大數據分析：Python實踐與大型語言模型應用

謝佳松

大數據分析：Python實踐與大型語言模型應用
  • 出版商: 東北財大
  • 出版日期: 2026-01-01
  • 售價: $474
  • 語言: 簡體中文
  • 頁數: 577
  • ISBN: 7565458414
  • ISBN-13: 9787565458415
  • 相關分類: Python、Large language model

    • 下單後立即進貨 (約4週~6週)

相關主題

商品描述

本教材旨在為讀者搭建 一座從傳統統計分析思維轉 入數據智能時代的堅實橋梁 ，並回應數字經濟時代下對 研究範式與決策方式的根本 性挑戰。教材不僅系統梳理 了大數據從技術屬性到經濟 價值屬性的演進脈絡， 將 近年來在學術界與產業界引 發深遠變革的大型語言模型 技術，與經濟管理學科的核 心問題深度融合，力圖構建 一個兼具理論深度與實踐價 值的知識體系。編者力求突 破傳統數據分析教材的技術 局限，將前沿人工智能方法 納入經濟管理研究的框架， 以期為學術探索與產業實踐 提供新的理論視角與實證工 具

目錄大綱

第1章 大數據概述：基礎與範式革命
學習目標
本章導讀
1.1 大數據的內涵與經濟學特征
1.2 經濟金融領域的大數據類型與應用場景
1.3 大數據在經濟管理學科中的重要性及變革性影響
1.4 大數據應用的挑戰與突破
1.5 大數據分析全流程與研究方法
本章小結
第2章 Python語言基礎
學習目標
本章導讀
2.1 Python基礎
2.2 數據結構
2.3 流程控制與邏輯結構
2.4 函數與模塊
本章小結
第3章 Python語言進階
學習目標
本章導讀
3.1 文件的輸入輸出
3.2 正則表達式
3.3 Numpy
3.4 Pandas
3.5 Matplotlib
3.6 如何編寫好代碼
本章小結
第4章 大數據采集與處理
學習目標
本章導讀
4.1 大數據采集：方法與工具
4.2 網絡訪問Requests庫
4.3 網絡解析庫
4.4 動態渲染頁面爬取
4.5 清洗與預處理
本章小結
第5章 大數據分析策略及機器學習
學習目標
本章導讀
5.1 三類統計分析策略
5.2 時間序列分析
5.3 機器學習及sklearn庫
5.4 線性回歸
5.5 Logistic回歸
5.6 決策樹分類
5.7 神經網絡
5.8 KNN算法
5.9 支持向量機
5.10 貝葉斯分類
5.11 K-Means聚類分析
5.12 基於密度的聚類
5.13 聚類評估
本章小結
第6章 文本大數據基本分析方法
學習目標
本章導讀
6.1 文本數據簡介
6.2 分詞、預處理與詞雲圖
6.3 基於詞典的文本分析
6.4 詞向量和詞嵌入
本章小結
第7章 文本大數據分析進階：傳統方法與大型語言模型應用
學習目標
本章導讀
7.1 情感分析
7.2 文本相似度
7.3 主題建模
7.4 文本覆雜度
7.5 從傳統方法到大語言模型應用：性能對比與混合策略
本章小結
第8章 大型語言模型：進階應用與挑戰
學習目標
本章導讀
8.1 大型語言模型簡介與調用實踐
8.2 提示工程：高效使用LLMs的藝術
8.3 LangChain：構建LLMs應用的框架
8.4 多模態大數據中的大型語言模型應用
8.5 大型語言模型的局限性與挑戰
本章小結
參考文獻

類似商品