内容简介
[本书介绍]
聚焦于使用数据科学领域中比较流行的Python语言来进行数据采集、数据加工处理、数据分析、数据挖掘、文本挖掘和海量数据分析处理。
帮助读者掌握从事数据科学工作的必备技能。
[丛书介绍]
随着信息存储和传输技术的发展,特别是在移动计算、云计算、物联网等技术的支持下,社交网络、基于位置的服务、协同服务等新型服务和信息应用模式持续拓展着人们创造和分享信息的范围和形式,数据以前所未有的速度不断地增长和积累,大数据时代已经到来。
在这个时代,数据作为最重要的生产资源,成为改变世界、推动全球经济发展的支柱。
面对日益成熟的商业大数据环境,如何有效地分析和利用数据成为急需解决的基础性问题。
旺盛的社会需求催生出一个新的领域——商业分析(Business Analytics)。
商业分析是在大数据时代面向现实商业环境,以系统的观点为指导,运用定性与定量相结合的方法以及相关学科的研究手段,深入探究大数据环境下数据管理、数据分析、智能决策等问题的学科领域。
为推动该领域的进一步发展,特别是商业分析人才的培养,我们特组织高校相关专业教师和企业一线业务人员编写了这套商业分析丛书。
目录
基础编
1 数据科学简介
1.1 什么是数据科学
1.2 如何学习数据科学
1.3 什么是数据科学家
1.4 数据科学家需要掌握的技能
1.5 Python与数据科学
1.6 数据科学领域常用的Python包
本章小结
参考文献
2 Python基础知识
2.1 Python基本概念
2.2 序列和基本语句
2.3 函数和模块
本章小结
习题
参考文献
分析编
3 Python数据获取与数据预处理
3.1 Python数据获取
3.2 Python数据预处理
本章小结
习题
参考文献
4 利用Python进行数据分析
4.1 数据分析与Python
4.2 基本统计分析
4.3 主成分分析(PCA)
4.4 线性回归
本章小结
习题
参考文献
挖掘编
5 利用Python进行数据挖抛
5.1 数据挖掘与Py
5.2 k最近邻(k-Nearest Neighbor)
5.3 决策树(Decision Tree)
5.4 朴素贝叶斯(Naive Bayesian)
5.5 逻辑回归(Logistic Regression)
5.6 Apriori算法
5.7 聚类分析(Clustering Analysis)
5.8 随机森林(Random Forest)
本章小结
习题
参考文献
6 利用Python进行文本挖掘
6.1 文本挖掘简介
6.2 Python与文本分类
6.3 Python与文本聚类
6.4 Python与文本情感分析
6.5 Python与全文检索
本章小结
习题
参考文献
提高编
7 Python与海量数据处理简介
7.1 Spark简介
7.2 Pag
7.3 Python与推荐系统
本章小结
习题
参考文献
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，没有任何商业目的。
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时间内予以删除。
📖 支持知识自由流动
这本书的持续提供，需要服务器运行成本支持（约 3.7元/小时）
