欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 数据科学入门(基于Python语言第2版影印版)(英文版)
      • 作者:(美)祖尔·革洛斯|责编:张烨
      • 出版社:东南大学
      • ISBN:9787564188269
      • 出版日期:2020/05/01
      • 页数:384
    • 售价:47.2
  • 内容大纲

        想真正学会数据科学,你不仅要掌握工具——数据科学库、框架、模块和工具包——还要理解它们背后的思想和原理。更新的《数据科学入门》第2版为你展示了这些工具和算法是如何从零开始实现的。
        如果你具备数学能力和一些编程技能,作者Joel Grus将会帮你熟悉数据科学相关的核心数学和统计学知识,以及作为一名数据科学家所需的黑客技巧。这本更新的书还包含了关于深度学习、统计学和自然语言处理的新资料,为你展示了如何在日常繁杂冗余的数据中找到宝石。
        快速入门Python
        学习线性代数、统计学和概率的基础知识——以及它们在数据科学中的使用场景
        收集、探索、清理、管理和操作数据
        深入研究机器学习的基础知识
        实现k近邻、朴素贝叶斯、线性回归、逻辑回归、决策树、神经网络和聚类等模型
        探索推荐系统、自然语言处理、网络分析、MapReduce和数据库知识
  • 作者介绍

        祖尔·革洛斯是艾伦人工智能研究所的一名研究工程师。之前,他曾在谷歌担任软件工程师,并在多家初创企业担任数据科学家。他住在西雅图,在那里经常参加快乐的数据科学交流会。他偶尔在自己的网站joelgrus.com上写博客,经常在推特上以@joelgrus账号发推文。
  • 目录

    Preface to the Second Edition
    Preface to the First Edition
    1. Introduction
       The Ascendance of Data
       What Is Data Science?
       Motivating Hypothetical: DataSciencester
         Finding Key Connectors
         Data Scientists You May Know
         Salaries and Experience
         Paid Accounts
         Topics of Interest
         Onward
    2. A Crash Course in Python
       The Zen of Python
       Getting Python
       Virtual Environments
       Whitespace Formatting
       Modules
       Functions
       Strings
       Exceptions
       Lists
       Tuples
       Dictionaries
         defauhdict
       Counters
       Sets
       Control Flow
       Truthiness
       Sorting
       List Comprehensions
       Automated Testing and assert
       Object-Oriented Programming
       Iterables and Generators
       Randomness
       Regular Expressions
       Functional Programming
       zip and Argument Unpacking
       args and kwargs
       Type Annotations
          How to Write Type Annotations
       Welcome to DataSciencester!
       For Further Exploration
    3. Visualizing Data
       matploflib
       Bar Charts
       Line Charts
       Scatterplots
       For Further Exploration
    4. Linear Algebra

       Vectors
       Matrices
       For Further Exploration
    5. Statistks
       Describing a Single Set of Data
          Central Tendencies
          Dispersion
       Correlation
       Simpson's Paradox
       Some Other Correlational Caveats
       Correlation and Causation
       For Further Exploration
    ……
    6. Probability
    7. Hypothesis and Inference
    8. Gradient Descent
    9. Getting Data
    10. Working with Data
    11. Machine Learning
    12. k-Nearest Neighbors
    13. Naive Bayes
    14. Simple Linear Regression
    15. Multiple Regression
    16. Logistic Regression
    17. Decision Trees
    18. Neural Networks
    19. DeepLearning
    20. Clustering
    21. Natural Language Processing
    22. Network Analysis
    23. Recommender Systems
    24. Databases and SQL
    25. MapReduce
    26. Data Ethics
    27. Go Forth and Do Data Science
    Index