數(shù)據(jù)科學(xué)技術(shù)與應(yīng)用

定　價(jià)：￥35.00

作　者：	宋暉著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787121346651	出版時(shí)間：	2018-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	160	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)內(nèi)容涵蓋數(shù)據(jù)科學(xué)基礎(chǔ)知識(shí)，介紹了數(shù)據(jù)科學(xué)的工作流程，包括數(shù)據(jù)采集、數(shù)據(jù)整理和探索、數(shù)據(jù)可視化和數(shù)據(jù)建模預(yù)測(cè)等技術(shù)，并通過(guò)文本、圖像、語(yǔ)音等前沿應(yīng)用，引入人工智能技術(shù)在數(shù)據(jù)科學(xué)領(lǐng)域應(yīng)用的*新成果。全書(shū)設(shè)計(jì)收集了多個(gè)數(shù)據(jù)分析案例，采用Python及相關(guān)科學(xué)計(jì)算工具包介紹數(shù)據(jù)分析實(shí)現(xiàn)的方法，幫助讀者通過(guò)實(shí)際應(yīng)用理解數(shù)據(jù)科學(xué)知識(shí)，掌握實(shí)踐技能，運(yùn)用統(tǒng)計(jì)學(xué)、人工智能等技術(shù)解決實(shí)際問(wèn)題。本書(shū)通俗易懂、實(shí)例豐富、技術(shù)先進(jìn)，配備豐富的教學(xué)資源，可作為各類大專院校數(shù)據(jù)科學(xué)、大數(shù)據(jù)技術(shù)的入門(mén)教材，計(jì)算機(jī)基礎(chǔ)教學(xué)較高層次課程的教材，也可以作為數(shù)據(jù)科學(xué)實(shí)踐的技術(shù)參考書(shū)。

作者簡(jiǎn)介

　　宋暉博士、教授，長(zhǎng)期從事Web數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和智能信息處理方面的研究和教學(xué)工作，主持完成多項(xiàng)數(shù)據(jù)挖掘、智能分析和信息系統(tǒng)的研發(fā)，在數(shù)據(jù)科學(xué)方向有深厚的理論基礎(chǔ)以及豐富的實(shí)踐經(jīng)驗(yàn)。

