失效链接处理 |
Python绝技运用Python成为顶级数据工程师 PDF 下载
下载地址:
版权归出版社和原作者所有,链接已删除,请购买正版
用户下载说明:
电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
https://product.dangdang.com/11720828940.html
相关截图: 资料简介: 仅仅会Python编程是不够的。想成为一名很好的数据分析工程师,还需要有多方面、透彻理解问题本质的能力,善于把实际的工作任务拆解成准确的数据问题,并运用相关的知识来解决。本书恰好是从这个角度出发的,它条分缕析地帮助你认识任务的本质,教你从数据的角度来思考、拆解任务,并很终顺利地达成目标。 资料目录: 1 概述 / 1 1.1 何为数据工程师 / 1 1.2 数据分析的流程 / 3 1.3 数据分析的工具 / 11 1.4 大数据的思与辨 / 14 2 关于Python / 17 2.1 为什么是Python / 17 2.2 常用基础库 / 19 2.2.1 Numpy / 19 2.2.2 Pandas / 26 2.2.3 Scipy / 37 2.2.4 Matplotlib / 38 3 基础分析 / 43 3.1 场景分析与建模策略 / 43 3.1.1 统计量 / 43 3.1.2 概率分布 / 48 3.2 实例讲解 / 55 3.2.1 谁的成绩更 / 55 3.2.2 应该库存多少水果 / 57 4 数据挖掘 / 60 4.1 场景分析与建模策略 / 60 4.1.1 分类 / 61 4.1.2 聚类 / 76 4.1.3 回归 / 86 4.1.4 关联规则 / 90 4.2 数据挖掘的重要概念 / 93 4.2.1 数据预处理 / 93 4.2.2 评估与验证 /97 4.2.3 Bagging 与Adaboost / 99 4.2.4 梯度下降与牛顿法 / 102 4.3 实例讲解 /105 4.3.1 信用卡欺诈监测 / 105 4.3.2 员工离职预判 /110 5 深度学习/ 114 5.1 场景分析与建模策略 / 115 5.1.1 感知机 / 115 5.1.2 自编码器 / 119 5.1.3 限制玻尔兹曼机 /123 5.1.4 深度信念神经网络 / 127 5.1.5 卷积神经网络 / 129 5.2 人工智能应用概况 / 137 5.2.1 深度学习的历史 /137 5.2.2 人工智能的杰作 / 140 5.3 实例讲解 / 146 5.3.1 学习识别手写数字 / 146 5.3.2 让机器认识一只猫 / 151 6 大数据分析 / 160 6.1 常用组件介绍 / 160 6.1.1 数据传输 / 165 6.1.3 数据计算 / 174 6.1.4 数据展示 / 180 6.2 大数据处理架构 / 188 6.2.1 Lambda 架构 / 189 6.2.2 Kappa 架构 / 192 6.2.3 ELK 架构 / 193 6.3 项目设计 / 194 参考文献 / 202 |