- 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

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目