新書推薦：
《
易经今解：释疑·解惑·见微
》
售價：HK$
90.9
《
东欧史（全二册）-“中间地带”的困境
》
售價：HK$
227.7
《
虚拟资本：金融怎样挪用我们的未来
》
售價：HK$
79.4
《
刻意练习不生气
》
售價：HK$
40.3
《
大宋理财：青苗法与王安石的金融帝国（全彩插图本）
》
售價：HK$
112.7
《
安全感是内心长出的盔甲
》
售價：HK$
68.8
《
快人一步：系统性能提高之道
》
售價：HK$
113.9
《
我们为什么会做梦：让梦不再神秘的新科学
》
售價：HK$
79.4
|
| 編輯推薦： |
|
1.内容丰富，组织合理丛书由浅入深，以模块化的结构组织各章节，以任务驱动的方式安排具体内容，以培养院校学生能力为目的，体现了“教、学、做一体化”的思想。2.结合实际，突出实践丛书由企业工程师精心设计了大量案例和项目实训，案例和项目实训有详细的代码说明和步骤解释，读者在学习理论知识的同时能够进行项目实践，方便读者快速上手Python。3.资源丰富，立体教学丛书配备了丰富的立体化教学资源，包括教学PPT、案例代码、习题答案等。4.融入1+X证书标准丛书以《Python程序开发职业技能等级标准》为编写依据。
|
| 內容簡介： |
|
本书以《Python 程序开发职业技能等级标准》 为编写依据，内容主要由数据收集与清洗、数据可视化与数据分析、人工智能应用3个部分组成，涵盖了 NumPy、pandas、数据处理、数据可视化、机器学习、深度学习和推荐系统等相关知识。本书以模块化的结构组织各个章节，以任务驱动的方式安排内容，以培养学生能力为目的，充分体现了“做中学，学中做”的思想。本书可用于 1+×证书制度试点工作中的 Python 程序开发职业技能培训，也可以作为期望从事 Python 程序开发人员的自学参考用书。
|
| 關於作者： |
|
中慧云启科技集团有限公司是一家专业从事中高职业院校软件实训教学综合解决方案，集研发、生产、销售、培训和技术服务于一体的国家高新技术企业公司。中慧举办Web前端开发技能竞赛四届，该赛项类别分为全国行业赛和省赛，提升教育行业教学改革和IT人才建设。同时，中慧为世界技能大赛全国选拔赛网站设计与开发项目提供技术支持，成功保障人才选拔顺利进行，提升中国在世界技能大赛Web?Technologies项目的声望和地位。书籍的作者由中慧科技的讲师、高级工程师，山东科技职业学院教授Web前端开发的教师团队共同组成，从企业用人需求，课证赛融通、高职教学需求几个方面出发，共同编写。
|
| 目錄：
|
|
目录 第 一篇 数据收集与清洗第 1章 NumPy21.1 介绍和安装开发环境21.1.1 Python开发环境介绍21.1.2 安装Anaconda331.1.3 Jupyter编辑平台51.2 安装NumPy61.3 NumPy数组71.3.1 NumPy ndarray对象71.3.2 创建NumPy数组的常用函数81.4 数组的索引与切片111.4.1 数组的索引111.4.2 数组的切片151.5 基本数学运算171.5.1 数组与标量的运算171.5.2 数组与数组的运算181.6 NumPy通用函数181.6.1 mean()函数181.6.2 average()函数191.6.3 sum()函数201.6.4 min()函数201.6.5 max()函数201.6.6 argmax()函数211.6.7 maximum()/minimum()函数211.6.8 median()函数221.6.9 var()函数231.6.10 std()函数231.6.11 sort()函数241.6.12 loadtxt()函数241.7 NumPy字符串处理261.7.1 add()函数261.7.2 multiply()函数261.7.3 center()函数271.7.4 capitalize()函数和title()函数271.7.5 lower()函数和upper()函数271.7.6 split()函数271.7.7 splitlines()函数271.7.8 strip()函数281.7.9 lstrip()函数和rstrip()函数281.7.10 join()函数281.7.11 replace()函数281.8 项目实训——苹果公司股票数据分析291.8.1 项目需求291.8.2 项目实施291.8.3 项目分析31本章小结31习题31第 2章 pandas342.1 安装pandas342.2 Series对象的基本操作352.2.1 创建Series对象362.2.2 查询Series对象中的数据372.2.3 修改、删除Series对象中的数据382.3 DataFrame对象的基本操作402.3.1 创建DataFrame对象412.3.2 DataFrame对象的属性422.3.3 查询DataFrame对象中的数据432.3.4 修改DataFrame对象中的数据472.3.5 增加DataFrame对象中的数据472.3.6 删除DataFrame对象中的数据492.4 pandas读写数据512.4.1 读写CSV文件512.4.2 读写Excel文件542.4.3 读写JSON文件562.5 数据索引、排序和排名582.5.1 DataFrame的索引582.5.2 DataFrame的排序612.5.3 DataFrame的排名642.6 项目实训——链家房屋数据分析652.6.1 项目需求652.6.2 项目实施662.6.3 项目分析69本章小结69习题70第3章 