内容简介
本套装汇集了数据科学领域的四本经典著作,旨在为数据科学家提供从入门到精通的完整修炼路径。内容涵盖数据清洗、探索性分析、统计建模、机器学习、数据可视化等核心技能,并结合真实案例讲解如何应用Python/R等工具解决实际问题。
第一册聚焦数据科学基础,帮助读者建立数据思维;第二册深入探讨统计与概率方法,为高级分析打下理论基础;第三册重点介绍机器学习算法及其在商业场景中的应用;第四册则指导读者如何高效沟通分析结果,提升数据产品化能力。整套书籍循序渐进,既适合初学者系统学习,也适合资深从业者查漏补缺。
通过阅读本套装,读者将掌握数据科学全流程的方法论与实操技巧,学会从海量数据中提取洞见,成为一名合格的数据科学家。
目录
《数据整理实践指南》
作者简介
内容提要
本书使用的体例
代码范例的使用
Safari®图书在线
如何联系我们
第1章 从头说起:什么是噪音数据
第2章 是我的问题还是数据的问题
2.1 理解数据结构
2.2 校验
2.3 可视化
2.4 小结
第3章 数据是给人看的不是给机器看的
3.1 数据
3.2 解决方案:编写代码
3.3 附言
3.4 其他格式
3.5 小结
第4章 纯文本中潜在的噪音数据
4.1 使用哪种纯文本编码
4.2 猜测文本编码格式
4.3 对文本规范化处理
4.4 问题:在纯文本中掺入了特定应用字符
4.5 通过Python处理文本
4.6 实践练习题
第5章 重组Web数据
5.1 你能获得数据吗
5.2 真正的困难
5.3 不利情况的解决办法
5.4 小结
第6章 检测撒谎者以及相互矛盾网上评论的困惑
6.1 Weotta公司
6.2 获得评论
6.3 情感分类
6.4 极化语言
6.5 创建语料库
6.6 训练分类器
6.7 分类器验证
6.8 用数据设计
6.9 经验教训
6.10 小结
6.11 信息资源
第7章 请噪音数据站出来
7.1 实例1:在制造业中减少缺陷
7.2 实例2:谁打来的电话
7.3 实例3:当“典型”不等于“平均”
7.4 经验总结
7.5 到工厂参观能成为试验的一部分吗
第8章 血、汗和尿
8.1 书呆子戏剧性工作交换
8.2 化学家如何整理数字
8.3 数据库都是我们的
8.4 仔细检查
8.5 生命短暂的漂亮代码库
8.6 改变化学家(和其他电子表单滥用者)
8.7 传递线(tl)和数据记录器(dr)
第9章 当数据与现实不匹配
9.1 到底是谁的报价机
9.2 股票分割、股利和调整
9.3 糟糕的现实
9.4 小结
第10章 偏差和误差的来源
10.1 估算上的偏差:一般性的问题
10.2 报告上的误差:一般性的问题
10.3 其他偏差来源
10.4 小结
参考文献
第11章 不要把完美和正确对立起来:噪音数据真是噪音吗
11.1 回忆学校生活
11.2 向着专业领域前进
11.3 应用实例——服务电话
11.4 继续前进
11.5 经验与未来展望
第12章 数据库攻击:什么时候使用文件
12.1 历史
12.2 建立我的工具箱
12.3 数据存储——我的路障
12.4 将文件作为数据存储器
12.5 文件的概念
12.6 文件支持的网络框架
12.7 反馈
第13章 卧库表,隐网络
13.1 关系成本分配模型
13.2 组合展开微妙的作用
13.3 隐藏网络的浮现
13.4 存储图表
13.5 利用Gremlin遍历图表
13.6 在网络属性里寻找价值
13.7 从多重数据模型角度考虑并使用正确的工具
第14章 云计算神话
14.1 关于“云”的介绍
14.2 何谓“云”
14.3 云和大数据
14.4 Fred的故事
14.5 Fred的荒唐事
14.6 结论和推荐
第15章 数据科学的阴暗面
15.1 避开这些陷阱
15.2 数据学家在机构中的位置
15.3 最后的想法
第16章 如何雇佣机器学习专家
16.1 确定问题
16.2 模型测试
16.3 创建训练集
16.4 选择特征
16.5 数据编码
16.6 训练集、测试集和解决方案集
16.7 问题描述
16.8 回答问题
16.9 整合解决方案
16.10 小结
