91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
數(shù)據(jù)科學(xué)入門(mén)（第2版）
數(shù)據(jù)科學(xué)入門(mén)（第2版）
Joel Grus 著
岳冰, 高蓉, 韓波 譯
出版時(shí)間：2020年12月
頁(yè)數(shù)：526
無(wú)論你身處哪個(gè)行業(yè)，數(shù)據(jù)都能成為你的好幫手。善于從凌亂的數(shù)據(jù)中提取有用的信息，你就能在面對(duì)業(yè)務(wù)難題時(shí)游刃有余，用 數(shù)據(jù)說(shuō)話(huà)，為決策找到有力的支撐。
歡迎進(jìn)入數(shù)據(jù)科學(xué)世界!在本書(shū)中，你將化身為虛構(gòu)公司DataSciencester的員工，從零開(kāi)始數(shù)據(jù)科學(xué)工作，親手構(gòu)建工具、實(shí)現(xiàn)算法，最終從數(shù)據(jù)科學(xué)新手蛻變?yōu)槿艿臄?shù)據(jù)科學(xué)家。在第1版的基礎(chǔ)上，本書(shū)升級(jí)了所有代碼示例，并新增了深度學(xué)習(xí)、統(tǒng)計(jì)學(xué)、自然語(yǔ)言處理等相關(guān)內(nèi)容。
● 學(xué)到一堂Python速成課。
● 學(xué)習(xí)線(xiàn)性代數(shù)、統(tǒng)計(jì)學(xué)和概率論的基礎(chǔ)知識(shí)，并能將其靈活地用于數(shù)據(jù)科學(xué)項(xiàng)目。
● 掌握如何獲取、探索、清洗、處理和調(diào)整數(shù)據(jù)。
● 深入理解機(jī)器學(xué)習(xí)概念，尤其是深度學(xué)習(xí)概念。
● 運(yùn)用k最近鄰法、樸素貝葉斯、線(xiàn)性回歸、邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)和聚類(lèi)等算法實(shí)現(xiàn)數(shù)據(jù)模型。
● 探索自然語(yǔ)言處理、網(wǎng)絡(luò)分析、推薦系統(tǒng)、數(shù)據(jù)庫(kù)與SQL、MapReduce。
  1. 第2版前言　
  2. 第1版前言
  3. 第1章 導(dǎo)論　
  4. 1.1　數(shù)據(jù)的崛起　
  5. 1.2　什么是數(shù)據(jù)科學(xué)
  6. 1.3　激勵(lì)假設(shè)：DataSciencester　
  7. 第2章 Python速成　
  8. 2.1　Python之禪　
  9. 2.2　獲取Python　
  10. 2.3　虛擬環(huán)境　
  11. 2.4　空白格式　
  12. 2.5　模塊　
  13. 2.6　函數(shù)　
  14. 2.7　字符串　
  15. 2.8　異?！?
  16. 2.9　列表　
  17. 2.10　元組　
  18. 2.11　字典　
  19. 2.12　計(jì)數(shù)器　
  20. 2.13　集　
  21. 2.14　控制流　
  22. 2.15　真和假　
  23. 2.16　排序　
  24. 2.17　列表解析　
  25. 2.18　自動(dòng)化測(cè)試和斷言　
  26. 2.19　面向?qū)ο缶幊獭?
