同類熱銷排行榜

數據科學理論與實踐--基於Python的實現

作者：編者:何曙光//張敏|責編:方小麗
出版社：科學
ISBN：9787030784063

出版日期：2024/05/01
裝幀：平裝
頁數：311

人民幣：RMB 68 元售價：元

內容大鋼

本書介紹了基於Python的數據科學理論和實踐相關內容。全書內容包括數據科學概論、Python基礎、Python常用模塊、基於Python的最優化等內容。本書以適用為目標，在簡要介紹相關理論的基礎上重點介紹如何通過Python進行數據分析、建模和問題解決。同時，本書還包含了大量的Python源代碼，可以作為參考資料，具有很強的實用性。
本書既可作為高等院校管理類專業高年級本科生、研究生的教材，也可以作為管理實踐相關人員的工具書。

作者介紹

編者:何曙光//張敏|責編:方小麗

前言
第1章  數據科學概論
  1.1  數據與大數據
    1.1.1  數據、信息和知識
    1.1.2  大數據
  1.2  數據科學及其工作流程概述
    1.2.1  數據科學概述
    1.2.2  數據科學工作流程
  習題
第2章  Python基礎
  2.1  Python概述
    2.1.1  電腦語言概述
    2.1.2  Python語言簡介
    2.1.3  Python解釋器及開發環境的安裝
  2.2  Python基礎
    2.2.1  Python基礎語法
    2.2.2  Python複雜數據類型
    2.2.3  Python運算符
    2.2.4  Python控制語句
  2.3  函數和類的定義
    2.3.1  Python函數的定義和調用
    2.3.2  Python與面向對象編程
  2.4  Python包
    2.4.1  Python包的結構和導入
    2.4.2  Python常用包簡介
  習題
第3章  Python常用模塊
  3.1  numpy與矩陣運算
    3.1.1  numpy多維數組基礎
    3.1.2  數組索引
    3.1.3  數組運算
    3.1.4  numpy簡單統計函數
  3.2  基於pandas的數據操縱與管理
    3.2.1  pandas基礎
    3.2.2  DataFrame的切片和計算
    3.2.3  DataFrame數據運算
    3.2.4  數據的合併
  3.3  基於matplotlib和seaborn的數據可視化
    3.3.1  matplotlib數據可視化概述
    3.3.2  matplotlib數據可視化示例
    3.3.3  seaborn數據可視化
  3.4  基於sympy的符號計算
    3.4.1  sympy基礎
    3.4.2  表達式操作
    3.4.3  積分與微分
    3.4.4  sympy方程求解
    3.4.5  sympy與函數可視化
  3.5  基於scipy的科學計算
    3.5.1  scipy線性代數
    3.5.2  數值積分

    3.5.3  插值
  習題
第4章  基於Python的最優化
  4.1  最優化問題的形式化定義與分類
  4.2  基於scipy的函數優化
    4.2.1  無約束最優化
    4.2.2  約束最優化
    4.2.3  其他最優化演算法
  4.3  基於cvxpy的凸優化建模與求解
    4.3.1  凸優化的基本概念
    4.3.2  cvxpy及凸優化問題求解
    4.3.3  凸優化問題實例
  4.4  基於gurobipy的數學規劃建模與求解
    4.4.1  Gurobi簡介
    4.4.2  基於gurobipy求解數學規劃的步驟
    4.4.3  gurobipy建模與求解實例
    4.4.4  gurobipy中的常用問題轉換技巧
  習題
第5章  基於Python的統計分析
  5.1  scipy與統計分佈
    5.1.1  基於scipy的基本統計分佈
    5.1.2  主要離散分佈簡介
    5.1.3  主要連續分佈簡介
    5.1.4  抽樣分佈
    5.1.5  基本統計分析
  5.2  基於Python的分佈參數估計
    5.2.1  參數的點估計
    5.2.2  參數的區間估計
    5.2.3  存在截尾數據的韋布爾分佈參數估計實例
  5.3  假設檢驗
    5.3.1  假設檢驗的基本概念
    5.3.2  scipy中的假設檢驗
  5.4  基於Python的統計模型
    5.4.1  線性回歸
    5.4.2  廣義線性模型
    5.4.3  廣義估計方程
    5.4.4  廣義加性模型
    5.4.5  基於表達式的模型定義
  習題
第6章  基於Python的機器學習
  6.1  機器學習概述
    6.1.1  機器學習及相關概念
    6.1.2  機器學習的結構
    6.1.3  基於Python的機器學習
    6.1.4  sklearn基礎
  6.2  監督學習模型
    6.2.1  分類模型
    6.2.2  回歸模型
    6.2.3  集成方法
  6.3  非監督學習演算法

    6.3.1  聚類
    6.3.2  高斯混合模型
    6.3.3  流形學習
    6.3.4  信號成分分解
    6.3.5  異常檢測
  6.4  機器學習模型選擇和評估
    6.4.1  模型選擇與評估
    6.4.2  超參數設置
    6.4.3  特徵選擇
    6.4.4  模型的保存和讀取
  習題
第7章  基於PyTorch的神經網路
  7.1  神經網路
    7.1.1  神經網路基本原理
    7.1.2  激活函數
    7.1.3  神經網路訓練過程
  7.2  基於PyTorch的神經網路建模
    7.2.1  Torch簡介
    7.2.2  變數和自動求導機制autograd
  7.3  PyTorch神經網路建模
  7.4  基於PyTorch的神經網路示例
    7.4.1  回歸問題
    7.4.2  分類問題
    7.4.3  多項式擬合問題
  習題
第8章  網路文本數據分析與實踐
  8.1  網路文本數據分析概述
    8.1.1  網路數據分析的基本流程
    8.1.2  網路數據分析主要應用場景
    8.1.3  網路數據分析典型案例
  8.2  Web應用構成要素及工作流程
    8.2.1  網頁構成要素
    8.2.2  Web訪問請求和響應過程
    8.2.3  靜態網頁和動態網頁
    8.2.4  審查網頁元素
  8.3  基於Python的網路數據獲取
    8.3.1  User-Agent
    8.3.2  基於urllib的網路數據獲取
    8.3.3  基於requests包的網路數據獲取
  8.4  網路數據解析
    8.4.1  正則表達式
    8.4.2  基於lxml的信息提取
    8.4.3  Beautiful Soup
  8.5  文本處理
    8.5.1  數據預處理
    8.5.2  中文分詞
    8.5.3  去除停用詞
    8.5.4  關鍵詞分析
  8.6  文本數據建模與分析
    8.6.1  文本主題模型

    8.6.2  情感分析模型
  習題
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

數據科學理論與實踐--基於Python的實現