Data Science from Scratch｜用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)
Joel Grus 著、藍子軒 譯
已過版
買這商品的人也買了...
-
Python 錦囊妙計, 3/e (Python Cookbook, 3/e)$880$748 -
改變世界的九大演算法 : 讓今日電腦無所不能的最強概念 (Nine Algorithms That Changed the Future: The Ingenious Ideas That Drive Today’s Computers)$360$284 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
流暢的 Python｜清晰、簡潔、有效的程式設計 (Fluent Python)$980$833 -
Python 程式設計實務－從初學到活用 Python 開發技巧的16堂課$560$437 -
Python 機器學習 (Python Machine Learning)$580$452 -
機器學習 | 使用 Python 進行預測分析的基本技術$580$493 -
.jpg)
Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰$680$530 -
網站擷取｜使用 Python (Web Scraping with Python: Collecting Data from the Modern Web)$580$458 -
UX 從新手開始｜使用者體驗的 100堂必修課 (UX for Beginners: A Crash Course in 100 Short Lessons)$480$379 -
Python 初學特訓班 (附250分鐘影音教學/範例程式)$480$408 -
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法$590$502 -
高效率資料分析｜使用 Python (Foundations for Analytics with Python)$580$493 -
Git 團隊使用手冊 (Git for Teams: A User-Centered Approach to Creating Efficient Workflows in Git)$580$493 -
Python 自動化的樂趣｜搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$395 -
深度學習快速入門—使用 TensorFlow (Getting started with TensorFlow)$360$281 -
演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)$580$458 -
資料視覺化｜使用 Python 與 JavaScript (Data Visualization with Python and JavaScript: Scrape, Clean, Explore & Transform Your Data)$680$537 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$371 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
初探機器學習｜使用 Python (Thoughtful Machine Learning with Python)$480$379 -
精通機器學習｜使用 Python (Introduction to Machine Learning with Python: A Guide for Data Scientists)$680$578 -
Python 資料科學學習手冊 (Python Data Science Handbook: Essential Tools for Working with Data)$780$616 -
Python 資料分析, 2/e (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e)$880$695
相關主題
商品描述
<內容簡介>
從事資料科學方面的工作時，活用各種相關函式庫、軟體框架、模組、工具包是很好的做法，但如果原本完全不懂資料科學，從頭開始也是一種不錯的做法。本書將採取土法煉鋼從頭學起的方式，帶領讀者認識與資料科學相關的許多工具與演算法。
你只要具備基本的數學能力，以及程式設計的基礎，本書就可以幫你在遇到相關的數學與統計知識時，不至於感到害怕，而且還能讓你學會一個資料科學家所需具備的相關駭客技術。如今到處充斥著各種雜亂的數據資料，其中包含許多問題的解答，但也有很多微妙之處，甚至連問題本身都還沒被提出來過。如果你真心想要挖掘問題的解答，本書將可以提供你一些相關的知識。
．首先來一堂Python速成班
．學習線性代數、統計、機率的基礎知識——並學會何時、如何在資料科學領域中靈活運用這些知識
．搜集、探索、清理、轉換、處理各種數據資料
．深入理解機器學習的基礎
．靈活運用像是k最近鄰、單純貝氏、線性與邏輯迴歸、決策樹、神經網路、集群等種種模型
．探討推薦系統、自然語言處理、網路分析、MapReduce與資料庫的相關知識
「Joel帶領我們領略探索資料科學，讓我們從一般的好奇心，進入到更深入的理解，並學會所有資料科學家都應該知道的各種實用演算法。」
——Rohit Sivaprasad, Soylent公司資料科學家
<章節目錄>
第1章 簡介
第2章 Python速成班
第3章 數據視覺化
第4章 線性代數
第5章 統計學
第6章 機率
第7章 假設與推論
第8章 梯度遞減
第9章 取得數據資料
第10章 處理數據資料
第11章 機器學習
第12章 k最近鄰
第13章 單純貝氏
第14章 簡單線性迴歸
第15章 多元迴歸
第16章 邏輯迴歸
第17章 決策樹
第18章 神經網路
第19章 集群
第20章 自然語言處理
第21章 網路分析
第22章 推薦系統
第23章 資料庫與SQL
第24章 MapReduce
第25章 勇往直前，資料科學做就對了
