用 Python 快速上手資料分析與機器學習, 2/e Pythonによるあたらしいデータ分析の教科書 第2版
寺田學, 辻 真吾, 鈴木たかのり, 福島真太朗 温政堯 譯
- 出版商: 碁峰資訊
- 出版日期: 2023-11-02
- 定價: $680
- 售價: 7.9 折 $537
- 語言: 繁體中文
- 頁數: 340
- 裝訂: 平裝
- ISBN: 6263245948
- ISBN-13: 9786263245945
-
相關分類:
Machine Learning、Data Science
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
實況直播：用 Docker 建構大型資料中心$880$695 -
最新世代平行運算 ─ 分散式系統主流框架實作指南$780$616 -
凡人也能懂的白話人工智慧演算法 (Grokking Artificial Intelligence Algorithms)$580$458 -
現在學正是時候 - Ubuntu Linux 無痛全面零基礎上手玩$880$695 -
區塊鏈與數據共享$414$393 -
數據挖掘與機器學習 : 基礎概念和算法 (原書2版) (Data Mining and Machine Learning: Fundamental Concepts and Algorithms, 2/e)$1,194$1,134 -
基於 PyTorch Lightning 的深度學習：使用 Python 快速構建高性能人工智能（AI）模型$594$564 -
自動機器學習$474$450 -
分佈式機器學習 — 系統、工程與實戰$834$792 -
Midjourney AI 圖像魔導書：搭配 ChatGPT 魔法加倍$580$458 -
Python：加密貨幣 CTA 量化交易 111個實戰技巧$600$420 -
資料科學入門完全指南：資料分析的觀念 處理 實作$700$525 -
ChatGPT X Keras X PyTorch 全方位應用實踐指南：從零開始的 AI 程式設計養成之路$720$562 -
Agile 一本通！敏捷新手入門導引：你需要的敏捷觀念、工具、好用資源，看這本就夠！（iThome鐵人賽系列書）【軟精裝】$700$546 -
Python 設計模式與開發實務 (Python Programming with Design Patterns)$580$458 -
Docker 實戰 6堂課：56個實驗動手做，掌握 Linux 容器核心技術（iThome鐵人賽系列書）【平裝】$650$507 -
Python 精解實例 - PySide 6/PyQt 6 強大開發親身體驗$1,280$1,011 -
設計機器學習系統｜迭代開發生產環境就緒的 ML 程式 (Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications)$780$616 -
資料視覺化｜使用 Python 與 JavaScript, 2/e (Data Visualization with Python and JavaScript: Scrape, Clean, Explore, and Transform Your Data, 2/e)$880$695 -
JavaScript 精選14堂課：網頁程式設計實作 (暢銷回饋版)$520$364 -
從異世界歸來發現只剩自己不會 Kubernetes：初心者進入雲端世界的實戰攻略！（iThome鐵人賽系列書）【軟精裝】$720$612 -
Power Automate 自動化超效率工作術 (附範例/「ChatGPT客服自動化/即時新聞群發/郵件附檔自動儲存」影音)$480$379 -
AI + IoT 佈建邊緣運算 - 電腦視覺業界專案原理及實作$980$774 -
可觀測性工程｜達成卓越營運 (Observability Engineering: Achieving Production Excellence)$680$537 -
跟 NVIDIA 學深度學習！attention、Transformer、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695
商品描述
廣受讀者好評、第二版登場！
紮實地學會資料分析工程師所需要的基本技能
書中會對資料分析工程師所需要的基本技巧進行詳盡解說。
‧取得資料、處理資料
‧資料視覺處理
‧編寫程式碼
‧基礎數學知識
‧機器學習的流程與執行方法
第2版的重點
‧支援Python 3.10版本
‧用更深入淺出的方式進行講解
在書中可以學到
‧Python基本語法
‧講解資料格式
‧資料的預處理技巧
‧資料視覺處理技巧
‧運用現成的演算法來執行機器學習
適合對象
想成為資料分析工程師的讀者
目錄大綱
Chapter 1 資料分析工程師的職責
1.1 資料分析的世界
1.2 機械學習的定位與流程
1.3 資料分析主要會用到的套件
Chapter 2 Python與環境
2.1 建構執行環境
2.2 Python的基礎
2.3 JupyterLab
Chapter 3 基礎數學
3.1 讀懂公式的基礎知識
3.2 線性代數
3.3 基礎解析
3.4 機率與統計
Chapter 4 運用函式庫實作資料分析
4.1 NumPy
4.2 pandas
4.3 Matplotlib
4.4 scikit-learn
Chapter 5 應用：蒐集、處理資料
5.1 網頁抓取
5.2 自然語言的處理
5.3 處理圖像資料