  27. 2.20　迭代器和生成器　
  28. 2.21　隨機(jī)性
  29. 2.22　正則表達(dá)式　
  30. 2.23　函數(shù)式編程　
  31. 2.24　壓縮和參數(shù)拆分　
  32. 2.25　args和kwargs　
  33. 2.26　類(lèi)型注釋　
  34. 2.27　歡迎來(lái)到DataSciencester
  35. 2.28　進(jìn)一步探索　
  36. 第3章　數(shù)據(jù)可視化
  37. 3.1　matplotlib
  38. 3.2　條形圖　
  39. 3.3　線(xiàn)圖　
  40. 3.4　散點(diǎn)圖　
  41. 3.5　延伸學(xué)習(xí)　
  42. 第4章　線(xiàn)性代數(shù)　
  43. 4.1　向量　
  44. 4.2　矩陣　
  45. 4.3　延伸學(xué)習(xí)
  46. 第5章　統(tǒng)計(jì)學(xué)　
  47. 5.1　描述單個(gè)數(shù)據(jù)集　
  48. 5.2　相關(guān)　
  49. 5.3　辛普森悖論　
  50. 5.4　相關(guān)系數(shù)的其他注意事項(xiàng)　
  51. 5.5　相關(guān)與因果　
  52. 5.6　延伸學(xué)習(xí)　
  53. 第6章　概率　
  54. 6.1　依賴(lài)和獨(dú)立　
  55. 6.2　條件概率　
  56. 6.3　貝葉斯定理　
  57. 6.4　隨機(jī)變量　
  58. 6.5　連續(xù)分布　
  59. 6.6　正態(tài)分布　
  60. 6.7　中心極限定理　
  61. 6.8　延伸學(xué)習(xí)　
  62. 第7章　假設(shè)和推論　
  63. 7.1　統(tǒng)計(jì)假設(shè)檢驗(yàn)　
  64. 7.2　實(shí)例：擲硬幣　
  65. 7.3　p值　
  66. 7.4　置信區(qū)間　
  67. 7.5　p-Hacking　
  68. 7.6　實(shí)例：運(yùn)行A/B測(cè)試　
  69. 7.7　貝葉斯推斷　
  70. 7.8　延伸學(xué)習(xí)　
  71. 第8章　梯度下降
  72. 8.1　梯度下降的思想　
  73. 8.2　估算梯度　
  74. 8.3　使用梯度　
  75. 8.4　選擇正確步長(zhǎng)　
  76. 8.5　使用梯度下降擬合模型　
  77. 8.6　小批次梯度下降和隨機(jī)梯度下降　
  78. 8.7　延伸學(xué)習(xí)　
  79. 第9章　獲取數(shù)據(jù)　
  80. 9.1　stdin和stdout　
  81. 9.2　讀取文件　
  82. 9.3　網(wǎng)絡(luò)抓取　
  83. 9.4　使用API　
  84. 9.5　實(shí)例：使用Twitter API　
  85. 9.6　延伸學(xué)習(xí)　
  86. 第10章 數(shù)據(jù)工作　
  87. 10.1　探索數(shù)據(jù)　
  88. 10.2　使用NamedTuple　
  89. 10.3　數(shù)據(jù)類(lèi)　
  90. 10.4　清洗和修改　
  91. 10.5　數(shù)據(jù)處理　
  92. 10.6　數(shù)據(jù)調(diào)整　
  93. 10.7　題外話(huà)：tqdm　
  94. 10.8　降維　
  95. 10.9　延伸學(xué)習(xí)　
  96. 第11章 機(jī)器學(xué)習(xí)　
  97. 11.1　建模　
  98. 11.2　什么是機(jī)器學(xué)習(xí)　
  99. 11.3　過(guò)擬合與欠擬合　
  100. 11.4　正確性　
  101. 11.5　偏差–方差權(quán)衡　
  102. 11.6　特征提取與選擇　
  103. 11.7　延伸學(xué)習(xí)　
  104. 第12章 k*近鄰法　
  105. 12.1　模型　
  106. 12.2　實(shí)例：鳶尾花數(shù)據(jù)集　