数据处理723.1 数据清洗733.1.1 处理重复数据733.1.2 处理缺失数据753.2 数据计算793.2.1 基本数学运算793.2.2 比较运算813.2.3 统计方法813.3 数据分组873.3.1 分组聚合873.3.2 透视表903.4 数据转置与数据位移913.4.1 数据类型转换913.4.2 数据转置983.4.3 数据位移1003.5 数据合并1003.5.1 堆叠合并1013.5.2 主键合并1043.5.3 重叠合并1063.6 项目实训——电影数据分析1063.6.1 项目需求1063.6.2 项目实施1073.6.3 项目分析110本章小结111习题111第二篇 数据可视化与数据分析第4章 数据可视化1144.1 可视化介绍1144.2 Matplotlib简介1154.2.1 什么是Matplotlib1154.2.2 Matplotlib的使用场景1154.2.3 Matplotlib的安装1154.3 Matplotlib绘图1154.3.1 Matplotlib绘图的核心原理1154.3.2 折线图1164.3.3 柱状图1284.3.4 直方图1324.3.5 饼图1364.3.6 散点图1384.3.7 函数图1424.3.8 3D绘图1444.4 Seaborn绘图1454.4.1 认识Seaborn1454.4.2 折线图1464.4.3 散点图1474.4.4 直方图1484.5 可视化分析报告1524.5.1 报告需求1524.5.2 报告内容说明1524.5.3 业务实践1524.5.4 报告分析1544.6 项目实训——2014年度用户每月购买商品次数和购买商品数量分析报告1544.6.1 报告需求1544.6.2 报告内容说明1544.6.3 项目实施1544.6.4 报告分析155本章小结156习题156第5章 数据分析1585.1 数据分析介绍1585.2 列表分析1595.2.1 分析需求1595.2.2 分析关注点1595.2.3 分析思路1595.2.4 列表分析结果1645.3 协方差分析1645.3.1 认识协方差分析1645.3.2 协方差分析的意义1645.3.3 协方差分析实施1655.3.4 协方差分析结果1665.4 直方图分析1665.4.1 需求分析1665.4.2 分析关注点1665.4.3 分析思路1665.4.4 直方图分析结果1695.5 对比分析1695.5.1 认识对比分析1695.5.2 分析需求1695.5.3 分析关注点1695.5.4 分析思路1695.5.5 对比分析结果1745.6 项目实训——全国各省份“985”高校高考录取分数线分析1745.6.1 需求分析1745.6.2 分析关注点1745.6.3 分析思路1745.6.4 对比分析结果178本章小结178习题179第三篇 人工智能应用第6章 机器学习1826.1 认识机器学习1826.1.1 机器学习应用场景1826.1.2 机器学习的组成1836.1.3 训练过程1856.1.4 算法汇总1856.1.5 开发流程1856.2 认识并安装Scikit-Learn1866.2.1 Scikit-Learn简介1866.2.2 Scikit-Learn基本概括1866.2.3 模型选择1866.2.4 数据划分1876.2.5 常用模块1886.2.6 安装sklearn1886.3 回归模型1886.3.1 广义线性模型1896.3.2 树回归1916.3.3 k近邻回归1926.3.4 集成回归模型：Bagging1936.3.5 集成回归模型：Boosting1946.4 分类模型1946.4.1 逻辑回归1956.4.2 决策树1966.4.3 支持向量机1976.4.4 KNN1986.4.5 朴素贝叶斯1986.4.6 集成模型：Bagging1996.4.7 集成模型：Boosting2006.5 聚类模型2016.5.1 聚类2016.5.2 降维2036.6 项目实训——手写数字识别2046.6.1 实训需求2046.6.2 项目分析2046.6.3 数据集导入及处理2046.6.4 划分训练集和测试集2046.6.5 随机森林模型2046.6.6 k近邻模型2056.6.7 逻辑回归模型2056.6.8 模型选择及分类2056.6.9 项目结果分析206本章小结206习题206第7章 深度学习2087.1 神经网络2087.1.1 认识神经网络2087.1.2 神经网络基础2117.2 深度学习框架Keras2137.2.1 认识Keras2137.2.2 Keras的安装2147.2.3 Keras里的模块介绍2157.2.4 Keras工作流程2167.3 深度学习的应用2167.3.1 Mnist手写数字数据集2167.3.2 CNN2197.3.3 RNN2217.4 项目实训——CIFAR-10图像识别2247.4.1 实训需求2247.4.2 CIFAR-10数据集简介2247.4.3 项目实践2247.4.4 项目总结227本章小结228习题228第8章 推荐系统2298.1 认识协同过滤2298.2 基于用户的协同过滤算法2308.3 基于项目的协同过滤算法2328.4 项目实训——电影推荐系统2378.4.1 实训需求2378.4.2 数据集介绍2378.4.3 项目实施2388.4.4 结果分析242本章小结242习题242
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
