实物拍摄 · 支持放大查看
本书基于Python语言环境，从零开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，还在每了很多学，帮助一步巩固本书所学。基于Python 3.6，重写了所有示例和代码，并根据数据科几年的发展，新增了关于深度学计学和自然语言处理等主题，让图书内容与时。 本书适合有志于成为数据科学工作者以及想了解数据科学的读者阅读。
第2版前言第1版前言第1章 导论 1.1 数据的崛起 1.2 什么是数据科学 1.3 激励假设：DataSciencester 1.3.1 寻找关键联系人 1.3.2 你可能知道的数据科学家 1.3.3 工资和工作年限 1.3.4 付费账户 1.3.5 感兴趣的主题 1.3.6 展望第2章 Python速成 2.1 Python之禅 2.2 获取Python 2.3 虚拟环境 2.4 格式 2.5 模块 2.6 函数 2.7 字符串 2.8 异常 2.9 列表 2.10 元组 2.11 字典 2.12 计数器 2.13 集 2.14 控制流 2.15 真和假 2.16 排序 2.17 列表解析 2.18 自动化测试和断言 2.19 面向对象编程 2.20 迭代器和生成器 2.21 2.22 正则表达式 2.23 函数式编程 2.24 压缩和参数拆分 2.25 args和kwargr/> 2.26 类型注释 2.27 欢迎来到DataSciencester 2.28 一步探索第3章 数据可视化 3.1 matplotlib 3.2 条形图 3.3 线图 3.4 散点图 3.5 延伸学r/>第4章 线代数 4.1 向量 4.2 矩阵 4.3 延伸学r/>第5章 统计学 5.1 描述单个数据集 5.1.1 中心倾向 5.1.2 离散度 5.2 相关 5.3 辛普森悖论 5.4 相关系数的其他注意事项 5.5 相关与因果 5.6 延伸学r/>第6章 概率第7章 假设和推论第8章 梯度下降第9章 获取数据第10章 数据工作第11章 机器学r/>第12章 k邻法第13章 朴素贝叶斯算法第14章 简单线回归第15章 多元回归第16章 逻辑回归第17章 决策树第18章 神经网络第19章 深度学r/>第20章 聚类分析第21章 自然语言处理第22章 网络分析第23系统第24章 数据库与SQL第25章 MapReduce第26章 数据伦理第27章 数据科学前瞻关于作者关于封面
品相说明：本书为八品，书脊轻微磨损，内页整洁无涂画，无缺页少页，具体以实物照片为准。
品相标准：十品为全新未翻阅；九品近全新有轻微痕迹；八品有明显使用痕迹但内容完整；七品及以下为有破损或缺页，页面会有详细说明。
瑕疵说明：拍品图片均为实物拍摄，因显示设备差异可能存在轻微色差，以收到实物为准。
交易方式：本站采用担保交易，买家付款后资金由平台托管，确认收货无误后放款给卖家。
配送说明：下单后 48 小时内发货，默认快递发货，满 99 元包邮，多件订单可合并运费。
议价规则：标注「价格面议」的商品可通过站内消息与卖家议价，达成一致后改价下单。
七天无理由退换：收到商品七日内，若与描述不符可申请退换，运费由责任方承担。
纠纷处理：如发生交易纠纷，可提交平台介入处理，客服 09:00-18:00 在线受理。
正品保障：平台对古籍、签名本等贵重商品提供鉴定咨询服务，发现赝品全额退款。
