123,123

內(nèi)容簡(jiǎn)介

　　僅僅會(huì)Python編程是不夠的。想成為一名優(yōu)秀的數(shù)據(jù)分析工程師，還需要有全方位、透徹理解問題本質(zhì)的能力，善于把實(shí)際的工作任務(wù)拆解成準(zhǔn)確的數(shù)據(jù)問題，并運(yùn)用相關(guān)的知識(shí)來解決。本書恰好是從這個(gè)角度出發(fā)的，它條分縷析地幫助你認(rèn)識(shí)任務(wù)的本質(zhì)，教你從數(shù)據(jù)的角度來思考、拆解任務(wù)，并最終順利地達(dá)成目標(biāo)。

作者簡(jiǎn)介

　　黃文青，目前在百度公司任職，從事大數(shù)據(jù)、機(jī)器學(xué)習(xí)方向的研究與學(xué)習(xí)。對(duì)于如果成為一名數(shù)據(jù)工程師，有自己獨(dú)特的理解與實(shí)踐。

圖書目錄

1 概述 / 1
1．1 何為數(shù)據(jù)工程師 / 1
1．2 數(shù)據(jù)分析的流程 / 3
1．3 數(shù)據(jù)分析的工具 / 11
1．4 大數(shù)據(jù)的思與辨 / 14
2 關(guān)于Python / 17
2．1 為什么是Python / 17
2．2 常用基礎(chǔ)庫 / 19
2．2．1 Numpy / 19
2．2．2 Pandas / 26
2．2．3 Scipy / 37
2．2．4 Matplotlib / 38
3 基礎(chǔ)分析 / 43
3．1 場(chǎng)景分析與建模策略 / 43
3．1．1 統(tǒng)計(jì)量 / 43
3．1．2 概率分布 / 48
3．2 實(shí)例講解 / 55
3．2．1 誰的成績(jī)更優(yōu)秀 / 55
3．2．2 應(yīng)該庫存多少水果 / 57
4 數(shù)據(jù)挖掘 / 60
4．1 場(chǎng)景分析與建模策略 / 60
4．1．1 分類 / 61
4．1．2 聚類 / 76
4．1．3 回歸 / 86
4．1．4 關(guān)聯(lián)規(guī)則 / 90
4．2 數(shù)據(jù)挖掘的重要概念 / 93
4．2．1 數(shù)據(jù)預(yù)處理 / 93
4．2．2 評(píng)估與驗(yàn)證 /97
4．2．3 Bagging 與Adaboost / 99
4．2．4 梯度下降與牛頓法 / 102
4．3 實(shí)例講解 /105
4．3．1 信用卡欺詐監(jiān)測(cè) / 105
4．3．2 員工離職預(yù)判 /110
5 深度學(xué)習(xí)/ 114
5．1 場(chǎng)景分析與建模策略 / 115
5．1．1 感知機(jī) / 115
5．1．2 自編碼器 / 119
5．1．3 限制玻爾茲曼機(jī) /123
5．1．4 深度信念神經(jīng)網(wǎng)絡(luò) / 127
5．1．5 卷積神經(jīng)網(wǎng)絡(luò) / 129
5．2 人工智能應(yīng)用概況 / 137
5．2．1 深度學(xué)習(xí)的歷史 /137
5．2．2 人工智能的杰作 / 140
5．3 實(shí)例講解 / 146
5．3．1 學(xué)習(xí)識(shí)別手寫數(shù)字 / 146
5．3．2 讓機(jī)器認(rèn)識(shí)一只貓 / 151
6 大數(shù)據(jù)分析 / 160
6．1 常用組件介紹 / 160
6．1．1 數(shù)據(jù)傳輸 / 165
6．1．3 數(shù)據(jù)計(jì)算 / 174
6．1．4 數(shù)據(jù)展示 / 180
6．2 大數(shù)據(jù)處理架構(gòu) / 188
6．2．1 Lambda 架構(gòu) / 189
6．2．2 Kappa 架構(gòu) / 192
6．2．3 ELK 架構(gòu) / 193
6．3 項(xiàng)目設(shè)計(jì) / 194
參考文獻(xiàn) / 202