深入淺出數據分析 (Head First Data Analysis: A learner's guide to big numbers, statistics, and good decisions)
邁克爾•米爾頓 (Michael Milton)
- 出版商: 電子工業
- 出版日期: 2012-12-01
- 定價: $528
- 售價: 8.5 折 $449
- 語言: 簡體中文
- 頁數: 445
- 裝訂: 平裝
- ISBN: 712118477X
- ISBN-13: 9787121184772
-
相關分類:
資料科學
- 此書翻譯自: Head First Data Analysis: A learner's guide to big numbers, statistics, and good decisions (Paperback)
已絕版
買這商品的人也買了...
-
深入淺出設計模式 (Head First Design Patterns)$880$695 -
深入淺出 SQL (Head First SQL)$880$695 -
深入淺出物件導向分析與設計 (Head First Object-Oriented Analysis and Design)$880$695 -
深入淺出平面幾何 (Head First 2D Geometry)$580$458 -
深入淺出代數 (Head First Algebra: A Learner's Guide to Algebra I)$680$537 -
深入淺出 HTML5 程式設計 (Head First HTML5 Programming: Building Web Apps with JavaScript)$780$616 -
資料之美－優雅資料解決方案的幕後祕辛 (Beautiful Data: The Stories Behind Elegant Data Solutions)$580$458 -
Python 程式設計入門 (適用於 2.x 與 3.x 版)$620$484 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
Android 高效入門>>深度學習－使用 Android Studio 2 開發 Android 6.0 APP$650$507 -
$505R語言實戰, 2/e (R in Action: Data Analysis and Graphics with R, 2/e) -
Python 機器學習 (Python Machine Learning)$580$452 -
Data Science from Scratch｜用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)$580$458 -
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法$590$502 -
高效率資料分析｜使用 Python (Foundations for Analytics with Python)$580$458 -
Python 自動化的樂趣｜搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$395 -
深度學習快速入門 — 使用 TensorFlow (Getting started with TensorFlow)$360$180 -
$505零起點Python大數據與量化交易 -
$403Tensorflow：實戰Google深度學習框架 -
$403數據科學實戰 (Doing Data Science) -
單元測試的藝術, 2/e (The Art of Unit Testing: with examples in C#, 2/e)$650$507 -
$254亞馬遜 AWS 雲基礎與實戰 -
$607利用 Python 進行數據分析 (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e) -
深入淺出 Python, 2/e (Head First Python: A Brain-Friendly Guide, 2/e)$880$695 -
$505深入淺出統計學 (Head First Statistics)
商品描述
<內容簡介>
《深入淺出數據分析》以類似“章回小說”的活潑形式，生動地向讀者展現優秀的數據分析人員應知應會的技術：數據分析基本步驟、實驗方法、最優化方法、假設檢驗方法、貝葉斯統計方法、主觀概率法、啟發法、直方圖法、回歸法、誤差處理、相關數據庫、數據整理技巧；正文之後，意猶未盡地以三篇附錄介紹數據分析十大要務、R工具及ToolPak工具，在充分展現目標知識以外，為讀者搭建了走向深入研究的橋樑。
<目錄>
序言I
1數據分析引言：分解數據1
2實驗：檢驗你的理論37
3最優化：尋找最大值75
4數據圖形化：圖形讓你更精明111
5假設檢驗：假設並非如此139
6貝葉斯統計：穿越第一關169
7主觀概率：信念數字化191
8啟發法：憑人類的天性作分析225
9直方圖：數字的形狀251
10回歸：預測279
11誤差：合理誤差315
12相關數據庫：你能關聯嗎？359
13整理數據：井然有序385
附錄A尾聲：正文未及的十大要訣417
附錄B安裝R：啟動R！427
附錄C安裝Excel分析工具：ToolPak431
