会员   密码 您忘记密码了吗?
2,613,772 本书已上架      购物流程 | 常见问题 | 联系我们 | 关于我们 | 用户协议

有店 App


当前分类

浏览历史

网店信息

当前位置: 首页 > 电脑资讯 > 概论/科技趋势 > Python 資料科學實戰教本:爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!
Python 資料科學實戰教本:爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!
上一张
下一张
prev next

Python 資料科學實戰教本:爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!

作者: 陳會安
出版社: 旗標
出版日期: 2022-08-22
商品库存: 点击查询库存
以上库存為海外库存,下单时可选择“空运”或“海运”。空运费每件商品是RM12。在马来西亚的配送时间:空运需时约15个工作天,海运需时约30個工作天。 (以上预计配货时间不包括供应商发货时间、库存不足及尚未出版的预购商品而需更长时间)
市场价格: RM104.50
本店售价: RM92.00
用户评价: comment rank 5
购买数量:
collect Add to cart
详细介绍 商品属性 商品标记
內容簡介

  【題材涵蓋最全面!一本書掌握資料科學 / 數據工程必學 know-how!】
 
  從大數據到人工智慧世代,其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上,資料科學需要的背景知識與技能相當的多,通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用;再加上機器學習的基礎就是機率和統計,因此也免不了得學機率和統計知識,可說有一拖拉庫的主題等著你去學,也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷,一時間實在讓人難以消化...
 
  為了降低讀者初學資料科學面對的負擔以及混亂感,我們精心設計了這本入門實戰教本,秉持讓讀者「買一本抵多本」的精神,本書一次涵蓋所有入門必須熟悉的重要題材,同時也將初學資料科學的脈絡梳理清楚。
 
  在章節的安排上,本書從資料取得的網路爬蟲開始,提供一個標準 SOP 來幫助讀者從網路取得資料;接著說明資料科學必學的 Python 重量級套件,再接著介紹機率、統計和探索式資料分析的基礎知識,最後進入最熱門的機器學習、深度學習建模主題。
 
  這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練,跟著本書掌握這些重要 know-how 後,就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材,甚至參與資料科學、機器學習的網路競賽;希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路!
 
本書特色
 
  □ 資料科學三部曲:取得資料 → 探索資料 → 預測分析
  □ 一次補足最入門的統計和機率基礎
  □ Python 開發環境與基礎語法快速上手
  □ 從網頁爬蟲、資料清理到資料視覺化,快速完成資料探索的預處理程序
  □ 將清理後的資料存入 SQL 資料庫,便於日後存取利用
  □ 實踐資料科學的四大套件:NumPy、Pandas、Matplotlib、Seaborn 一次掌握
  □ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用


作者介紹

作者簡介
 
陳會安
 
  學歷:美國猶他州州立大學電腦碩士
 
  經歷:多所大專院校企業講師、松崗電腦產品經理、美商 PH 出版經理、專業電腦書作者
 
  國內知名資訊技術作家,已出版超過 100 本電腦著作,包括:程式設計、網頁設計、資料庫、系統分析、資料結構等各種不同主題。近年研究人工智慧、機器學習 / 深度學習、資料科學、網路爬蟲、大數據分析和物聯網相關課程與圖書寫作。


目錄

第一篇 資料科學和 Python 基礎
第 1 章 資料科學概論與開發環境建立 – Anaconda
第 2 章 Python 程式語言
 
第二篇 網路爬蟲和 Open Data (取得、清理與儲存資料)
第 3 章 取得網路資料
第 4 章 資料擷取
第 5 章 資料清理與資料儲存
第 6 章 網路爬蟲實作案例
 
第三篇 Python資料科學套件 – 探索資料(資料視覺化與大數據分析)
第 7 章 向量與矩陣運算 – NumPy 套件
第 8 章 資料處理與分析 – Pandas 套件
第 9 章 大數據分析 (一) – Matplotlib 和 Pandas 資料視覺化
第 10 章 大數據分析 (二) – Seaborn 統計資料視覺化
第 11 章 機率與統計
第 12 章 估計與檢定
第 13 章 探索性資料分析實作案例
 
第四篇 人工智慧、機器學習與深度學習 – 預測資料
第 14 章 人工智慧與機器學習概論 – 認識深度學習
第 15 章 機器學習演算法實作案例 – 迴歸
第 16 章 機器學習演算法實作案例 – 分類與分群
第 17 章 深度學習神經網路實作案例
 
附錄 A:HTML 網頁結構與 CSS
附錄 B:Python 文字檔案存取與字串處理
附錄 C:下載與安裝 MongoDB 和 MySQL 資料庫