图书介绍
数据科学技术与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 宋晖，刘晓强主编；王洪亚，杜明，李柏岩，徐波编著 著
- 出版社： 北京：电子工业出版社
- ISBN：9787121346651
- 出版时间：2018
- 标注页数：152页
- 文件大小：20MB
- 文件页数：161页
- 主题词：数据处理－高等学校－教材
PDF下载
下载说明
数据科学技术与应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 数据科学基础1
1.1 数据科学概述1
1.1.1 数据的力量1
1.1.2 数据科学的知识结构3
1.1.3 数据科学的工作流程4
1.1.4 数据科学与大数据5
1.2 Python数据分析工具7
1.2.1 科学计算集成环境Anaconda7
1.2.2 Python编译环境7
1.2.3 Jupyter Notebook8
1.3 Python语言基础10
1.3.1 常用数据类型10
1.3.2 流程控制11
1.3.3 函数和方法库13
综合练习题14
第2章 多维数据结构与运算15
2.1 多维数组对象15
2.1.1 一维数组对象16
2.1.2 二维数组对象17
2.1.3 创建多维数组的常用方法19
2.2 多维数组运算21
2.2.1 基本算术运算21
2.2.2 函数和矩阵运算22
2.2.3 随机数组生成函数25
2.3 案例：随机游走轨迹模拟26
综合练习题29
第3章 数据汇总与统计30
3.1 统计基本概念30
3.1.1 统计的含义30
3.1.2 常用统计量31
3.2 pandas数据结构33
3.2.1 Series对象33
3.2.2 Series数据访问34
3.2.3 DataFrame对象37
3.2.4 DataFrame数据访问37
3.3 数据文件读写41
3.3.1 读写CSV和TXT文件41
3.3.2 读取Excel文件44
3.4 数据清洗45
3.4.1 缺失数据处理46
3.4.2 去除重复数据48
3.5 数据规整化49
3.5.1 数据合并49
3.5.2 数据排序51
3.6 统计分析53
3.6.1 通用函数与运算53
3.6.2 统计函数54
3.6.3 相关性分析56
3.6.4 案例：调查反馈表分析56
综合练习题59
第4章 数据可视化60
4.1 Python绘图基础60
4.1.1 认识基本图形60
4.1.2 pandas快速绘图61
4.1.3 Matplotlib精细绘图63
4.2 可视化数据探索67
4.2.1 绘制常用图形67
4.2.2 绘制数据地图77
综合练习题81
第5章 机器学习建模分析83
5.1 机器学习概述83
5.1.1 机器学习与人工智能83
5.1.2 Python机器学习方法库85
5.2 回归分析85
5.2.1 回归分析原理85
5.2.2 回归分析实现86
5.2.3 回归分析性能评估89
5.3 分类分析91
5.3.1 分类学习原理91
5.3.2 决策树93
5.3.3 支持向量机96
5.4 聚类分析100
5.4.1 聚类任务100
5.4.2 K-means算法101
5.4.3 聚类方法的性能评估104
5.5 神经网络和深度学习106
5.5.1 神经元与感知器106
5.5.2 神经网络107
5.5.3 神经网络分类实现108
5.5.4 深度学习110
综合练习题111
第6章 文本数据处理112
6.1 文本处理概述112
6.1.1 文本处理的常见任务112
6.1.2 文本处理的基本步骤113
6.2 中文文本处理115
6.2.1 中文分词115
6.2.2 词性标注116
6.2.3 特征提取117
6.3 实例：垃圾邮件识别120
6.3.1 数据来源121
6.3.2 构建文本分类特征训练集122
6.3.3 模型训练和验证122
综合练习题123
第7章 图像数据处理124
7.1 数字图像概述124
7.1.1 数字图像124
7.1.2 数字图像类型125
7.1.3 数字图像处理125
7.2 Python图像处理126
7.2.1 Python图像处理库126
7.2.2 图像基本操作127
7.3 案例：深度学习实现图像分类129
7.3.1 卷积神经网络129
7.3.2 深度学习库Keras130
7.3.3 用Keras实现图像分类132
综合练习题136
第8章 时序数据与语音处理137
8.1 时序数据概述137
8.1.1 时序数据特性137
8.1.2 时序数据特征的提取138
8.2 时序数据分析方法140
8.2.1 时序数据分析过程140
8.2.2 股票预测实例142
8.3 语音识别实例146
8.3.1 语音识别技术简介146
8.3.2 语音识别中的时序数据处理147
8.3.3 语音识别实例149
综合练习题151
参考文献152