《财报分析从0到1》是摸鱼小组与几十万公众号读者互动的结晶，是一本适用于普通投资者的财报分析书籍。在过去的两三年中，有大量的上市公司出现财务风险，踩雷的投资者不在少数。本书深入浅出地讲解了财报分析的基础知识，通过实际案例的解读给普通投资者一线投资经理的分析视角。不同于枯燥的财务专业书，本书结合了大量A股上市公司的实际故事，寓教于乐，对于没有财务基础的投资者会有较大启发。

《上市公司财报分析实战》全面阐述了财务报告的架构、内容、分析模式，以及上市公司在财务报告中披露的业务范围、经营导向、业绩趋势等，详细介绍了如何通过财务报告甄别企业的基本面，从而帮助广大的投资者和财务入门者充分了解被投资企业的经营情况和财务状况。《上市公司财报分析实战》分析了大量上市公司的真实案例，引导读者通过阅读财务报告来排除质地不佳的企业，选择成长性、盈利能力向好的企业。 《上市公司财报分析实战》实用性强，既是散户投资者分析基本面的财报拆解宝典，又是财务人员的财务报表分析案例集，亦是企业高管了解上市公司财务运作的实用手册。

本书内容共6部分。第1部分帮助你理解通用人工智能时代下，"Chatbot”和"对话式交互”的概念；第2部分带你了解通用人工智能及其代表GPT；第3部分和第4部分介绍Chatbot的生命周期；第5部分介绍通用人工智能与现实世界的接口——机器人流程自动化；第6部分介绍行业对Chatbot的评价，明确Chatbot的边界并给出可落地的方法。现在就让我们开始这场干货满满的旅程吧！

本书内容共6部分。第1部分帮助你理解通用人工智能时代下，"Chatbot”和"对话式交互”的概念；第2部分带你了解通用人工智能及其代表GPT；第3部分和第4部分介绍Chatbot的生命周期；第5部分介绍通用人工智能与现实世界的接口——机器人流程自动化；第6部分介绍行业对Chatbot的评价，明确Chatbot的边界并给出可落地的方法。现在就让我们开始这场干货满满的旅程吧！

本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识点，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容在书中出现的章节位置。

作者根据自己多年的前后端开发经验，站在完全零基础读者的角度，详尽介绍了Pytho数据分析的基础知识，以及大量的开发技巧，全书围绕着“数据分析三剑客（NumPy、Pandas、Matplotlib）”进行细致的介绍。这三款工具的知识点非常多，本书尽量系统细致地介绍最精华的知识点，以便为读者构建一个完善的知识体系，并且为后续的工作打下坚实的基础。 每一章后面的实战题以及练习题，经过精心设计，可以锻炼读者的数据分析实战能力，对于巩固基础以及锻炼技术是非常有帮助的。

本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识点，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容在书中出现的章节位置。

★专为股票投资者写作，会计名家手把手教你读财报 ★上海交大受欢迎的价值投资课 ★思路+方法+案例+数据： 明晰思路——宏观、行业、公司、财务指标、估值的层层剖析 一看就懂——5年以上连续数据分析图 一学就会——好公司、坏公司核心指标对比 既见树木——以海天味业为案例贯穿全书 又见森林——纵览A股约4000家公司的财务指标情况 巴菲特曾说，价值投资的核心是识别优秀的具有长期竞争力和护城河的公司，而财报分析是识别好公司的基础，是价值投资的起点。 本书力求通俗易懂、简明扼要、图文并茂地介绍财报分析的方法。书中，海天味业这家优秀上市公司的案例贯穿始终，作者通过海天味业的案例介绍了优秀公司在宏观、行业 、公司层面的特征以及财报指标的特征，同时作者还通过大量数据和图表展示了A股市场上市公司的整体情况。书中也介绍了如何通过财报分析防范上市公司的数字游戏，以及如何判...(展开全部)

本书以Python语言构建了程序设计基础课程的教学体系。本书在对程序设计核心方法的探讨上较其他Python书籍更为全面和深入。通过对本书内容的学习，读者将全面地掌握用Python进行程序设计的基本能力。 本书分为4章，每章都细分为若干节，知识点非常详细。第1章向读者介绍Python的基本语法和程序设计的一般方法。第2章向读者介绍函数这一重要概念。第3章通过Python的内建类型讲述了常见数据结构。第4章讲解Python的面向对象特性。 本书适合大专院校理工科专业的Python教学，IT职业培训机构的Python类课程体系，以及自学Python的学习者。

深度学习是人工智能研究领域中的一个极其重要的方向。本书是一本介绍深度学习理论和实战应用的教程，从深度学习的发展历史，单层感知器，线性神经网络，BP神经网络，一直介绍到深度学习算法卷积神经网络CNN，长短时记忆网络LSTM。并从图像，自然语言处理，音频信号三方面分别介绍了深度学习算法的实际应用。案例实战部分使用的深度学习框架为Tensorflow2/Keras。