幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python程序開發(高級1+X證書制度試點培訓用書)

  • 作者：編者:中慧雲啟科技集團有限公司|責編:王海月
  • 出版社：人民郵電
  • ISBN：9787115583550
  • 出版日期：2022/03/01
  • 裝幀：平裝
  • 頁數：242
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以《Python程序開發職業技能等級標準》為編寫依據，內容主要由數據收集與清洗、數據可視化與數據分析、人工智慧應用3個部分組成，涵蓋了NumPy、pandas、數據處理、數據可視化、機器學習、深度學習和推薦系統等相關知識。
    本書以模塊化的結構組織各個章節，以任務驅動的方式安排內容，以培養學生能力為目的，充分體現了「做中學，學中做」的思想。本書可用於1+X證書制度試點工作中的Python程序開發職業技能培訓，也可以作為期望從事Python程序開發人員的自學參考用書。
作者介紹
編者:中慧雲啟科技集團有限公司|責編:王海月
目錄
第一篇  數據收集與清洗
  第1章  NumPy
    1.1  介紹和安裝開發環境
      1.1.1  Python開發環境介紹
      1.1.2  安裝Anaconda
      1.1.3  Jupyter編輯平台
    1.2  安裝NumPy
    1.3  NumPy數組
      1.3.1  NumPy ndarray對象
      1.3.2  創建NumPy數組的常用函數
    1.4  數組的索引與切片
      1.4.1  數組的索引
      1.4.2  數組的切片
    1.5  基本數學運算
      1.5.1  數組與標量的運算
      1.5.2  數組與數組的運算
    1.6  NumPy通用函數
      1.6.1  mean()函數
      1.6.2  average()函數
      1.6.3  sum()函數
      1.6.4  min()函數
      1.6.5  max()函數
      1.6.6  argmax()函數
      1.6.7  maximum()/minimum()函數
      1.6.8  median()函數
      1.6.9  var()函數
      1.6.10  std()函數
      1.6.11  sort()函數
      1.6.12  loadtxt()函數
    1.7  NumPy字元串處理
      1.7.1  add()函數
      1.7.2  multiply()函數
      1.7.3  center()函數
      1.7.4  capitalize()函數和title()函數
      1.7.5  lower()函數和upper()函數
      1.7.6  split()函數
      1.7.7  splitlines()函數
      1.7.8  strip()函數
      1.7.9  lstrip()函數和rstrip()函數
      1.7.10  join()函數
      1.7.11  replace()函數
    1.8  項目實訓——蘋果公司股票數據分析
      1.8.1  項目需求
      1.8.2  項目實施
      1.8.3  項目分析
    本章小結
    習題
  第2章  pandas
    2.1  安裝pandas
    2.2  Series對象的基本操作

      2.2.1  創建Series對象
      2.2.2  查詢Series對象中的數據
      2.2.3  修改、刪除Series對象中的數據
    2.3  DataFrame對象的基本操作
      2.3.1  創建DataFrame對象
      2.3.2  DataFrame對象的屬性
      2.3.3  查詢DataFrame對象中的數據
      2.3.4  修改DataFrame對象中的數據
      2.3.5  增加DataFrame對象中的數據
      2.3.6  刪除DataFrame對象中的數據
    2.4  pandas讀寫數據
      2.4.1  讀寫CSV文件
      2.4.2  讀寫Excel文件
      2.4.3  讀寫JSON文件
    2.5  數據索引、排序和排名
      2.5.1  DataFrame的索引
      2.5.2  DataFrame的排序
      2.5.3  DataFrame的排名
    2.6  項目實訓——鏈家房屋數據分析
      2.6.1  項目需求
      2.6.2  項目實施
      2.6.3  項目分析
    本章小結
    習題
  第3章  數據處理
    3.1  數據清洗
      3.1.1  處理重複數據
      3.1.2  處理缺失數據
    3.2  數據計算
      3.2.1  基本數學運算
      3.2.2  比較運算
      3.2.3  統計方法
    3.3  數據分組
      3.3.1  分組聚合
      3.3.2  透視表
    3.4  數據轉置與數據位移
      3.4.1  數據類型轉換
      3.4.2  數據轉置
      3.4.3  數據位移
    3.5  數據合併
      3.5.1  堆疊合併
      3.5.2  主鍵合併
      3.5.3  重疊合併
    3.6  項目實訓——電影數據分析
      3.6.1  項目需求
      3.6.2  項目實施
      3.6.3  項目分析
    本章小結
    習題
第二篇  數據可視化與數據分析

