同类推荐
-
-
TypeScript+React Web应用开发实战
-
¥108.00
-
-
Java编程语言
-
¥86.00
-
-
SQL与NoSQL融合数据管理与应用实战教程:基于MS…
-
¥98.00
-
-
企业级DevOps应用实战:基于GitLab CI/C…
-
¥99.90
-
-
Python语言程序设计
-
¥55.00
-
-
综合布线技术(项目式微课版)
-
¥59.80
-
-
AI绘画101例——小白上手宝典(全彩.视频版)
-
¥118.00
-
-
计算机效果图设计与制作
-
¥49.80
-
-
3ds Max效果图制作:配模型渲染学习资料:建模篇
-
¥39.00
-
-
中文版AutoCAD 2024从入门到精通
-
¥99.00
|
|
图书信息
|
|
|
数据科学导论——基于Python语言(微课版)
|
ISBN: | 9787115548207 |
定价: | ¥42.00 |
作者: | 朝乐门编著 |
出版社: | 人民邮电出版社 |
出版时间: | 2021年01月 |
开本: | 26cm |
页数: | 202页 |
中图法: | TP311.561 |
相关供货商
供货商名称
|
库存量
|
库区
|
更新日期
|
北京人天书店有限公司
|
1
|
库区7-1
|
2024-03-28
|
其它供货商库存合计
|
695
|
|
2024-03-28
|
图书简介 | 本书重点讲解数据科学的核心理论与实践应用。本书共7章, 主要介绍数据科学的基础理论、统计学与模型、机器学习与算法、数据可视化、数据加工、大数据技术、数据产品开发及数据科学中的人文与管理等内容。 |
目录 | 第1章 数据科学的基础理论 1.1 为什么要学科学 1.2 数据科学的定义 1.3 数据科学的知识体系 1.4 数据科学的基本流程 1.5 数据科学与其他学科的区别 1.5.1 学科定位 1.5.2 研究视角 1.5.3 研究范式 1.6 数据科学的人才类型 1.7 数据科学的常用工具 1.8 数据科学的相关应用 1.9 继续学知识 br/>第2章 统计学与模型 2.1 统计学与数据科学 2.1.1 描述统计与推断统计 2.1.2 基本分析法和元分析法 2.2 统计方法的选择思路 2.3 数据划分及准备方法 2.3.1 自变量与因变量 2.3.2 数据抽样 2.4 参数估计与假设检验 2.4.1 参数估计 2.4.2 假设检验 2.5 常用统计方法及选择 2.5.1 相关分析 2.5.2 回归分析 2.5.3 方差分析 2.5.4 分类分析 2.5.5 聚类分析 2.5.6 时间序列分析 2.5.7 关联规则分析 2.6 统计学面临的挑战 2.7 Python编程实践 2.8 继续学知识 br/>第3章 机器学法 3.1 数据科学与机器学r/> 3.2 机器学用步骤 3.3 数据划分及准备方法 3.4 算法类型及选择方法 3.5 模型的评估方法 3.6 机器学的挑战 3.7 Python编程实践 3.8 继续学知识 br/>第4章 数据可视化 4.1 数据科学与数据可视化 4.2 数据可视化的基本原则 4.3 视觉编码与数据类型 4.4 可视分析学 4.5 常用统计图表 4.6 数据可视化的发展趋势 4.7 Python编程实践 4.8 继续学知识 br/>第5章 数据加工 5.1 数据科学与数据加工 5.2 探索数据分析 5.3 数据大小及标准化 5.4 缺失数据及其法 5.5 噪声数据及其法 5.5.1 离群点处理 5.5.2 分箱处理 5.6 数据维度及其降维法 5.6.1 特征选择 5.6.2 主成分分析 5.7 数据及其法 5.8 数据形态及其规整化方法 5.9 Python编程实践 5.10 继续学知识 br/>第6章 大数据技术 6.1 数据科学与大数据技术 6.2 Hadoop生态系统 6.3 大数据计算技术与Spark 6.3.1 大数据计算与Lambda架构 6.3.2 Spark的出现及其特点 6.3.3 Spark的计算流程 6.3.4 Spark的关键技术 6.4 大数据管理技术与MongoDB 6.4.1 关系数据库及其优缺点 6.4.2 NoSQL及其数据模型 6.4.3 CAP理论与BASE原则 6.4.4 分片技术与技术 6.4.5 MongoDB 6.5 大数据分析技术 6.5.1 Analytics 3.0 6.5.2 Gartner分析学价值扶梯模型 6.5.3 数据分析中的陷阱 6.6 Python编程实践 6.7 继续学知识 br/>第7章 数据产品开发及数据科学中的人文与管理 7.1 数据产品开发及数据科学的人文与管理属 7.2 数据产品及开发 7.3 数据科学的项目管理 7.3.1 数据科学项目中的主要角色 7.3.2 数据科学项目中的主要活动 7.4 数据能力 7.4.1 关键过程域 7.4.2 成熟度等级 7.4.3 成熟度评价 7.5 数据治理 7.5.1 主要内容 7.5.2 基本过程 7.5.3 参考框架 7.6 数据 7.6.1 信息系统等级保护 7.6.2 P2DR模型 7.7 数据偏见 7.7.1 数据来源选择偏见 7.7.2 数据加工和准备偏见 7.7.3 算法与模型选择偏见 7.7.4 分析结果的解读和呈现上的偏见 7.8 数据伦理与道德 7.9 继续学知识 br/>术语索引 参考文献
|
|