Python數(shù)據(jù)科學實戰(zhàn)

　　本書首先介紹數(shù)據(jù)科學，然后指導(dǎo)讀者安裝和搭建數(shù)據(jù)分析編程環(huán)境所需的軟件包。在機器 學習中，主要學習3項技術(shù)：監(jiān)督學習、無監(jiān)督學習和強化學習。我們也會用到基本的分類與回 歸技術(shù)，如支持向量機、決策樹以及邏輯回歸等。 在前面章節(jié)的學習中，讀者將學習到Python語言中用于處理大型數(shù)據(jù)集的基本函數(shù)、數(shù)據(jù) 結(jié)構(gòu)，用于矩陣計算的NumPy包和Pandas包，如何使用Matplotlib繪制自定義圖表，以及應(yīng)用 Boosting算法XGBoost（梯度提升）進行預(yù)測分析等。 在后面的章節(jié)中，將會學習用于圖像識別的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度學習算法。讀者將掌 握如何向神經(jīng)網(wǎng)絡(luò)饋入人類語言、讓模型處理復(fù)雜的文本信息以及構(gòu)建人類語言處理系統(tǒng)進行結(jié) 果預(yù)測等。 學習完本書，讀者可以掌握和使用很多新的數(shù)據(jù)科學算法，并且有信心使用本課程以外的工 具或庫進行操作。

　　Rohan Chopra，畢業(yè)于印度韋洛爾科技大學，是Absolutdata公司的數(shù)據(jù)科學家，主要研究方 向集中在深度學習計算機視覺相關(guān)問題的應(yīng)用，同時在自動駕駛研究方面經(jīng)驗豐富，在端到端神 經(jīng)網(wǎng)絡(luò)系統(tǒng)的設(shè)計、運行和優(yōu)化方面有著豐富的經(jīng)驗。