  第4章  數據可視化
    4.1  可視化介紹
    4.2  Matplotlib簡介
      4.2.1  什麼是Matplotlib
      4.2.2  Matplotlib的使用場景
      4.2.3  Matplotlib的安裝
    4.3  Matplotlib繪圖
      4.3.1  Matplotlib繪圖的核心原理
      4.3.2  折線圖
      4.3.3  柱狀圖
      4.3.4  直方圖
      4.3.5  餅圖
      4.3.6  散點圖
      4.3.7  函數圖
      4.3.8  3D繪圖
    4.4  Seaborn繪圖
      4.4.1  認識Seaborn
      4.4.2  折線圖
      4.4.3  散點圖
      4.4.4  直方圖
    4.5  可視化分析報告
      4.5.1  報告需求
      4.5.2  報告內容說明
      4.5.3  業務實踐
      4.5.4  報告分析
    4.6  項目實訓——2014年度用戶每月購買商品次數和購買商品數量分析報告
      4.6.1  報告需求
      4.6.2  報告內容說明
      4.6.3  項目實施
      4.6.4  報告分析
    本章小結
    習題
  第5章  數據分析
    5.1  數據分析介紹
    5.2  列表分析
      5.2.1  分析需求
      5.2.2  分析關注點
      5.2.3  分析思路
      5.2.4  列表分析結果
    5.3  協方差分析
      5.3.1  認識協方差分析
      5.3.2  協方差分析的意義
      5.3.3  協方差分析實施
      5.3.4  協方差分析結果
    5.4  直方圖分析
      5.4.1  需求分析
      5.4.2  分析關注點
      5.4.3  分析思路
      5.4.4  直方圖分析結果
    5.5  對比分析

      5.5.1  認識對比分析
      5.5.2  分析需求
      5.5.3  分析關注點
      5.5.4  分析思路
      5.5.5  對比分析結果
    5.6  項目實訓——全國各省份「985」高校高考錄取分數線分析
      5.6.1  需求分析
      5.6.2  分析關注點
      5.6.3  分析思路
      5.6.4  對比分析結果
    本章小結
    習題
第三篇  人工智慧應用
  第6章  機器學習
    6.1  認識機器學習
      6.1.1  機器學習應用場景
      6.1.2  機器學習的組成
      6.1.3  訓練過程
      6.1.4  演算法匯總
      6.1.5  開發流程
    6.2  認識並安裝Scikit-Learn
      6.2.1  Scikit-Learn簡介
      6.2.2  Scikit-Learn基本概括
      6.2.3  模型選擇
      6.2.4  數據劃分
      6.2.5  常用模塊
      6.2.6  安裝sklearn
    6.3  回歸模型
      6.3.1  廣義線性模型
      6.3.2  樹回歸
      6.3.3  k近鄰回歸
      6.3.4  集成回歸模型：Bagging
      6.3.5  集成回歸模型：Boosting
    6.4  分類模型
      6.4.1  邏輯回歸
      6.4.2  決策樹
      6.4.3  支持向量機
      6.4.4  KNN
      6.4.5  樸素貝葉斯
      6.4.6  集成模型：Bagging
      6.4.7  集成模型：Boosting
    6.5  聚類模型
      6.5.1  聚類
      6.5.2  降維
    6.6  項目實訓——手寫數字識別
      6.6.1  實訓需求
      6.6.2  項目分析
      6.6.3  數據集導入及處理
      6.6.4  劃分訓練集和測試集
      6.6.5  隨機森林模型

      6.6.6  k近鄰模型
      6.6.7  邏輯回歸模型
      6.6.8  模型選擇及分類
      6.6.9  項目結果分析
    本章小結
    習題
  第7章  深度學習
    7.1  神經網路
      7.1.1  認識神經網路
      7.1.2  神經網路基礎
    7.2  深度學習框架Keras
      7.2.1  認識Keras
      7.2.2  Keras的安裝
      7.2.3  Keras里的模塊介紹
      7.2.4  Keras工作流程
    7.3  深度學習的應用
      7.3.1  Mnist手寫數字數據集
      7.3.2  CNN
      7.3.3  RNN
    7.4  項目實訓——CIFAR-10圖像識別
      7.4.1  實訓需求
      7.4.2  CIFAR-10數據集簡介
      7.4.3  項目實踐
      7.4.4  項目總結
    本章小結
    習題
  第8章  推薦系統
    8.1  認識協同過濾
    8.2  基於用戶的協同過濾演算法
    8.3  基於項目的協同過濾演算法
    8.4  項目實訓——電影推薦系統
      8.4.1  實訓需求
      8.4.2  數據集介紹
      8.4.3  項目實施
      8.4.4  結果分析
    本章小結
    習題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032