计算机 类型
可以朗读 语音朗读
93千字 字数
2018-06-01 发行日期
展开全部

主编推荐语

本书用Python实现数据处理知识体系，分析基础、数据挖掘、深度学习，涵盖工程组件及架构模式。

内容简介

Python 简洁易懂的语法、丰富的类库、以及与大数据组件的无缝集成等诸多特点，使得其成为当前数据工程师的首选编程语言。当然，只是掌握Python还完全不足以成为顶级的数据工程师，因此，本书介绍数据处理知识体系，并以Python实现相关代码示例，力求让读者能使用Python完成数据处理的各个环节。本书的第一章和第二章，简要说明了数据处理领域的基本概念，旨在让读者对数据处理工作有宏观的了解。第二章到第五章，主要讲述了数据分析理论。此处按照难易程度，将其划分成三个部分，即“基础分析”、“数据挖掘”、“深度学习”。第六章，针对大数据分析，介绍了在工程实施过程中的需要用到的“工程组件”、“架构模式”，并以一个具体的案例，说明整个数据工程的实施流程。

目录

  • 封面
  • 版权页
  • 好评袭来
  • 前言
  • 目录
  • 1 概述
  • 1.1 何为数据工程师
  • 1.2 数据分析的流程
  • 1.3 数据分析的工具
  • 1.4 大数据的思与辨
  • 2 关于Python
  • 2.1 为什么是Python
  • 2.2 常用基础库
  • 2.2.1 Numpy
  • 2.2.2 Pandas
  • 2.2.3 Scipy
  • 2.2.4 Matplotlib
  • 3 基础分析
  • 3.1 场景分析与建模策略
  • 3.1.1 统计量
  • 3.1.2 概率分布
  • 3.2 实例讲解
  • 3.2.1 谁的成绩更优秀
  • 3.2.2 应该库存多少水果
  • 4 数据挖掘
  • 4.1 场景分析与建模策略
  • 4.1.1 分类
  • 4.1.2 聚类
  • 4.1.3 回归
  • 4.1.4 关联规则
  • 4.2 数据挖掘的重要概念
  • 4.2.1 数据预处理
  • 4.2.2 评估与验证
  • 4.2.3 Bagging与Adaboost
  • 4.2.4 梯度下降与牛顿法
  • 4.3 实例讲解
  • 4.3.1 信用卡欺诈监测
  • 4.3.2 员工离职预判
  • 5 深度学习
  • 5.1 场景分析与建模策略
  • 5.1.1 感知机
  • 5.1.2 自编码器
  • 5.1.3 限制玻尔兹曼机
  • 5.1.4 深度信念神经网络
  • 5.1.5 卷积神经网络
  • 5.2 人工智能应用概况
  • 5.2.1 深度学习的历史
  • 5.2.2 人工智能的杰作
  • 5.3 实例讲解
  • 5.3.1 学习识别手写数字
  • 5.3.2 让机器认识一只猫
  • 6 大数据分析
  • 6.1 常用组件介绍
  • 6.1.1 数据传输
  • 6.1.2 数据存储
  • 6.1.3 数据计算
  • 6.1.4 数据展示
  • 6.2 大数据处理架构
  • 6.2.1 Lambda架构
  • 6.2.2 Kappa架构
  • 6.2.3 ELK架构
  • 6.3 项目设计
  • 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。