  107. 12.3　維數(shù)災(zāi)難　
  108. 12.4　進(jìn)一步探索　
  109. 第13章 樸素貝葉斯算法　
  110. 13.1　一個(gè)簡(jiǎn)易的垃圾郵件過(guò)濾器　
  111. 13.2　一個(gè)復(fù)雜的垃圾郵件過(guò)濾器　
  112. 13.3　算法實(shí)現(xiàn)　
  113. 13.4　測(cè)試模型　
  114. 13.5　使用模型　
  115. 13.6　延伸學(xué)習(xí)　
  116. 第14章 簡(jiǎn)單線(xiàn)性回歸　
  117. 14.1　模型　
  118. 14.2　使用梯度下降法　
  119. 14.3　*大似然估計(jì)　
  120. 14.4　延伸學(xué)習(xí)　
  121. 第15章 多元回歸　
  122. 15.1　模型　
  123. 15.2　*小二乘模型的進(jìn)一步假設(shè)　
  124. 15.3　擬合模型　
  125. 15.4　解釋模型　
  126. 15.5　擬合優(yōu)度　
  127. 15.6　題外話(huà)：Bootstrap　
  128. 15.7　回歸系數(shù)的標(biāo)準(zhǔn)誤差　
  129. 15.8　正則化　
  130. 15.9　延伸學(xué)習(xí)　
  131. 第16章 邏輯回歸　
  132. 16.1　問(wèn)題　
  133. 16.2　logistic函數(shù)　
  134. 16.3　應(yīng)用模型　
  135. 16.4　擬合優(yōu)度　
  136. 16.5　支持向量機(jī)　
  137. 16.6　延伸學(xué)習(xí)　
  138. 第17章 決策樹(shù)　
  139. 17.1　什么是決策樹(shù)　
  140. 17.2　熵　
  141. 17.3　分割的熵　
  142. 17.4　創(chuàng)建決策樹(shù)　
  143. 17.5　綜合運(yùn)用　
  144. 17.6　隨機(jī)森林　
  145. 17.7　延伸學(xué)習(xí)　
  146. 第18章 神經(jīng)網(wǎng)絡(luò)　
  147. 18.1　感知器　
  148. 18.2　前饋神經(jīng)網(wǎng)絡(luò)　
  149. 18.3　反向傳播　
  150. 18.4　實(shí)例：Fizz Buzz　
  151. 18.5　延伸學(xué)習(xí)　
  152. 第19章 深度學(xué)習(xí)　
  153. 19.1　張量
  154. 19.2　層抽象　
  155. 19.3　線(xiàn)性層
  156. 19.4　把神經(jīng)網(wǎng)絡(luò)作為層序列　
  157. 19.5　損失函數(shù)與優(yōu)化器　
  158. 19.6　實(shí)例：重新設(shè)計(jì)異或網(wǎng)絡(luò)　
  159. 19.7　其他激活函數(shù)　
  160. 19.8　實(shí)例：重新解決Fizz Buzz問(wèn)題　
  161. 19.9　softmax函數(shù)和交叉熵　
  162. 19.10　丟棄　
  163. 19.11　實(shí)例：MNIST　
  164. 19.12　保存和加載模型　
  165. 19.13　延伸學(xué)習(xí)　
  166. 第20章 聚類(lèi)分析　
  167. 20.1　原理　
  168. 20.2　模型　
  169. 20.3　實(shí)例：聚會(huì)　
  170. 20.4　選擇聚類(lèi)數(shù)目k　
  171. 20.5　實(shí)例：色彩聚類(lèi)　
  172. 20.6　自下而上的分層聚類(lèi)　
  173. 20.7　延伸學(xué)習(xí)　
  174. 第21章 自然語(yǔ)言處理　
  175. 21.1　詞云　
  176. 21.2　n-gram語(yǔ)言模型　
  177. 21.3　語(yǔ)法　
  178. 21.4　題外話(huà)：吉布斯采樣　
  179. 21.5　主題建?！?