第17章 数据的可追踪性
17.1 原因
17.2 个人经验
17.3 不变性:从函数程序设计借来的理念
17.4 案例
17.5 小结
第18章 社交媒体:是可抹去的印记吗
18.1 社交媒体:到底是谁的数据
18.2 管控
18.3 商业重组
18.4 对沟通和表达的期望
18.5 新的最终用户期望的技术含义
18.6 这个行业是做什么的
18.7 最终用户怎么做
18.8 我们怎样一起工作
第19章 揭秘数据质量分析:了解什么时候数据足够优质
19.1 框架介绍:数据质量分析的4个C
19.2 结论
看完了
《数据科学家修炼之道》
作者简介
内容提要
第1章 数据科学与大数据
1.1 深挖大数据
1.2 大数据产业
1.3 数据科学的诞生
1.4 要点
第2章 数据科学的重要性
2.1 数据科学领域的历史
2.2 新规则
2.3 新思维与随之而来的变化
2.4 要点
第3章 数据科学家的类型
3.1 数据开发者
3.2 数据研究者
3.3 数据创意师
3.4 数据商务人士
3.5 混合/普适类型
3.6 要点
第4章 数据科学家的思维体系
4.1 特质
4.2 素质与能力
4.3 思维
4.4 抱负
4.5 要点
第5章 技术资质
5.1 综合的编程能力
5.2 科学背景
5.3 专业化知识
5.4 要点
第6章 经验
6.1 企业实战VS学术研究的经验
6.2 经验VS正规教育
6.3 如何获得第一桶经验
6.4 要点
第7章 社交圈
7.1 岂止于专业社交圈
7.2 与学术圈的关系
7.3 与商业世界的关系
7.4 要点
第8章 所用的软件
8.1 Hadoop套件和朋友们
8.2 面向对象编程语言
8.3 数据分析软件
8.4 可视化工具
8.5 集成大数据系统
8.6 其他一些程序
8.7 要点
第9章 学习新知与解决问题
9.1 研讨会
9.2 会议
9.3 在线课程
9.4 数据科学小组
9.5 需求问题
9.6 专业知识缺乏问题
9.7 综合运用各种工具
9.8 要点
第10章 机器学习与R语言平台
10.1 机器学习简史
10.2 人工智能的未来
10.3 机器学习VS统计方法
10.4 在数据科学中使用机器学习
10.5 R平台简介
10.6 机器学习和R语言资料
10.7 要点
第11章 数据科学的处理流程
11.1 数据准备
11.2 数据探索
11.3 数据表示
11.4 数据发现
11.5 数据学习
11.6 创造数据产品
11.7 洞察、交付以及可视化呈现
11.8 重点
第12章 所需的具体技能
12.1 人才市场目前看中的数据科学家所需技能
12.2 程序员的自我修养
12.3 统计师和机器学习从业者的自我修养
12.4 数据相关领域从业人员的自我修养
12.5 学生的自我修养
12.6 要点
第13章 数据科学职位哪家寻
13.1 直接联系公司
13.2 专业人际关系
13.3 招聘网站
13.4 其他方法
13.5 要点
第14章 自我展示
14.1 关注雇主
14.2 灵活性和适应性
14.3 交付物
14.4 让自己从竞争中脱颖而出
14.5 独当一面
14.6 其他应该考虑的因素
14.7 要点
第15章 自由职业数据科学家之路
15.1 成为自由职业数据科学的利弊
15.2 自由职业生涯要持续多久
15.3 其他你可以提供的服务
15.4 一些自由数据分析工作
15.5 要点
第16章 职业数据科学家的案例学习
16.1 Raj Bondugula博士
16.2 Praneeth Vepakomma
16.3 要点
第17章 资深数据科学家案例学习
17.1 基本职业背景与学历背景
17.2 对于数据科学实践的观点
17.3 数据科学的未来
17.4 给数据科学家新人的建议
17.5 要点
第18章 新数据科学家的召唤
18.1 针对入门级数据科学家的招聘广告
18.2 针对数据科学专家的招聘广告
18.3 针对资深数据科学家的招聘广告
18.4 网上搜索职位的一些建议
18.5 要点
结语
术语表
附录1 有用的网页链接
附录2 相关文章
附录3 线下资源
看完了
