logo
分类于: 计算机基础 互联网 云计算&大数据

简介

数据科学实战手册:R+Python

数据科学实战手册:R+Python 5.6分

资源最后更新于 2020-03-29 03:46:14

作者:〔美〕Tony Ojeda(托尼·奥杰德)〔美〕Sean Patrick Murphy(肖恩·派特里克·莫非)〔美〕Benjamin Bengfort(本杰明·班福特)

译者:郝智恒王佳玮谢时光刘梦馨

出版社:出版社人民邮电出版社

出版日期:2016-08

ISBN:9787115426758

文件格式: pdf

标签: 互联网 计算机 程序设计 软件

简介· · · · · ·

这本书是基于R和Python的数据科学项目案例集锦,内容涵盖了基于数据科学的所有要素,包括数据采集、处理、清洗、分析、建模、可视化以及数据产品的搭建。案例包含了汽车数据分析、股票市场建模、社交网络分析、推荐系统、地理信息分析,以及Python代码的计算优化。通过手把手的案例解析,令读者知其然并知其所以然。业界的数据分析师、数据挖掘工程师、数据科学家都可以读一读。想要了解实际工作中如何用数据产生价值的在校学生,或者对数据科学感兴趣的人也值得一读。Tony Ojeda(托尼·奥杰德),华盛顿DC数据社区的联合创始人,一位经验丰富的数据科学家和企业家,他在佛罗里达国际大学获得金融硕士学位,并且在德保罗大学获得了MBA学位。Sean Patrick Murphy(肖恩·派特里克·莫非),华盛顿DC数据社区的联合创始人,曾在约翰霍普金斯大学的应用物理实验室做了15年的高级科学家,他专注于机器学习、信号处理、高性能计算以及建模和模拟。现在他是旧金山、纽约和华盛顿DC多家公司的数据顾问。Benjamin Bengfort(本杰明·班福特),一位非常有经验的数据科学家和Python开发者。他曾在军方、业界和学术界工作过8年。他目前在马里兰大学派克学院攻读计算机博士学位,研究元识别和自然语言处理。他拥有北达科塔州立大学的计算机硕士学位,并是乔治城大学的客座教授。Abhijit Dasgupta(阿布吉特·达斯古普塔),华盛顿DC数据社区的成员,华盛顿DC统计编程社群的创始人和联合组织者,他拥有华盛顿大学生物统计的博士学位,在生物制药行业咨询、商业分析、生物信息以及生物工程咨询方面拥有多年的经验。译者:郝智恒,甘肃兰州人,南开大学概率统计专业毕业,统计之都活跃会员。目前在阿里巴巴商业智能部任职,擅长数据分析和数据挖掘,喜欢用数据探索商业世界的边界。王佳玮,黄山脚下长大,香港城大-中科大联合培养博士毕业,现于阿里云大数据孵化器团队搬砖,喜欢数据分析和挖掘在社会各领域的应用,目前正致力于用数据和算法解决交通拥堵问题。谢时光,2011年博士毕业于美国弗吉尼亚理工大学工业工程系运筹学专业,毕业后从事数据分析、优化和决策支持相关工作至今。曾先后在安飞士(Avis)、费埃哲(FICO)等行业领先的公司从事从供应链到风险控制等多个应用领域的数据分析和优化决策研究工作。刘梦馨,灵雀云高级软件工程师,专注于容器虚拟化领域,机器学习爱好者。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 内容提要
  2. 关于作者
  3. 关于译者和中文版审稿人
  4. 关于英文版审稿人
  5. 前言
  6. 第1章 准备你的数据科学环境
  7. 简介
  8. 理解数据科学管道
  9. 在Windows、Mac OS X、Linux上安装R
  10. 在R和RStudio中安装扩展包
  11. 在Linux和Mac OS X上安装Python
  12. 在Windows上安装Python
  13. 在Mac OS X和Linux上安装Python数据分析库
  14. 安装更多Python包
  15. 安装和使用virtualenv
  16. 第2章 汽车数据的可视化分析(R)
  17. 简介
  18. 获取汽车燃料效率数据
  19. 为了你的第一个项目准备好R
  20. 将汽车燃料效率数据导入R
  21. 探索和描述燃料效率数据
