计算机 类型
可以朗读 语音朗读
77千字 字数
2018-08-01 发行日期
展开全部

主编推荐语

数据科学实用技术书，覆盖基础知识和前沿应用，采用Python，附练习和教案。

内容简介

本书注重基本知识和最新实用技术的结合，能够将所学的知识融会贯通，联系实际开展数据分析工作。全书内容涵盖数据科学基础知识，数据科学的工作流程，包括数据采集、数据整理和探索、数据可视化和数据建模预测等技术方法和开发实现。通过图像、文本、时序与声音等数据科学领域的前沿应用，介绍数据分析的最新成果和实现方法。本书采用Python作为开发工具，读者只需具备编程语言基础即可。每小节附有思考和练习，每章提供综合练习题，提供电子教案、教学和实验案例。并通过二维码扫描提供知识扩展、学习指导等。

目录

  • 封面
  • 书名页
  • 版权页
  • 前言
  • 目录
  • 第1章 数据科学基础
  • 1.1 数据科学概述
  • 1.1.1 数据的力量
  • 1.1.2 数据科学的知识结构
  • 1.1.3 数据科学的工作流程
  • 1.1.4 数据科学与大数据
  • 1.2 Python数据分析工具
  • 1.2.1 科学计算集成环境Anaconda
  • 1.2.2 Python编译环境
  • 1.2.3 Jupyter Notebook
  • 1.3 Python语言基础
  • 1.3.1 常用数据类型
  • 1.3.2 流程控制
  • 1.3.3 函数和方法库
  • 综合练习题
  • 第2章 多维数据结构与运算
  • 2.1 多维数组对象
  • 2.1.1 一维数组对象
  • 2.1.2 二维数组对象
  • 2.1.3 创建多维数组的常用方法
  • 2.2 多维数组运算
  • 2.2.1 基本算术运算
  • 2.2.2 函数和矩阵运算
  • 2.2.3 随机数组生成函数
  • 2.3 案例：随机游走轨迹模拟
  • 综合练习题
  • 第3章 数据汇总与统计
  • 3.1 统计基本概念
  • 3.1.1 统计的含义
  • 3.1.2 常用统计量
  • 3.2 pandas数据结构
  • 3.2.1 Series对象
  • 3.2.2 Series数据访问
  • 3.2.3 DataFrame对象
  • 3.2.4 DataFrame数据访问
  • 3.3 数据文件读写
  • 3.3.1 读写CSV和TXT文件
  • 3.3.2 读取Excel文件
  • 3.4 数据清洗
  • 3.4.1 缺失数据处理
  • 3.4.2 去除重复数据
  • 3.5 数据规整化
  • 3.5.1 数据合并
  • 3.5.2 数据排序
  • 3.6 统计分析
  • 3.6.1 通用函数与运算
  • 3.6.2 统计函数
  • 3.6.3 相关性分析
  • 3.6.4 案例：调查反馈表分析
  • 综合练习题
  • 第4章 数据可视化
  • 4.1 Python绘图基础
  • 4.1.1 认识基本图形
  • 4.1.2 pandas快速绘图
  • 4.1.3 Matplotlib精细绘图
  • 4.2 可视化数据探索
  • 4.2.1 绘制常用图形
  • 4.2.2 绘制数据地图
  • 综合练习题
  • 第5章 机器学习建模分析
  • 5.1 机器学习概述
  • 5.1.1 机器学习与人工智能
  • 5.1.2 Python机器学习方法库
  • 5.2 回归分析
  • 5.2.1 回归分析原理
  • 5.2.2 回归分析实现
  • 5.2.3 回归分析性能评估
  • 5.3 分类分析
  • 5.3.1 分类学习原理
  • 5.3.2 决策树
  • 5.3.3 支持向量机
  • 5.4 聚类分析
  • 5.4.1 聚类任务
  • 5.4.2 K-means算法
  • 5.4.3 聚类方法的性能评估
  • 5.5 神经网络和深度学习
  • 5.5.1 神经元与感知器
  • 5.5.2 神经网络
  • 5.5.3 神经网络分类实现
  • 5.5.4 深度学习
  • 综合练习题
  • 第6章 文本数据处理
  • 6.1 文本处理概述
  • 6.1.1 文本处理的常见任务
  • 6.1.2 文本处理的基本步骤
  • 6.2 中文文本处理
  • 6.2.1 中文分词
  • 6.2.2 词性标注
  • 6.2.3 特征提取
  • 6.3 实例：垃圾邮件识别
  • 6.3.1 数据来源
  • 6.3.2 构建文本分类特征训练集
  • 6.3.3 模型训练和验证
  • 综合练习题
  • 第7章 图像数据处理
  • 7.1 数字图像概述
  • 7.1.1 数字图像
  • 7.1.2 数字图像类型
  • 7.1.3 数字图像处理
  • 7.2 Python图像处理
  • 7.2.1 Python图像处理库
  • 7.2.2 图像基本操作
  • 7.3 案例：深度学习实现图像分类
  • 7.3.1 卷积神经网络
  • 7.3.2 深度学习库Keras
  • 7.3.3 用Keras实现图像分类
  • 综合练习题
  • 第8章 时序数据与语音处理
  • 8.1 时序数据概述
  • 8.1.1 时序数据特性
  • 8.1.2 时序数据特征的提取
  • 8.2 时序数据分析方法
  • 8.2.1 时序数据分析过程
  • 8.2.2 股票预测实例
  • 8.3 语音识别实例
  • 8.3.1 语音识别技术简介
  • 8.3.2 语音识别中的时序数据处理
  • 8.3.3 语音识别实例
  • 综合练习题
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。