欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • Python实战速成手册(数据分析+机器学习+深度学习)
      • 作者:方勇|责编:李强
      • 出版社:人民邮电
      • ISBN:9787115574497
      • 出版日期:2022/03/01
      • 页数:234
    • 售价:27.92
  • 内容大纲

        本书基于Python语言,较为全面地讲解了数据分析、机器学习、深度学习的相关知识,涵盖统计学基础、Python基础、Python面向对象入门、在Python中操作MySQL、NumPy、pandas、Matplotlib、Scikit-Learn,以及人工智能、神经网络等内容。本书还包括大量代码和综合练习,以及丰富的实战案例。
        本书适合对数据分析、机器学习与深度学习感兴趣的读者学习,也适合作为相关专业的培训参考,还适合从事人工智能相关工作的人员阅读。
  • 作者介绍

  • 目录

    第1章  统计学基础
      1.1  数据分布
      1.2  离中趋势
      1.3  抽样理论
      1.4  基本统计概念
    第2章  Python基础
      2.1  Python介绍
      2.2  第一个Python程序
      2.3  安装Anaconda
      2.4  Python规范
      2.5  Python的数据类型
      2.6  Python语句
      2.7  Python函数
      2.8  Python中的模块和包
      2.9  Python时间模块
      2.10  Python文件操作
    第3章  综合练习:迷你DVD管理器
      3.1  项目需求
      3.2  开发步骤
    第4章  Python面向对象入门
      4.1  定义Python类
      4.2  继承的原理
      4.3  Python构造函数
      4.4  实例
      4.5  小结
    第5章  综合练习:迷你DVD管理器(OOP版)
    第6章  在Python中操作MySQL
      6.1  安装PyMySQL
      6.2  pymysql.connect()中的参数说明
      6.3  connection对象支持的方法
      6.4  cursor对象支持的方法
      6.5  实现pymysql的增删改查功能
    第7章  NumPy
      7.1  NumPy介绍
      7.2  NumPy数组
      7.3  numpy.zeros()和numpy.ones()
      7.4  numpy.reshape()和numpy.flatten()
      7.5  numpy.hstack()和numpy.vstack()
      7.6  numpy.asarray()
      7.7  numpy.arange()
      7.8  numpy.linspace()和numpy.logspace()
      7.9  索引和切片NumPy数组
      7.10  NumPy统计函数与示例
      7.11  numpy.dot()
      7.12  numpy.matmul()
      7.13  numpy.linalg.det()
      7.14  NumPy实例
    第8章  pandas
      8.1  pandas介绍
      8.2  pandas的数据结构

      8.3  创建数据帧
      8.4  创建日期范围
      8.5  查看数据
      8.6  拆分数据
      8.7  读取并写入数据
      8.8  pandas实例
    第9章  Matplotlib
      9.1  安装Matplotlib并查看版本
      9.2  绘制折线图
      9.3  绘制柱状图
    第10章  人工智能
      10.1  人工智能领域
      10.2  机器学习
      10.3  监督学习和无监督学习
      10.4  2020年19个最佳AI聊天机器人
    第11章  Scikit-Learn
      11.1  Scikit-Learn介绍
      11.2  数据集
      11.3  Scikit-Learn实例
      11.4  模型选择和评估
    第12章  实战案例
      12.1  泰坦尼克号(完整过程分析)
      12.2  电信单用户转合约预测
      12.3  电信低速率小区预测
      12.4  预测客户是否会认购定期存款
      12.5  银行信用卡欺诈检测
    第13章  神经网络
      13.1  深度学习
      13.2  前馈神经网络
      13.3  FNN实例——低速率小区
      13.4  递归神经网络
      13.5   RNN实例——低速率小区
      13.6  卷积神经网络
      13.7  CNN实例——低速率小区