Python實戰速成手冊 數據分析+機器學習+深度學習

方勇

  • Python實戰速成手冊 數據分析+機器學習+深度學習-preview-1
  • Python實戰速成手冊 數據分析+機器學習+深度學習-preview-2
Python實戰速成手冊 數據分析+機器學習+深度學習-preview-1

商品描述

本書基於Python語言,較為地講解了數據分析、機器學習、深度學習的相關知識,涵蓋統計學基礎、Python基礎、Python面向對象入門、在Python中操作MySQL、NumPy、pandas、Matplotlib、人工智能、Scikit-Learn及神經網絡等內容。本書還包括大量代碼和綜合練習,以及豐富的實戰案例。

作者簡介

方勇,16年软件研发与教育经验,在多家软件公司任职技术与管理职位,曾担任联想公司技术顾问、华为特聘讲师。擅长领域有人工智能、企业级应用系统研发,大型系统架构设计,金融、通信商业系统建模,具有丰富的大型项目的研发与管理经验。有5年的Python培训经验,曾获2018年华为“优秀交付标兵”奖。

目錄大綱

第 1章

 統計學基礎 1

1.1 數據分佈 2

1.2 離中趨勢 4

1.3 抽樣理論 6

1.4 基本統計概念 9

第 2章

 Python基礎 15

2.1 Python介紹 16

2.2 第 一個Python程序 16

2.3 安裝Anaconda 17

2.4 Python規範 23

2.5 Python的數據類型 24

2.6 Python語句 29

2.7 Python函數 33

2.8 Python中的模塊和包 36

2.9 Python時間模塊 37

2.10 Python文件操作 44

第3章

 綜合練習:迷你DVD管理器 51

3.1 項目需求 52

3.2 開發步驟 52

第4章

 Python面向對象入門 59

4.1 定義Python類 60

4.2 繼承的原理 61

4.3 Python構造函數 62

4.4 實例 63

4.5 小結 65

第5章

 綜合練習:迷你DVD

 管理器(OOP版) 67

第6章

 在Python中操作 MySQL 73

6.1 安裝PyMySQL 74

6.2 pymysql.connect()中的參數說明 74

6.3 connection對象支持的方法 74

6.4 cursor對象支持的方法 75

6.5 實現pymysql的增刪改查功能 75

第7章

 NumPy 79

7.1 NumPy介紹 80

7.2 NumPy數組 80

7.3 numpy.zeros()和numpy.ones() 82

7.4 numpy.reshape()和numpy.flatten() 83

7.5 numpy.hstack()和numpy.vstack() 84

7.6 numpy.asarray() 85

7.7 numpy.arange() 86

7.8 numpy.linspace()和numpy.

   logspace() 87

7.9 索引和切片NumPy數組 88

7.10 NumPy統計函數與示例 89

7.11 numpy.dot() 90

7.12 numpy.matmul() 90

7.13 numpy.linalg.det() 91

7.14 NumPy實例 91

第8章

 pandas 95

8.1 pandas介紹 96

8.2 pandas的數據結構 96

8.3 創建數據幀 97

8.4 創建日期範圍 98

8.5 查看數據 98

8.6 拆分數據 99

8.7 讀取並寫入數據 103

8.8 pandas實例 105

第9章

 Matplotlib 109

9.1 安裝Matplotlib並查看版本 110

9.2 繪制折線圖 110

9.3 繪制柱狀圖 113

第 10章

 人工智能 121

10.1 人工智能領域 122

10.2 機器學習 122

10.3 監督學習和無監督學習 127

10.4 2020年19個最佳AI聊天

   機器人 129

第 11章

 Scikit-Learn 135

11.1 Scikit-Learn介紹 136

11.2 數據集 136

11.3 Scikit-Learn實例 139

11.4 模型選擇和評估 162

第 12章

 實戰案例 169

12.1 泰坦尼克號(完整過程分析) 170

12.2 電信單用戶轉合約預測 189

12.3 電信低速率小區預測 193

12.4 預測客戶是否會認購定期存款 196

12.5 銀行信用卡欺詐檢測 205

第 13章

 神經網絡 211

13.1 深度學習 212

13.2 前饋神經網絡 214

13.3 FNN實例——低速率小區 215

13.4 遞歸神經網絡 220

13.5 RNN實例——低速率小區 226

13.6 捲積神經網絡 227

13.7 CNN實例——低速率小區 232