  180. 21.6　詞向量　
  181. 21.7　遞歸神經(jīng)網(wǎng)絡(luò)　
  182. 21.8　實(shí)例：使用字符級(jí)RNN　
  183. 21.9　延伸學(xué)習(xí)　
  184. 第22章 網(wǎng)絡(luò)分析　
  185. 22.1　中介中心性　
  186. 22.2　特征向量中心性　
  187. 22.3　有向圖與PageRank　
  188. 22.4　延伸學(xué)習(xí)　
  189. 第23章 推薦系統(tǒng)　
  190. 23.1　人工管理　
  191. 23.2　推薦流行事務(wù)　
  192. 23.3　基于用戶(hù)的協(xié)同過(guò)濾　
  193. 23.4　基于項(xiàng)目的協(xié)同過(guò)濾　
  194. 23.5　矩陣分解　
  195. 23.6　延伸學(xué)習(xí)　
  196. 第24章 數(shù)據(jù)庫(kù)與SQL　
  197. 24.1　CREATE TABLE與INSERT　
  198. 24.2　UPDATE　
  199. 24.3　DELETE　
  200. 24.4　SELECT　
  201. 24.5　GROUP BY　
  202. 24.6　ORDER BY　
  203. 24.7　JOIN　
  204. 24.8　子查詢(xún)　
  205. 24.9　索引　
  206. 24.10　查詢(xún)優(yōu)化　
  207. 24.11　NoSQL　
  208. 24.12　延伸學(xué)習(xí)　
  209. 第25章 MapReduce　
  210. 25.1　實(shí)例：?jiǎn)卧~計(jì)數(shù)　
  211. 25.2　為什么是MapReduce　
  212. 25.3　更一般化的MapReduce　
  213. 25.4　實(shí)例：狀態(tài)分析更新　
  214. 25.5　實(shí)例：矩陣乘法　
  215. 25.6　題外話(huà)：組合器　
  216. 25.7　延伸學(xué)習(xí)　
  217. 第26章 數(shù)據(jù)倫理　
  218. 26.1　什么是數(shù)據(jù)倫理　
  219. 26.2　講真的，什么是數(shù)據(jù)倫理　
  220. 26.3　是否應(yīng)該關(guān)注數(shù)據(jù)倫理　
  221. 26.4　建立不良數(shù)據(jù)產(chǎn)品　
  222. 26.5　*確與公平之間的較量　
  223. 26.6　合作　
  224. 26.7　可解釋性　
  225. 26.8　推薦　
  226. 26.9　異常數(shù)據(jù)　
  227. 26.10　數(shù)據(jù)保護(hù)　
  228. 26.11　小結(jié)　
  229. 26.12　延伸學(xué)習(xí)
  230. 第27章 數(shù)據(jù)科學(xué)前瞻　
  231. 27.1　IPython　
  232. 27.2　數(shù)學(xué)　
  233. 27.3　不從零開(kāi)始　
  234. 27.4　尋找數(shù)據(jù)　
  235. 27.5　從事數(shù)據(jù)科學(xué)工作　
  236. 關(guān)于作者　
  237. 關(guān)于封面　
書(shū)名：數(shù)據(jù)科學(xué)入門(mén)（第2版）
作者：Joel Grus 著
譯者：岳冰, 高蓉, 韓波 譯
國(guó)內(nèi)出版社：人民郵電出版社
出版時(shí)間：2020年12月
頁(yè)數(shù)：526
書(shū)號(hào)：978-7-115-55276-1
原版書(shū)書(shū)名：Data Science from Scratch, 2nd Edition
原版書(shū)出版商：O'Reilly Media
Joel Grus
 
喬爾·格魯斯(Joel Grus)，Capital Group公司的首席機(jī)器學(xué)習(xí)工程師， 擔(dān)任過(guò)艾倫研究所的人工智能研發(fā)工程師以及谷歌公司的軟件工程師，還曾在多家創(chuàng)業(yè)公司擔(dān)任數(shù)據(jù)科學(xué)家。
 
 
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：109.00元
書(shū)號(hào)：978-7-115-55276-1
出版社：人民郵電出版社