Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模,數據工程一次搞定!( 繁體 字) | |
作者:陳會安 著 | 類別:1. -> 程式設計 -> Python |
出版社:旗標出版 | 3dWoo書號: 55981 詢問書籍請說出此書號! 缺書 NT定價: 折扣價: 537 元 |
出版日:8/14/2022 | |
頁數:616 | |
光碟數:0 | |
站長推薦: | |
印刷:黑白印刷 | 語系: ( 繁體 字 ) |
ISBN:9789863127246 | 加入購物車 │加到我的最愛 (請先登入會員) |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證, 繁體書的下載亦請直接連絡出版社) | |
第一篇 資料科學和 Python 基礎
第 1 章 資料科學概論與開發環境建立 – Anaconda 1-1 資料科學的基礎 1-2 資料的種類 1-3 資料科學的五大步驟 1-4 Python 開發環境的建立 第 2 章 Python 程式語言 2-1 認識 Python 程式語言 2-2 變數、資料型態與運算子 2-3 流程控制 2-4 函數、模組與套件 2-5 容器型態 2-6 類別(Class)與物件(Object) 第二篇 網路爬蟲和 Open Data (取得、清理與儲存資料) 第 3 章 取得網路資料 3-1 認識網路爬蟲 3-2 使用 Requests 送出 HTTP 請求 3-3 取得 HTTP 回應內容 3-4 使用 Requests 送出進階 HTTP 請求 3-5 使用 Selenium 取得網路資料 第 4 章 資料擷取 4-1 如何進行網路爬蟲的資料擷取 4-2 BeautifulSoup 剖析和走訪 HTML網頁 4-3 使用 find() 函數搜尋 HTML 網頁 4-4 使用 CSS 選擇器選取 HTML 標籤 4-5 使用正規表達式比對 HTML 標籤內容 4-6 Selenium + BeautifulSoup 擷取網頁資料 第 5 章 資料清理與資料儲存 5-1 資料清理 5-2 將資料存入 CSV 和 JSON 檔案 5-3 將資料存入 SQLite 資料庫 5-4 將資料存入 MySQL 資料庫 5-5 將資料存入 NoSQL 資料庫 第 6 章 網路爬蟲實作案例 6-1 使用 Web API 取得網路資料 6-2 網路爬蟲的常見問題 6-3 擷取多筆記錄和 HTML 表格資料 6-4 擷取多頁面的分頁記錄資料 6-5 實作案例:majortests.com 的單字清單 6-6 實作案例:批踢踢 PTT BBS 熱門文章 第三篇 Python資料科學套件 – 探索資料(資料視覺化與大數據分析) 第 7 章 向量與矩陣運算 – NumPy 套件 7-1 Python 資料科學套件 7-2 陣列的基本使用 7-3 一維陣列–向量的運算 7-4 二維陣列–矩陣的運算 7-5 陣列廣播 7-6 陣列的相關函數 第 8 章 資料處理與分析 – Pandas 套件 8-1 Pandas 套件的基礎 8-2 DataFrame 的基本使用 8-3 選擇、過濾與排序資料 8-4 合併與更新 DataFrame 物件 8-5 群組、樞紐分析與套用函數 第 9 章 大數據分析 (一) – Matplotlib 和 Pandas 資料視覺化 9-1 Matplotlib 套件的基本使用 9-2 使用 Matplotlib 套件繪製各種圖表 9-3 Matplotlib 套件的進階使用 9-4 Pandas 套件的資料視覺化 第 10 章 大數據分析 (二) – Seaborn 統計資料視覺化 10-1 大數據分析–資料視覺化 10-2 Seaborn 套件的基礎 10-3 Seaborn 套件的基本使用 10-4 繪製資料集關聯性的圖表 10-5 繪製資料集分佈情況的圖表 10-6 分類型資料的圖表 10-7 水平顯示的寬圖表 10-8 迴歸圖表 第 11 章 機率與統計 11-1 認識機率 11-2 組合事件與條件機率 11-3 機率定理與排列組合 11-4 統計的基礎 11-5 集中量數與離散量數 11-6 隨機變數與機率分配 第 12 章 估計與檢定 12-1 抽樣與抽樣分配 12-2 標準常態分配與資料標準化 12-3 中央極限定理 12-4 估計 12-5 假設檢定 12-6 卡方檢定 第 13 章 探索性資料分析實作案例 13-1 找出資料的關聯性 13-2 特徵縮放與標準化 13-3 資料整理–資料轉換與清理 13-4 資料預處理與探索性資料分析 13-5 實作案例:鐵達尼號資料集的探索性資料分析 第四篇 人工智慧、機器學習與深度學習 – 預測資料 第 14 章 人工智慧與機器學習概論 – 認識深度學習 14-1 人工智慧概論 14-2 機器學習 14-3 機器學習的種類 14-4 深度學習 第 15 章 機器學習演算法實作案例 – 迴歸 15-1 認識機器學習演算法 15-2 線性迴歸 15-3 複迴歸 15-4 Logistic 迴歸 第 16 章 機器學習演算法實作案例 – 分類與分群 16-1 決策樹 16-2 K 鄰近演算法 16-3 K-means 演算法 第 17 章 深度學習神經網路實作案例 17-1 啟用 Google Colaboratory 雲端服務 17-2 Google Colaboratory 基本使用 17-3 深度學習實例:鳶尾花資料集的多元分類 17-4 深度學習實作案例:辨識 MINIST 手寫數字圖片 附錄A:HTML 網頁結構與 CSS 附錄B:Python 文字檔案存取與字串處理 附錄C:下載與安裝 MongoDB 和 MySQL 資料庫 色彩:黑白
附件:書附檔案下載 (詳內文)
【題材涵蓋最全面!一本書掌握資料科學 / 數據工程必學 know-how!】 □ 資料科學三部曲:取得資料 → 探索資料 → 預測分析
□ 一次補足最入門的統計和機率基礎 □ Python 開發環境與基礎語法快速上手 □ 從網頁爬蟲、資料清理到資料視覺化,快速完成資料探索的預處理程序 □ 將清理後的資料存入 SQL 資料庫,便於日後存取利用 □ 實踐資料科學的四大套件:NumPy、Pandas、Matplotlib、Seaborn 一次掌握 □ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用 |