新書推薦：
《
武人琴音（十周年纪念版 逝去的武林系列收官之作 形意拳一门三代：尚云祥、韩伯言、韩瑜的人生故事 凸显百年武人命运）
》
售價：HK$
43.7
《
剑桥斯堪的纳维亚戏剧史（剑桥世界戏剧史译丛）
》
售價：HK$
154.6
《
禅心与箭术：过松弛而有力的生活（乔布斯精神导师、世界禅者——铃木大拙荐）
》
售價：HK$
66.1
《
先进电磁屏蔽材料——基础、性能与应用
》
售價：HK$
221.8
《
可转债投资实战
》
售價：HK$
99.7
《
王氏之死（新版，史景迁成名作）
》
售價：HK$
54.9
《
敢为天下先：三年建成港科大
》
售價：HK$
77.3
《
长高食谱 让孩子长高个的饮食方案 0-15周岁儿童调理脾胃食谱书籍宝宝辅食书 让孩子爱吃饭 6-9-12岁儿童营养健康食谱书大全 助力孩子身体棒胃口好长得高
》
售價：HK$
47.0
|
| 編輯推薦： |
|
针对 Python 零基础读者，系统讲述使用 Python 进行数据分析、数据挖掘及深度学习的相关知识基于数据分析流程，结合案例解析，提高读者的数据分析、数据挖掘及数据可视化等能力配备丰富的教学资源，包括 PPT 课件、教学大纲、数据源、代码、习题与参考答案等
|
| 內容簡介： |
|
本书使用数据科学领域中流行的编程语言之一——Python 来进行数据的基本处理与可视化、数据获取、数据分析、数据挖掘、文本挖掘和深度学习，旨在帮助读者掌握从事数据科学工作的技能。全书共 9 章，主要内容包括数据科学概述、Python 基础知识、Python 数据科学常用库、Python 数据获取、Python 数据分析、Python 数据挖掘、Python 文本挖掘、深度学习基础和深度学习应用。本书可作为普通高等院校数据科学与大数据技术、大数据应用与管理等专业相关课程的教材，也可作为数据分析从业人员的参考书。
|
| 關於作者： |
|
王仁武，男，工科博士、副教授，现华东师范大学信息学系教师，主要研究方向数据分析、数据挖掘与文本挖掘、机器学习与深度学习等。
|
| 目錄：
|
|
第 1章 数据科学概述11.1 什么是数据科学 11.2 如何学习数据科学 21.3 什么是数据科学家 21.4 数据科学家需要掌握的技能 31.5 Python与数据科学 31.6 数据科学领域常用的Python包 41.7 时代宠儿—深度学习 6习题 6第 2章 Python基础知识 72.1 Python介绍 72.1.1 Jupyter Notebook的简介及使用 82.1.2 Python基础概念 102.1.3输入和输出 142.1.4运算符 152.2 常见数据结构和基本语句 172.2.1序列 172.2.2字典 232.2.3集合 272.2.4基本语句 292.3 函数和模块 322.3.1函数 322.3.2模块 382.4 异常处理 432.4.1什么是异常 432.4.2常见异常错误 432.4.3捕捉异常 442.4.4触发异常 452.5 文件读写 452.5.1编码 452.5.2读取文本文件 462.5.3 Word文件与Excel文件读取 512.6 Pythonic 512.6.1解析式 522.6.2三元表达式 532.6.3花样传参：zip与星号操作 54本章小结 56习题 56第3章 Python数据科学常用库 583.1 Python数据分析概述 583.2 Numpy数值计算 593.2.1 Numpy基础简介 593.2.2 Numpy基础用法简介 603.2.3 Numpy数据分析常用函数简介 733.3 Pandas基础知识 763.3.1 Series介绍及其基本操作 763.3.2 DataFrame介绍及其基本操作 793.4 Pandas数据预处理 823.4.1数据合并 823.4.2 数据清洗 863.4.3 数据标准化 883.4.4 数据转换 893.5 Pandas数据分析基础 923.5.1 分层索引 923.5.2 Pandas常用函数介绍 973.5.3 分组 983.5.4 整形和旋转 1003.5.5 数据透视表和交叉表 1043.6 Matplotlib数据可视化 1083.6.1 Matplotlib简介 1083.6.2 Matplotlib绘图基础简介 1093.6.3 常用统计图绘制简介 113本章小结 116习题 116第4章 Python数据获取 1184.1 数据及其类型 1194.1.1 属性与属性类型 1194.1.2 数据类型 1204.1.3 数据集的类型 1214.2 数据获取方法 1244.2.1 从文件中获取数据 1244.2.2 从数据库中获取数据 1304.2.3 从网络接口获取数据 1334.2.4 从网页抓取数据 1354.3 网络爬虫 1354.3.1 爬虫简介及爬虫流程 1354.3.2 发起请求 1364.3.3 获取响应内容 1384.3.4 解析内容 1394.3.5 Selenium 144本章小结 