《数据科学实战手册 R+Python》
内容提要
关于作者
关于译者和中文版审稿人
关于英文版审稿人
第1章 准备你的数据科学环境
简介
理解数据科学管道
在Windows、Mac OS X、Linux上安装R
在R和RStudio中安装扩展包
在Linux和Mac OS X上安装Python
在Windows上安装Python
在Mac OS X和Linux上安装Python数据分析库
安装更多Python包
安装和使用virtualenv
第2章 汽车数据的可视化分析(R)
简介
获取汽车燃料效率数据
为了你的第一个项目准备好R
将汽车燃料效率数据导入R
探索和描述燃料效率数据
进一步分析汽车燃料效率数据
研究汽车的产量以及车型
第3章 模拟美式橄榄球比赛数据(R)
简介
获取和清洗美式橄榄球比赛数据
分析和理解美式橄榄球比赛数据
构建度量攻防能力的指标
模拟单场由程序决定胜负的比赛
模拟多场由计算决定胜负的比赛
第4章 建模分析股票市场数据(R)
简介
获取股票市场数据
描述数据
清洗和研究数据
形成相对估值法
分析历史价格筛选股票
第5章 就业数据的可视化探索(R)
简介
分析前的准备
将就业数据导入R
就业数据探究
获取和合并添加附加信息
添加地理信息
获取州和县级水平的薪资和就业信息
可视化薪资的地理分布特性
探究各行业工作的地理分布情况
绘制地理空间的时间序列地图
函数性能测试和比较
第6章 运用税务数据进行应用导向的数据分析(Python)
简介
准备高收入数据集的分析
导入并熟悉世界各国高收入数据集
分析并可视化美国的高收入数据集
进一步分析美国的高收入阶层
用Jinja2汇报结果
第7章 运用汽车数据进行可视化分析(Python)
简介
IPython入门
熟悉IPython Notebook
准备分析汽车油耗
用Python熟悉并描述汽车油耗数据
用Python分析汽车油耗随时间变化趋势
用Python调查汽车的制造商和型号
第8章 社交网络分析(Python)
简介
准备用Python进行社交网络的分析工作
导入网络
探索英雄网络的子图
找出强关联
找出关键人物
调查全网的特征
社交网络中的聚类和发现社群
可视化图
第9章 大规模电影推荐(Python)
简介
对偏好建模
理解数据
加载电影评分数据
寻找高评分电影
提升电影评分系统
计算用户在偏好空间中的距离
计算用户相关性
为特定用户寻找最好的影评人
预测用户评分
基于物品的协同过滤
建立非负矩阵分解模型
将数据集载入内存
导出SVD模型至硬盘
训练SVD模型
测试SVD模型
第10章 获取和定位Twitter数据(Python)
简介
创建Twitter应用
了解Twitter API v1.1
获取粉丝和朋友信息
提取Twitter用户档案
避免Twitter速度限制
存储JSON数据至硬盘
安装MongoDB
利用PyMongo将用户信息存入MongoDB
探索用户地理信息
利用Python绘制地理分布图
第11章 利用NumPy和SciPy优化数值计算(Python)
简介
了解优化的步骤
识别代码中常见性能瓶颈
通读代码
利用Unix time函数剖析Python代码
利用Python内建函数剖析Python代码
利用IPython%timeit函数剖析Python代码
利用line_profiler剖析Python代码
摘取低处的(经过优化的)果实
测试NumPy带来的性能提升
用NumPy重写函数
用NumPy优化最内层循环
《贝叶斯思维 统计建模的Python学习法》
内容提要
推荐序
第1章 贝叶斯定理
1.1 条件概率
1.2 联合概率
1.3 曲奇饼问题
1.4 贝叶斯定理
1.5 历时诠释
1.6 M&M豆问题
1.7 Monty Hall难题
1.8 讨论
第2章 统计计算
2.1 分布
2.2 曲奇饼问题
2.3 贝叶斯框架
2.4 Monty Hall难题
2.5 封装框架
2.6 M&M豆问题
2.7 讨论
2.8 练习
第3章 估计
3.1 骰子问题
3.2 火车头问题
3.3 怎样看待先验概率?
