本书基于Python语言环境，从零始讲解数据科学工作，讲述数据科学工作所需的技能与诀窍，并带领读者熟悉数据科学的核心知识：数学与统计学。作者借助大量具有现实意义的实例详细展示了什么是数据科学，介绍了从事数据科学工作需要用到的库，如NumPy、scikit-learn、pandas等，还在每章末尾推荐了很多学习资源，帮助你一步巩固本书所学。新版基于Python 3.6，重写了所有示例和代码，并根据数据科学近几年的发展，新增了关于深度学习、统计学和自然语言处理等主题，让图书内容与时俱。<br/>【推荐语】<br/>1.全能数据科学家成长指南，长居美亚机器学习热销榜； 2.新版基于Python 3.6，新引了类型注释等许多功能； 3.根据数据科学近几年的发展，新增了关于深度学习、统计学和自然语言处理等主题，让图书内容与时俱。 – 学到一堂Python速成课。 – 学习线性代数、统计学和概率论的基础知识，并能将其灵活地用于数据科学项目。 – 掌握如何获取、探索、清洗、处理和调整数据。 – 深理解机器学习概念，尤其是深度学习概念。 – 运用k*近邻法、朴素贝叶斯、线性回归、逻辑回归、决策树、神经网络和聚类等算法实现数据模型。 – 探索自然语言处理、网络分析、推荐系统、数据库与SQL、MapReduce。 无论你身处哪个行业，数据都能成为你的好帮手。善于从凌乱的数据中提取有用的信息，你就能在面对业务难题时游刃有余，用数据说话，为决策找到有力的支撑。 欢迎数据科学世界！在本书中，你将化身为虚构公司DataSciencester的员工，从零始数据科学工作，亲手构建工具、实现算法，*终从数据科学新手蜕变为全能的数据科学家。在第1版的基础上，本书升级了所有代码示例，并新增了深度学习、统计学、自然语言处理等相关内容。<br/>【作者】<br/>乔尔·格鲁斯（Joel Grus） Capital Group公司的首席机器学习工程师，担任过艾伦研究所的人工智能研发工程师以及谷歌公司的软件工程师，还曾在多家创业公司担任数据科学家。 【译者简介】 岳冰 美国西北大学数学硕士，知乎专栏“X-Lab”编辑，参与编撰了《知识图谱标准化白皮书（2019版）》。深耕图神经网络、推荐算法、复杂关系网络风险挖掘、机器学习等领域。运用人工智能算法与工具，长期支持有关部门用高精尖技术手段违法犯罪。 高蓉 讲师，任教于杭州电子科技大学经济学院金融系。博士和硕士毕业于南大学经济学院金融系，本科毕业于南大学数学学院计算数学专业。研究领域包括数据科学应用、资产定价、金融工程、计量经济应用等。 韩波 自由译者、撰稿人，从事信息技术工作二十余年，主要兴趣领域为机器学习、Python等。曾为多家信息技术媒体撰稿，另译有《Python数据分析》。<br/>
評論0