串
7.6 assert 斷言

08 正規表達式
8.1 使用傳統程式設計方式搜尋
8.2 使用正規表達式
8.3 使用 re.complie() 建立正規表達式物件
8.4 使用 re 模組建立隱含正規表達式物件
8.5 更豐富的搜尋方式
8.6 使用 re.sub() 取代字串
8.7 實戰：網路爬蟲資料格式檢查

09 檔案系統的使用
9.1 檔案和目錄管理
9.2 檔案的讀寫
9.3 二進位檔案的讀寫

10 圖形使用者介面設計
10.1 Tkinter 模組：圖形使用者介面
10.2 排版方式
10.3 視窗區塊 (Frame)
10.4 實戰：英文單字王視窗版

【資料科學篇】

11 數據資料的爬取
11.1 requests 模組：讀取網站檔案
11.2 BeautifulSoup 模組：網頁解析
11.3 Selenium 模組：瀏覽器自動化操作

12 數據資料的儲存與讀取
12.1 csv 資料的儲存與讀取
12.2 Excel 資料儲存與讀取
12.3 json 資料的讀取與輸出
12.4 XML 資料的儲存與讀取
12.5 SQLite 資料庫的操作
12.6 MySQL 資料庫的操作
12.7 Google 試算表的操作

13 數據資料視覺化
13.1 繪製折線圖：plot
13.2 繪製長條圖：bar
13.3 繪製圓餅圖：pie
13.4 設定圖表區：figure
13.5 在圖表區加入多張圖表：subplot、axes
13.6 實戰：台灣股市股價走勢圖

14 Numpy 與 Pandas
14.1 Numpy 陣列建立
14.2 Numpy 陣列取值
14.3 Numpy 的運算功能
14.4 Pandas Series
14.5 Pandas DataFrame 的建立
14.6 Pandas DataFrame 資料取值
14.7 Pandas DataFrame 資料操作
14.8 Pandas 資料存取
14.9 Pandas 繪圖應用

15 Pandas 資料分析
15.1 資料預處理
15.2 資料合併
15.3 樞紐分析表
15.4 實戰：鐵達尼號生存機率預測

【網路應用篇】

16 Flask 網站開發
16.1 基本 Flask 網站應用程式
16.2 使用模板
16.3 Template 語言
16.4 以 GET 及 POST 傳送資料

17 Flask 建立 Web API 及 Vercel 部署
17.1 建立 PM2.5 資料 Web API
17.2 部署 Web API 到 Vercel
17.3 Web API 應用：PM2.5 查詢系統

18 LINE Bot 申請設定及開發
18.1 LINE 開發者管理控制台
18.2 實戰：「鸚鵡」LINE Bot 開發

19 Django 網站開發
19.1 Django 是什麼？
19.2 建立 Django 專案
19.3 視圖 (view) 與 URL
19.4 視圖、模版與 Template 語言
19.5 以 GET 及 POST 傳送資料

20 Django 資料庫連結與應用
20.1 PostgreSQL 資料庫
20.2 Django 資料庫
20.3 admin 後台管理與 ModelAdmin 類別
20.4 資料庫查詢
20.5 資料庫管理

21 Django 專題實戰及 Vercel 部署
21.1 實戰：Django 新聞公告系統
21.2 部署 Django 專案到 Vercel

【人工智慧篇】

22 機器學習：特徵提取
22.1 認識機器學習
22.2 文字特徵處理
22.3 數值標準縮放
22.4 特徵降維：特徵選擇

23 機器學習：分類及迴歸演算法
23.1 scikit-learn 資料集
23.2 K 近鄰演算法
23.3 樸素貝葉斯演算法
23.4 迴歸演算法

24 深度學習起點：多層感知器 (MLP)
24.1 認識多層感知器 (MLP)
24.2 Mnist 資料集
24.3 訓練 Mnist 手寫數字圖片辨識模型
24.4 模型儲存與預測

25 深度學習重點：CNN 及 RNN
25.1 卷積神經網路 (CNN) 基本結構
25.2 卷積神經網路實戰：Mnist 手寫數字圖片辨識
25.3 循環神經網路 (RNN) 基本結構
25.4 實戰：市場股價預測

26 自然語言處理 (NLP)
26.1 Jieba 模組
26.2 文字雲

27 ChatGPT API 及 Playground
27.1 ChatGPT API
27.2 ChatGPT Playground

【多媒體互動篇】

28 圖片批次處理：pillow
28.1 認識 pillow
28.2 圖片基本操作
28.3 圖片編輯
28.4 圖片切割、複製和合成
28.5 圖片濾鏡
28.6 繪製圖形
28.7 實戰：大量圖片處理

29 電腦遊戲開發：PyGame
29.1 Pygame 入門教學
29.2 Pygame 動畫處理
29.3 實戰：打磚塊遊戲

30 線上影音下載：PyTube
30.1 Pytube：下載 YouTube 影片模組
30.2 播放清單及相關資源下載

【開發加值篇】

31 雲端開發平台：Google Colab
31.1 Google Colab：雲端的開發平台
31.2 Markdown 語法

32 萬用編輯神器：VS Code
32.1 VS Code：最多人使用的程式編輯器
32.2 VS Code 執行 Python 程式
32.3 讓 VS Code 更有效率

33 編譯程式執行檔：PyInstaller
33.1 程式打包前的準備工作
33.2 實戰：打包 exe 執行檔
33.3 實戰：打包含有資源檔的執行檔
33.4 實戰：使用 .spec 打包含有資源檔的執行檔
33.5 資料儲存的考量

【附錄、IOT 物聯網篇】

（本篇為PDF形式電子書，請線上下載）
附錄 A MicroPython 與 ESP32
附錄 B MicroPython 小專題實作
附錄 C 感測器應用：溫溼度與超音波感測器
附錄 D 顯示裝置：LCD 液晶顯示器
附錄 E Wi-Fi 無線網路
附錄 F 物聯網應用
物聯網篇使用材料表