注重体验与质量的电子书资源下载网站
分类于: 计算机基础 云计算&大数据 人工智能
简介
Python高级数据分析: 机器学习、深度学习和NLP实例 豆 0.0分
资源最后更新于 2020-03-29 01:35:19
作者:〔印〕萨扬·穆霍帕迪亚(Sayan Mukhopadhyay)
译者:罗佳
出版社:出版社机械工业出版社
出版日期:2019-01
ISBN:9787111617020
文件格式: pdf
标签: 编程语言 软件开发 程序设计 机器学习 Python 数据分析与决策技术丛书
简介· · · · · ·
作为当今社会的热门职位,数据科学家通过对大量数据的合理使用,引起了一大批新的应用甚至是新的行业的产生。作为数据科学家使用的方法和工具,数据分析技术通过对收集来的大量数据进行详细研究和概括总结,让数据开口说话,从数据中提取有用信息并形成相应的结论,最终帮助人们将数据转化为可以付诸行动的见解。鉴于已有许多数据分析方面的入门型书籍,本书侧重于从各个方面展示数据分析的高级内容。基于此,本书包含了数据分析领域较全面的方法和技术,包括最新的数据库技术、监督学习方法、无监督学习方法、深度学习和神经网络、时间序列以及大数据分析等内容。本书的另一特色在于给出了大量的实例,便于读者在实例基础上深入理解相关内容和方法,并在自己的项目中引用这些实例作为示例代码。本书适合在数据分析领域已有一定基础,需要进一步提高的读者。萨扬·穆霍帕迪亚(SayanMukhopadhyay),拥有超过13年的行业经验,并与瑞信、PayPal、CATechnologies、CSC和Mphasis等公司建立了联系。他对投资银行、在线支付、在线广告、IT架构和零售等领域的数据分析应用有着深刻的理解。他的专业领域是在分布式和数据驱动的环境(如实时分析、高频交易等)中,实现高性能计算。他在印度贾达普大学获得电子和仪器工程学位,在班加罗尔的印度科学研究所获得硕士学位,研究方向为计算和数据科学。
目录
译者序
作者简介
技术审核员简介
致谢
第1章 简介
1.1 为何选择Python
1.2 何时避免使用Python
1.3 Python中的面向对象编程
1.4 在Python中调用其他语言
1.5 将Python模型作为微服务
1.6 高性能API和并发编程
第2章 Python结构化数据提取、转换和加载
2.1 MySQL
2.2 Elasticsearch
2.3 Neo4j Python驱动
2.4 neo4j-rest-client
2.5 内存数据库
2.6 Python版本MongoDB
2.7 Pandas
2.8 Python非结构化数据提取、转换和加载
第3章 基于Python的监督学习
3.1 使用Python实现降维
3.2 使用Python进行分类
3.3 半监督学习
3.4 决策树
3.5 朴素贝叶斯分类器
3.6 支持向量机
3.7 最近邻分类器
3.8 情绪分析
3.9 图像识别
3.10 使用Python进行回归
3.11 分类和回归
3.12 使模型高估或低估
3.13 处理分类型数据
第4章 无监督学习—聚类
4.1 K均值聚类
4.2 选择K—肘部法则
4.3 距离或相似性度量
4.4 文档上下文的相似性
4.5 什么是层次聚类
4.6 如何判断聚类结果是否良好
第5章 深度学习和神经网络
5.1 反向传播
5.2 反向传播算法
5.3 其他算法
5.4 TensorFlow
5.5 递归神经网络
第6章 时间序列
6.1 变化的分类
6.2 包含趋势的序列分析
6.3 包含周期性的序列数据分析
6.4 从时间序列中去除周期性
6.5 转换
6.6 平稳时间序列
6.7 使用Python进行时间序列分析
6.8 混合ARMA模型
6.9 集成ARMA模型
6.10 傅里叶变换
6.11 一个特殊的场景
6.12 数据缺失
第7章 大数据分析
7.1 Hadoop
7.2 Spark
7.3 云分析
7.4 物联网