圖書(shū)目錄

目錄
第1章數(shù)據(jù)科學(xué)基礎(chǔ) （1）
1．1 數(shù)據(jù)科學(xué)概述（1）
1．1．1 數(shù)據(jù)的力量（1）
1．1．2 數(shù)據(jù)科學(xué)的知識(shí)結(jié)構(gòu) （3）
1．1．3 數(shù)據(jù)科學(xué)的工作流程（4）
1．1．4 數(shù)據(jù)科學(xué)與大數(shù)據(jù) （5）
1．2 Python數(shù)據(jù)分析工具（7）
1．2．1 科學(xué)計(jì)算集成環(huán)境Anaconda （7）
1．2．2 Python編譯環(huán)境（7）
1．2．3 Jupyter Notebook （8）
1．3 Python語(yǔ)言基礎(chǔ) （10）
1．3．1 常用數(shù)據(jù)類型（10）
1．3．2 流程控制（11）
1．3．3 函數(shù)和方法庫(kù) （13）
綜合練習(xí)題（14）
第2章多維數(shù)據(jù)結(jié)構(gòu)與運(yùn)算（15）
2．1　多維數(shù)組對(duì)象（15）
2．1．1　一維數(shù)組對(duì)象（16）
2．1．2 二維數(shù)組對(duì)象（17）
2．1．3 創(chuàng)建多維數(shù)組的常用方法（19）
2．2　多維數(shù)組運(yùn)算（21）
2．2．1　基本算術(shù)運(yùn)算（21）
2．2．2 函數(shù)和矩陣運(yùn)算（22）
2．2．3 隨機(jī)數(shù)組生成函數(shù) （25）
2．3 案例：隨機(jī)游走軌跡模擬（26）
綜合練習(xí)題（29）
第3章數(shù)據(jù)匯總與統(tǒng)計(jì) （30）
3．1 統(tǒng)計(jì)基本概念（30）
3．1．1 統(tǒng)計(jì)的含義（30）
3．1．2 常用統(tǒng)計(jì)量（31）
3．2 pandas數(shù)據(jù)結(jié)構(gòu) （33）
3．2．1 Series對(duì)象（33）
3．2．2 Series數(shù)據(jù)訪問(wèn) （34）
3．2．3 DataFrame對(duì)象（37）
3．2．4 DataFrame 數(shù)據(jù)訪問(wèn) （37）
3．3 數(shù)據(jù)文件讀寫(xiě) （41）
3．3．1　讀寫(xiě)CSV和TXT文件（41）
3．3．2 讀取Excel文件（44）
3．4 數(shù)據(jù)清洗（45）
3．4．1　缺失數(shù)據(jù)處理（46）
3．4．2 去除重復(fù)數(shù)據(jù) （48）
3．5 數(shù)據(jù)規(guī)整化（49）
3．5．1 數(shù)據(jù)合并（49）
3．5．2 數(shù)據(jù)排序（51）
3．6 統(tǒng)計(jì)分析（53）
3．6．1　通用函數(shù)與運(yùn)算（53）
3．6．2 統(tǒng)計(jì)函數(shù) （54）
3．6．3 相關(guān)性分析（56）
3．6．4 案例：調(diào)查反饋表分析（56）
綜合練習(xí)題（59）
第4章數(shù)據(jù)可視化（60）
4．1 Python繪圖基礎(chǔ) （60）
4．1．1 認(rèn)識(shí)基本圖形（60）
4．1．2 pandas快速繪圖（61）
4．1．3 Matplotlib精細(xì)繪圖（63）
4．2 可視化數(shù)據(jù)探索（67）
4．2．1 繪制常用圖形（67）
4．2．2 繪制數(shù)據(jù)地圖（77）
綜合練習(xí)題（81）
第5章機(jī)器學(xué)習(xí)建模分析（83）
5．1 機(jī)器學(xué)習(xí)概述（83）
5．1．1 機(jī)器學(xué)習(xí)與人工智能（83）
5．1．2 Python機(jī)器學(xué)習(xí)方法庫(kù) （85）
5．2 回歸分析（85）
5．2．1 回歸分析原理（85）
5．2．2 回歸分析實(shí)現(xiàn) （86）
5．2．3 回歸分析性能評(píng)估（89）
5．3 分類分析（91）
5．3．1 分類學(xué)習(xí)原理（91）
5．3．2 決策樹(shù) （93）
5．3．3 支持向量機(jī) （96）
5．4 聚類分析（100）
5．4．1 聚類任務(wù) （100）
5．4．2 K-means算法（101）
5．4．3 聚類方法的性能評(píng)估（104）
5．5 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí) （106）
5．5．1 神經(jīng)元與感知器（106）
5．5．2 神經(jīng)網(wǎng)絡(luò) （107）
5．5．3 神經(jīng)網(wǎng)絡(luò)分類實(shí)現(xiàn) （108）
5．5．4 深度學(xué)習(xí) （110）
綜合練習(xí)題（111）
第6章文本數(shù)據(jù)處理（112）
6．1 文本處理概述（112）
6．1．1 文本處理的常見(jiàn)任務(wù) （112）
6．1．2 文本處理的基本步驟（113）
6．2 中文文本處理（115）
6．2．1 中文分詞（115）
6．2．2 詞性標(biāo)注（116）
6．2．3 特征提取（117）
6．3 實(shí)例：垃圾郵件識(shí)別（121）
6．3．1 數(shù)據(jù)來(lái)源（121）
6．3．2 構(gòu)建文本分類特征訓(xùn)練集（122）
6．3．3 模型訓(xùn)練和驗(yàn)證（123）
綜合練習(xí)題（124）
第7章圖像數(shù)據(jù)處理（125）
7．1 數(shù)字圖像概述（125）
7．1．1 數(shù)字圖像（125）
7．1．2 數(shù)字圖像類型（126）
7．1．3 數(shù)字圖像處理（126）
7．2 Python圖像處理（127）
7．2．1 Python圖像處理庫(kù) （127）
7．2．2 圖像基本操作（128）
7．3 案例：深度學(xué)習(xí)實(shí)現(xiàn)圖像分類（130）
7．3．1 卷積神經(jīng)網(wǎng)絡(luò) （130）
7．3．2 深度學(xué)習(xí)庫(kù)Keras （131）
7．3．3 用Keras實(shí)現(xiàn)圖像分類（133）
綜合練習(xí)題（137）
第8章時(shí)序數(shù)據(jù)與語(yǔ)音處理（138）
8．1 時(shí)序數(shù)據(jù)概述（138）
8．1．1 時(shí)序數(shù)據(jù)特性（138）
8．1．2 時(shí)序數(shù)據(jù)特征的提取（139）
8．2 時(shí)序數(shù)據(jù)分析方法（141）
8．2．1 時(shí)序數(shù)據(jù)分析過(guò)程（141）
8．2．2 股票預(yù)測(cè)實(shí)例（143）
8．3 語(yǔ)音識(shí)別實(shí)例（147）
8．3．1 語(yǔ)音識(shí)別技術(shù)簡(jiǎn)介（147）
8．3．2 語(yǔ)音識(shí)別中的時(shí)序數(shù)據(jù)處理（148）
8．3．3 語(yǔ)音識(shí)別的實(shí)例（150）
綜合練習(xí)題（151）
參考文獻(xiàn) （152）