  22. 进一步分析汽车燃料效率数据
  23. 研究汽车的产量以及车型
  24. 第3章 模拟美式橄榄球比赛数据(R)
  25. 简介
  26. 获取和清洗美式橄榄球比赛数据
  27. 分析和理解美式橄榄球比赛数据
  28. 构建度量攻防能力的指标
  29. 模拟单场由程序决定胜负的比赛
  30. 模拟多场由计算决定胜负的比赛
  31. 第4章 建模分析股票市场数据(R)
  32. 简介
  33. 获取股票市场数据
  34. 描述数据
  35. 清洗和研究数据
  36. 形成相对估值法
  37. 分析历史价格筛选股票
  38. 第5章 就业数据的可视化探索(R)
  39. 简介
  40. 分析前的准备
  41. 将就业数据导入R
  42. 就业数据探究
  43. 获取和合并添加附加信息
  44. 添加地理信息
  45. 获取州和县级水平的薪资和就业信息
  46. 可视化薪资的地理分布特性
  47. 探究各行业工作的地理分布情况
  48. 绘制地理空间的时间序列地图
  49. 函数性能测试和比较
  50. 第6章 运用税务数据进行应用导向的数据分析(Python)
  51. 简介
  52. 准备高收入数据集的分析
  53. 导入并熟悉世界各国高收入数据集
  54. 分析并可视化美国的高收入数据集
  55. 进一步分析美国的高收入阶层
  56. 用Jinja2汇报结果
  57. 第7章 运用汽车数据进行可视化分析(Python)
  58. 简介
  59. IPython入门
  60. 熟悉IPython Notebook
  61. 准备分析汽车油耗
  62. 用Python熟悉并描述汽车油耗数据
  63. 用Python分析汽车油耗随时间变化趋势
  64. 用Python调查汽车的制造商和型号
  65. 第8章 社交网络分析(Python)
  66. 简介
  67. 准备用Python进行社交网络的分析工作
  68. 导入网络
  69. 探索英雄网络的子图
  70. 找出强关联
  71. 找出关键人物
  72. 调查全网的特征
  73. 社交网络中的聚类和发现社群
  74. 可视化图
  75. 第9章 大规模电影推荐(Python)
  76. 简介
  77. 对偏好建模
  78. 理解数据
  79. 加载电影评分数据
  80. 寻找高评分电影
  81. 提升电影评分系统
  82. 计算用户在偏好空间中的距离
  83. 计算用户相关性
  84. 为特定用户寻找最好的影评人
  85. 预测用户评分
  86. 基于物品的协同过滤
  87. 建立非负矩阵分解模型
  88. 将数据集载入内存
  89. 导出SVD模型至硬盘
  90. 训练SVD模型
  91. 测试SVD模型
  92. 第10章 获取和定位Twitter数据(Python)
  93. 简介
  94. 创建Twitter应用
  95. 了解Twitter API v1.1
  96. 获取粉丝和朋友信息
  97. 提取Twitter用户档案
  98. 避免Twitter速度限制
  99. 存储JSON数据至硬盘
  100. 安装MongoDB
  101. 利用PyMongo将用户信息存入MongoDB
  102. 探索用户地理信息
  103. 利用Python绘制地理分布图
  104. 第11章 利用NumPy和SciPy优化数值计算(Python)
  105. 简介
  106. 了解优化的步骤
  107. 识别代码中常见性能瓶颈
  108. 通读代码
  109. 利用Unix time函数剖析Python代码
  110. 利用Python内建函数剖析Python代码
  111. 利用IPython%timeit函数剖析Python代码
  112. 利用line_profiler剖析Python代码
  113. 摘取低处的(经过优化的)果实
  114. 测试NumPy带来的性能提升
  115. 用NumPy重写函数
  116. 用NumPy优化最内层循环