舉報 
會員
數亦有道：Python數據科學指南
最新章節：
10.4 數據科學入門后，該做什么？
本書結合數據科學的具體應用場景，由淺入深、循序漸進地引導讀者入門數據科學，覆蓋了數據獲取、數據預處理、數據分析等方面的內容，共10章。本書首先概括性地介紹各章的主要內容，然后通過一個個生動的案例講解數據獲取、數據預處理、自然語言處理、機器學習和深度學習等方面的典型應用，最后通過答疑部分為讀者提供進一步學習的方向和方法的建議。本書各章的案例均基于具體應用場景，以簡單、清晰的方式對數據科學相關的技術原理和實際操作進行講解。
目錄(65章)
倒序
- 封面
- 扉頁
- 版權信息
- 內容提要
- 前言
- 視頻導向圖書使用指南
- 第1章 入門導讀
- 1.1 環境設置
- 1.2 探索分析
- 1.3 數據獲取
- 1.4 數據預處理
- 1.5 自然語言處理
- 1.6 機器學習
- 1.7 深度學習
- 1.8 機器學習進階
- 1.9 答疑時間
- 第2章 環境設置
- 2.1 Python運行環境Anaconda的安裝
- 2.2 在線運行Python代碼
- 2.3 復制運行環境
- 第3章 探索分析
- 3.1 詞云制作
- 3.2 中文分詞
- 3.3 用Pandas存取和交換數據
- 3.4 可視化《三國演義》人名與兵器出現頻率
- 3.5 用R語言快速探索數據集
- 3.6 快速了解科研領域
- 第4章 數據獲取
- 4.1 獲取開放數據
- 4.2 利用API收集與分析網絡數據
- 4.3 Python抓取數據
- 第5章 數據預處理
- 5.1 使用正則表達式抽取文本結構化數據
- 5.2 批量抽取PDF文本內容
- 5.3 智能批量壓縮圖片
- 5.4 安裝Python軟件包遇錯誤，怎么辦？
- 第6章 自然語言處理
- 6.1 提取中文關鍵詞
- 6.2 情感分析
- 6.3 評論數據情感分析的時間序列可視化
- 6.4 對故事情節做情緒分析
- 6.5 spaCy與詞嵌入
- 第7章 機器學習
- 7.1 機器學習做決策支持
- 7.2 中文文本情感分類模型
- 7.3 從海量文章中抽取主題
- 第8章 深度學習
- 8.1 如何鎖定即將流失的客戶
- 8.2 識別動物圖像
- 8.3 尋找近似圖像
- 8.4 如何理解卷積神經網絡
- 8.5 如何理解循環神經網絡
- 8.6 循環神經網絡實現中文文本分類
- 8.7 循環神經網絡預測嚴重交通擁堵
- 8.8 用TensorFlow神經網絡分類表格數據
- 8.9 你的機器“不肯”學習，怎么辦？
- 第9章 機器學習進階
- 9.1 二元分類任務
- 9.2 有效溝通機器學習結果
- 9.3 機器學習中的訓練集、驗證集和測試集
- 第10章 答疑時間
- 10.1 Python編程遇到問題怎么辦？
- 10.2 如何高效學Python？
- 10.3 如何高效學習數據科學？
- 10.4 數據科學入門后，該做什么？ 更新時間：2021-09-28 15:24:27
推薦閱讀
- 大規模數據分析和建模：基于Spark與R
- ETL數據整合與處理（Kettle）
- MongoDB管理與開發精要
- Python廣告數據挖掘與分析實戰
- Oracle RAC 11g實戰指南
- Access 2007數據庫應用上機指導與練習
- 大數據Hadoop 3.X分布式處理實戰
- Proxmox VE超融合集群實踐真傳
- 大數據分析：數據倉庫項目實戰
- 大數據數學基礎（Python語言描述）
- Visual FoxPro數據庫技術基礎
- Oracle 11g+ASP.NET數據庫系統開發案例教程
- R Machine Learning Essentials
- 商業智能工具應用與數據可視化
- 數據庫查詢優化器的藝術：原理解析與SQL性能優化
- Deep Learning with R for Beginners
- PostgreSQL高可用實戰
- 大數據隱私保護技術與治理機制研究
- Trino權威指南（原書第2版）
- 數據庫原理及應用實驗：基于GaussDB的實現方法
- Reactive Programming in Kotlin
- MySQL應用實戰與性能調優
- Visual Studio 2010（C#）Web數據庫項目開發
- 邊緣計算使能工業互聯網
- Oracle數據庫性能優化方法論和最佳實踐
- 計算機視覺與深度學習實戰：以MATLAB、Python為工具
- Hands-On Deep Learning with R
- 數據湖倉
- Learning Functional Programming in Go
- 分布式數據庫：原理與實踐
