123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)基于Python語(yǔ)言，較為地講解了數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的相關(guān)知識(shí)，涵蓋統(tǒng)計(jì)學(xué)基礎(chǔ)、Python基礎(chǔ)、Python面向?qū)ο笕腴T(mén)、在Python中操作MySQL、NumPy、pandas、Matplotlib、人工智能、Scikit-Learn及神經(jīng)網(wǎng)絡(luò)等內(nèi)容。本書(shū)還包括大量代碼和綜合練習(xí)，以及豐富的實(shí)戰(zhàn)案例。

作者簡(jiǎn)介

　　方勇，16年軟件研發(fā)與教育經(jīng)驗(yàn)，在多家軟件公司任職技術(shù)與管理職位，曾擔(dān)任聯(lián)想公司技術(shù)顧問(wèn)、華為特聘講師。擅長(zhǎng)領(lǐng)域有人工智能、企業(yè)級(jí)應(yīng)用系統(tǒng)研發(fā)，大型系統(tǒng)架構(gòu)設(shè)計(jì)，金融、通信商業(yè)系統(tǒng)建模，具有豐富的大型項(xiàng)目的研發(fā)與管理經(jīng)驗(yàn)。有5年的Python培訓(xùn)經(jīng)驗(yàn)，曾獲2018年華為“優(yōu)秀交付標(biāo)兵”獎(jiǎng)。

圖書(shū)目錄

第 1章
統(tǒng)計(jì)學(xué)基礎(chǔ)\t1
1．1　數(shù)據(jù)分布\t2
1．2　離中趨勢(shì)\t4
1．3　抽樣理論\t6
1．4　基本統(tǒng)計(jì)概念\t9
第 2章
Python基礎(chǔ)\t15
2．1　Python介紹\t16
2．2　第一個(gè)Python程序\t16
2．3　安裝Anaconda\t17
2．4　Python規(guī)范\t23
2．5　Python的數(shù)據(jù)類(lèi)型\t24
2．6　Python語(yǔ)句\t29
2．7　Python函數(shù)\t33
2．8　Python中的模塊和包\t36
2．9　Python時(shí)間模塊\t37
2．10　Python文件操作\t44
第3章
綜合練習(xí)：迷你DVD管理器\t51
3．1　項(xiàng)目需求\t52
3．2　開(kāi)發(fā)步驟\t52
第4章
Python面向?qū)ο笕腴T(mén)\t59
4．1　定義Python類(lèi)\t60
4．2　繼承的原理\t61
4．3　Python構(gòu)造函數(shù)\t62
4．4　實(shí)例\t63
4．5　小結(jié)\t65

第5章
綜合練習(xí)：迷你DVD
管理器（OOP版）\t67
第6章
在Python中操作 MySQL\t73
6．1　安裝PyMySQL\t74
6．2　pymysql．connect()中的參數(shù)說(shuō)明\t74
6．3　connection對(duì)象支持的方法\t74
6．4　cursor對(duì)象支持的方法\t75
6．5　實(shí)現(xiàn)pymysql的增刪改查功能\t75
第７章
NumPy\t79
7．1　NumPy介紹\t80
7．2　NumPy數(shù)組\t80
7．3　numpy．zeros()和numpy．ones() \t82
7．4　numpy．reshape()和numpy．flatten()\t83
7．5　numpy．hstack()和numpy．vstack() \t84
7．6　numpy．a(chǎn)sarray()\t85
7．7　numpy．a(chǎn)range()\t86
7．8　numpy．linspace()和numpy．
logspace()\t87
7．9　索引和切片NumPy數(shù)組\t88
7．10　NumPy統(tǒng)計(jì)函數(shù)與示例 \t89
7．11　numpy．dot() \t90
7．12　numpy．matmul()\t90
7．13　numpy．linalg．det()\t91
7．14　NumPy實(shí)例\t91

第8章
pandas\t95
8．1　pandas介紹\t96
8．2　pandas的數(shù)據(jù)結(jié)構(gòu)\t96
8．3　創(chuàng)建數(shù)據(jù)幀\t97
8．4　創(chuàng)建日期范圍\t98
8．5　查看數(shù)據(jù)\t98
8．6　拆分?jǐn)?shù)據(jù)\t99
8．7　讀取并寫(xiě)入數(shù)據(jù)\t103
8．8　pandas實(shí)例\t105

第9章
Matplotlib\t109
9．1　安裝Matplotlib并查看版本\t110
9．2　繪制折線圖\t110
9．3　繪制柱狀圖\t113
第 10章
人工智能\t121
10．1　人工智能領(lǐng)域\t122
10．2　機(jī)器學(xué)習(xí)\t122
10．3　監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)\t127
10．4　2020年19個(gè)最佳AI聊天
機(jī)器人\t129
第 11章
Scikit-Learn\t135
11．1　Scikit-Learn介紹\t136
11．2　數(shù)據(jù)集\t136
11．3　Scikit-Learn實(shí)例\t139
11．4　模型選擇和評(píng)估\t162
第 12章
實(shí)戰(zhàn)案例\t169
12．1　泰坦尼克號(hào)（完整過(guò)程分析）\t170
12．2　電信單用戶轉(zhuǎn)合約預(yù)測(cè)\t189
12．3　電信低速率小區(qū)預(yù)測(cè)\t193
12．4　預(yù)測(cè)客戶是否會(huì)認(rèn)購(gòu)定期存款\t196
12．5　銀行信用卡欺詐檢測(cè)\t205
第 13章
神經(jīng)網(wǎng)絡(luò)\t211
13．1　深度學(xué)習(xí)\t212
13．2　前饋神經(jīng)網(wǎng)絡(luò)\t214
13．3　FNN實(shí)例——低速率小區(qū)\t215
13．4　遞歸神經(jīng)網(wǎng)絡(luò)\t220
13．5　RNN實(shí)例——低速率小區(qū)\t226
13．6　卷積神經(jīng)網(wǎng)絡(luò)\t227
13．7　CNN實(shí)例——低速率小區(qū)\t232