Learning Python, 5th Edition Python学习手册
✍ Mark Lutz
📂 Library
📅 2013
🏛 O'Reilly Media
🌐 English
Python学习手册 原书第5版 下册
✦ LIBER ✦
📁
Python学习手册（原书第4版）
✍ Scribed by (美)MarkLutz
- Publisher
- 机械工业出版社
- Year
- 2011
- Tongue
- Chinese
- Category
- Library
⬇ Acquire This Volume
No coin nor oath required. For personal study only.
📜 SIMILAR VOLUMES
Python学习手册（第4版）
✍ [美] Mark Lutz
📂 Library
📅 2011
🏛 机械工业出版社
🌐 Chinese
<p>Google和YouTube由于Python的高可适应性、易于维护以及适合于快速开发而采用它。如果你想要编写高质量、高效的并且易于与其他语言和工具集成的代码，《Python学习手册：第4 版》将帮助你使用Python快速实现这一点，不管你是编程新手还是Python初学者。本书是易于掌握和自学的教程，根据作者Python专家Mark Lutz的著名培训课程编写而成。</p> <p>《Python学习手册：第4版》每一章都包含关于Python语言的关键内容的独立的一课，并且包含了一个独特的“练习题”部分，其中带有实际的练习和测试，以便你可以练习新的技能并随着学习而测试自己的理解。你会发现众
Python学习手册（第4版）
✍ [美] Mark Lutz
📂 Library
📅 2011
🏛 机械工业出版社
🌐 Chinese
<p>Google和YouTube由于Python的高可适应性、易于维护以及适合于快速开发而采用它。如果你想要编写高质量、高效的并且易于与其他语言和工具集成的代码，《Python学习手册：第4 版》将帮助你使用Python快速实现这一点，不管你是编程新手还是Python初学者。本书是易于掌握和自学的教程，根据作者Python专家Mark Lutz的著名培训课程编写而成。</p> <p>《Python学习手册：第4版》每一章都包含关于Python语言的关键内容的独立的一课，并且包含了一个独特的“练习题”部分，其中带有实际的练习和测试，以便你可以练习新的技能并随着学习而测试自己的理解。你会发现众多
Learning Python, 5th Edition Python学习手册
✍ Mark Lutz
📂 Library
📅 2013
🏛 O'Reilly Media
🌐 English
<p><span>Get a comprehensive, in-depth introduction to the core Python language with this hands-on book. Based on author Mark Lutz’s popular training course, this updated fifth edition will help you quickly write efficient, high-quality code with Python. It’s an ideal way to begin, whether you’re ne
数学手册（原书第10版）
✍ 布龙施泰因; 谢缅佳耶夫; 穆西奥尔; 米利希
📂 Library
📅 2020
🏛 科学出版社
🌐 Chinese
<p>《数学手册（原书第10版）》以手册的形式涵盖了人们日常工作、学习所需用到的数学知识。内容包括算术、函数、几何学、线性代数、代数学、离散数学、微分学、无穷级数、积分学、微分方程、变分法、线性积分方程、泛函分析、向量分析与向量场、函数论、积分变换、概率论与数理统计、动力系统与混沌、优化、数值分析、计算机代数系统等，并专门设有数学常用表格章节，方便读者查阅。</p>
机器学习导论（原书第3版）
✍ [土耳其] 埃塞姆·阿培丁（EthemAlpaydin）
📂 Library
📅 2016
🏛 机械工业出版社
🌐 Chinese
书签已装载， 书签制作方法请找 [email protected] 完全免费 机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，优化机器人的行为以便使用较少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。本书是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方法，多元分析，隐马尔可夫模型，增强学习，核机器，图模型，贝叶斯估计和统计检验。 机器学习正在迅速成为计算机科学专业的学生必须掌握