3.4 其他先验概率
3.5 置信区间
3.6 累积分布函数
3.7 德军坦克问题
3.8 讨论
3.9 练习
第4章 估计进阶
4.1 欧元问题
4.2 后验概率的概述
4.3 先验概率的湮没
4.4 优化
4.5 Beta分布
4.6 讨论
4.7 练习
第5章 胜率和加数
5.1 胜率
5.2 贝叶斯定理的胜率形式
5.3 奥利弗的血迹
5.4 加数
5.5 最大化
5.6 混合分布
5.7 讨论
第6章 决策分析
6.1 “正确的价格”问题
6.2 先验概率
6.3 概率密度函数
6.4 PDF的表示
6.5 选手建模
6.6 似然度
6.7 更新
6.8 最优出价
6.9 讨论
第7章 预测
7.1 波士顿棕熊队问题
7.2 泊松过程
7.3 后验
7.4 进球分布
7.5 获胜的概率
7.6 突然死亡法则
7.7 讨论
7.8 练习
第8章 观察者的偏差
8.1 红线问题
8.2 模型
8.3 等待时间
8.4 预测等待时间
8.5 估计到达率
8.6 消除不确定性
8.7 决策分析
8.8 讨论
8.9 练习
第9章 二维问题
9.1 彩弹
9.2 Suite对象
9.3 三角学
9.4 似然度
9.5 联合分布
9.6 条件分布
9.7 置信区间
9.8 讨论
9.9 练习
第10章 贝叶斯近似计算
10.1 变异性假说
10.2 均值和标准差
10.3 更新
10.4 CV的后验分布
10.5 数据下溢
10.6 对数似然
10.7 一个小的优化
10.8 ABC(近似贝叶斯计算)
10.9 估计的可靠性
10.10 谁的变异性更大?
10.11 讨论
10.12 练习
第11章 假设检验
11.1 回到欧元问题
11.2 来一个公平的对比
11.3 三角前验
11.4 讨论
11.5 练习
第12章 证据
12.1 解读SAT成绩
12.2 比例得分SAT
12.3 先验
12.4 后验
12.5 一个更好的模型
12.6 校准
12.7 效率的后验分布
12.8 预测分布
12.9 讨论
第13章 模拟
13.1 肾肿瘤的问题
13.2 一个简化模型
13.3 更普遍的模型
13.4 实现
13.5 缓存联合分布
13.6 条件分布
13.7 序列相关性
13.8 讨论
第14章 层次化模型
14.1 盖革计数器问题
14.2 从简单的开始
14.3 分层模型
14.4 一个小优化
14.5 抽取后验
14.6 讨论
14.7 练习
第15章 处理多维问题
15.1 脐部细菌
15.2 狮子,老虎和熊
15.3 分层版本
15.4 随机抽样
15.5 优化
15.6 堆叠的层次结构
15.7 另一个问题
15.8 还有工作要做
15.9 肚脐数据
15.10 预测分布
15.11 联合后验
15.12 覆盖
15.13 讨论
作者简介
译者简介
欢迎来到异步社区!
您当前的等级为
登录后免费下载登录
小黑屋反思中,不准下载!
评论后刷新页面下载评论
支付¥以后下载
请先登录
您今天的下载次数(次)用完了,请明天再来
支付积分以后下载立即支付
支付以后下载立即支付
您当前的用户组不允许下载升级会员
您已获得下载权限
您可以每天下载资源次,今日剩余次
免责申明:
1. 本站分享的所有书籍均来源于自互联网,我们只进行收集整理,并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告,这并不是本站所为,请注意甄别。
3. 我们分享这些书籍,纯粹是出于知识分享的热情,以及对互联网分享精神的高度认同和践行,不以盈利为目的。
4. 本站分享的所有书籍,仅供个人学习研究使用,请勿用于任何商业用途,否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获,在条件允许的情况下,请一定购买正版书籍,这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者,且您不希望此作品出现在本站,请联系我们,我们将在收到您的请求后48小时内予以删除。