147习题 147第5章 Python数据分析 1495.1数据分析基础 1505.1.1 对比分析 1515.1.2 分组分析 1525.1.3 结构分析 1535.1.4 分布分析 1535.1.5 交叉分析 1555.2 描述性统计分析 1565.2.1 数据集中趋势分析 1565.2.2 数据的离散程度分析 1575.2.3 数据的分布形态分析 1595.2.4 相关分析 1605.2.5 基于Seaborn的数据可视化分析 1615.3 主成分分析 1645.3.1 主成分分析原理介绍 1645.3.2 主成分分析基本流程 1655.3.3 Python实现主成分分析 1665.4 回归分析 1715.4.1 简单线性回归分析 1725.4.2 多元线性回归分析 177本章小结 181习题 181第6章 Python数据挖掘 1836.1 Python数据挖掘概述 1836.1.1 数据挖掘分类及常用方法 1846.1.2 使用Scikit-learn构建数据挖掘模型 1866.2 分类预测：决策树算法 1936.2.1 分类算法概述 1936.2.2 决策树算法 1946.2.3 决策树分枝 1956.2.4 决策树剪枝 1986.2.5 分类算法评估 1996.2.6 决策树的Python实现 2006.3朴素贝叶斯（Naive Bayesian） 2026.3.1 贝叶斯简介 2026.3.2 构建朴素贝叶斯模型 2036.3.3 朴素贝叶斯的Python实现 2046.4 人工神经网络 2056.4.1 人工神经网络简介 2056.4.2 神经元与激活函数 2076.4.3 前馈神经网络 2116.4.4 反向传播机制 2126.4.5 神经网络的Python实现 2156.5集成学习 2206.5.1 集成学习简介 2206.5.2 装袋法的代表——随机森林 2236.5.3 boosting的代表——xgboost 2306.6 关联分析（Association analysis） 2326.6.1 关联分析概述 2326.6.2 Apriori算法 2356.6.3 FP-Growth算法 2386.6.4 关联规则的Python实现 2396.7 聚类分析 2426.7.1 聚类分析概述 2426.7.2 常用聚类算法 2436.7.3 聚类算法Python实现 249本章小结 252习题 252第7章 文本挖掘 2547.1 文本挖掘概述 2547.1.1 文本挖掘的定义 2547.1.2 Python中的文本挖掘包 2557.1.3 文本挖掘的过程 2557.1.4 文本挖掘的应用 2567.2 Python文本特征提取 2567.2.1 中文分词与词云 2567.2.2 特征词量化与文本特征提取 2607.2.3 文本表示 2627.3文本分类 2687.3.1 文本分类概述 2687.3.2文本分类的Python实现 2697.4文本情感分析 2717.4.1 情感分析概述 2717.4.2 情感分析的具体应用及示例 2737.5 LDA主题模型 2757.5.1主题模型简介 2767.5.2主题模型在文本语义挖掘的应用 280本章小结 282习题 283第8章 深度学习基础 2848.1 深度学习概述 2848.1.1机器学习与深度学习 2848.1.2 深度学习的发展 2858.1.3 深度学习框架 2868.2 PyTorch介绍与安装 2878.2.1 PyTorch介绍 2878.2.2 PyTorch安装 2878.3 PyTorch基础 2888.3.1 Tensor张量 2888.3.2 Variable变量 2898.3.3 优化器 2908.3.4 PyTorch与Numpy 2908.4 卷积神经网络 2928.4.1卷积神经网络简介 2928.4.2 二维卷积运算的运算基础 2938.4.3 二维卷积运算的填充与步长 2958.4.4 三维卷积运算 2968.4.5 其他卷积神经网络组件 2988.5 循环神经网络 3018.5.1 RNN的结构 3018.5.2 RNN存在的问题 3048.5.3 LSTM 3048.5.4 GRU 3058.6 CNN与RNN的PyTorch实现 3068.6.1 卷积层 3068.6.2 池化层 3078.6.3 全连接层 3088.6.4 RNN 3088.6.5 LSTM 3098.6.6 GRU 310本章小结 310习题 310第9章 深度学习应用 3139.1 图片分类与迁移学习 3139.1.1 迁移学习与传统模型 3139.1.2 图片分类的经典案例 3159.1.3 PyTorch实现DenseNet 3179.2 命名实体识别 3219.2.1 命名实体识别基础 3219.2.2 PyTorch实现命名实体识别 325本章小结 330习题 331参考文献 332
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
