编辑推荐
以人工智能下的大数据时代为背景，全面系统地介绍如何探索数据、整理数据并分析数据。
内容简介
数据作为一种新型生产要素，在未来的社会发展过程中将扮演越来越重要的角色，提升数据素养将有助于促进中国人工智能后备人才的高质量发展。
本书以人工智能下的大数据时代为背景，从数据素养、数据分析基础、统计分析、机器学习多个维度全面系统地介绍了如何探索数据、整理数据并分析数据。
本书没有给出晦涩难懂的数学公式，也不涉及复杂烦琐的程序代码，而是在阐述基本原理的基础上，辅以简洁的Python程序，让读者能够快速入门，提升个人的数据综合素养。
作者简介
编著者孙越，上海外国语大学附属龙岗学校校长，长期从事教育信息化工作和智慧校园建设。目前担任中国发明协会中小学创造教育分会常务理事，深圳教育学会教育信息化和人工智能专委会副理事长，香港中文大学（深圳）特聘导师。同时获评上海市“普教系统名校长名师培养工程――攻关计划”人才、上海市教育科研专家库专家、深圳市龙岗区卓越校长、深圳市龙岗区“名师工作室”主持人等。
章节目录
版权信息
内容简介
丛书编委会
本书编委会
前言
第1章 人工智能下的大数据时代
1.1 大数据时代和人工智能
1.1.1 一切皆为数据
1.1.2 数据高速增长时代
1.1.3 利用人工智能掘金大数据
1.2 人工智能三要素
1.2.1 数据——AI之源
1.2.2 算法——AI之核
1.2.3 算力——AI之驱
1.3 数据素养
1.3.1 何为数据素养
1.3.2 数据素养为何重要
1.3.3 如何提升数据素养
1.4 本章小结
第2章 Python数据分析基础
2.1 Python基础
2.1.1 Python简介
2.1.2 Python数据类型
2.1.3 常用的操作、函数和方法
2.1.4 列表、元组、字典
2.1.5 顺序结构
2.1.6 分支结构
2.1.7 循环结构
2.2 Python数据分析环境
2.2.1 使用pip安装数据分析相关库
2.2.2 安装Anaconda
2.3 Python数据分析相关库
2.3.1 NumPy库
2.3.2 Matplotlib库
2.3.3 SciPy库
2.3.4 Pandas库
2.3.5 xlrd库
2.3.6 PyMySQL库
2.3.7 其他数据分析相关库
2.4 本章小结
第3章 Jupyter环境的使用
3.1 Jupyter Notebook概述
3.1.1 Jupyter Notebook简介及优点
3.1.2 Jupyter Notebook开发环境的搭建
3.1.3 使用pip命令安装
3.2 认识Jupyter Notebook
3.2.1 认识Files、Running、Clusters页面
3.2.2 认识Jupyter Notebook的主页面
3.3 新建、运行、保存Jupyter Notebook文件
3.3.1 新建一个Jupyter Notebook
3.3.2 运行代码
3.3.3 重命名Jupyter Notebook文件
3.3.4 保存Jupyter Notebook文件
3.4 处理不同类型的数据
3.4.1 处理txt文件
3.4.2 处理CSV文件
3.4.3 处理Excel文件
3.4.4 处理sql文件
3.5 在Markdown中使用LaTeX输入数学公式
3.5.1 使用LaTeX输入一个数学公式
3.5.2 LaTeX的两种公式格式
3.5.3 常用数学公式的写法
3.6 Jupyter Notebook应用实例解析
3.6.1 实例一：能力六维雷达图的绘制
3.6.2 实例二：词频统计
3.7 本章小结
第4章 探索数据
4.1 走进数据的世界
4.1.1 定义数据
4.1.2 数据的分类
4.1.3 深挖数据的四种能力
4.1.4 善用指标分析问题
4.2 数据的评估
4.2.1 指标真的可靠吗
4.2.2 统计数据会“说谎”
4.3 数据怎么用
4.3.1 数据清洗
4.3.2 数据的标准化
4.4 本章小结
第5章 描述统计
5.1 数据集中趋势
5.1.1 均值的定义与应用
5.1.2 中位数的定义与应用
5.1.3 众数的定义与应用
5.1.4 案例分析
5.2 数据离散程度
5.2.1 极差的定义与应用
5.2.2 方差的定义与应用
5.3 本章小结
第6章 推断统计
6.1 基础知识要点
6.1.1 排列与组合
6.1.2 随机事件及其概率
6.2 概率分布及其特征
6.2.1 二项分布
6.2.2 正态分布
6.3 统计量
6.3.1 总体与样本
6.3.2 参数估计
6.3.3 假设检验
6.4 本章小结
第7章 数据可视化
7.1 什么是数据可视化
7.1.1 数据可视化的定义和意义
7.1.2 数据可视化的发展历史
7.2 图形对象与元素
7.2.1 如何建立坐标系
7.2.2 如何设置坐标轴的文本和图例
7.3 可视化色彩的运用原理
7.3.1 RGB颜色模式
7.3.2 HSL颜色模式
7.3.3 颜色搭配的技巧和案例
7.4 图表的基本类型
7.4.1 如何绘制柱形图
7.4.2 如何绘制散点图
7.4.3 如何绘制饼形图
7.4.4 如何绘制折线图
7.5 数据分析及可视化案例
7.5.1 数据可视化经典案例
7.5.2 非结构化数据的可视化案例
7.6 常见的数据可视化流程
7.7 本章小结
第8章 NumPy数组
8.1 NumPy库简介
8.2 NumPy数组的生成
8.2.1 生成一般数组
8.2.2 生成特殊数组
8.2.3 生成随机数组
8.3 NumPy数组基础
8.3.1 NumPy数组的基本属性
8.3.2 数组索引：获取单个元素
8.3.3 数组切片：获取子数组
8.4 NumPy数组重塑
8.4.1 NumPy数组的变形
8.4.2 NumPy数组的转置和换轴
8.4.3 NumPy数组的拼接与分裂
8.5 NumPy库中的线性代数
8.5.1 矩阵乘法
8.5.2 行列式
8.5.3 求线性方程的解
8.6 通用函数
8.6.1 一元通用函数
8.6.2 二元通用函数
8.6.3 广播
8.7 常用的数据分析函数
8.7.1 条件函数
8.7.2 聚合函数
8.7.3 快速排序
8.7.4 唯一值与其他集合逻辑
8.8 本章小结
第9章 时间序列数据
9.1 时间序列的定义及分类
9.1.1 时间序列的定义
9.1.2 时间序列的分类
9.2 时间序列的描述性分析
9.2.1 图形描述
9.2.2 增长率分析
9.3 时间序列的预测
9.3.1 确定时间序列成分
9.3.2 选择预测方法
9.3.3 预测方法评估
9.4 平稳时间序列的预测
9.4.1 简单平均法
9.4.2 移动平均法
9.4.3 指数平滑法
9.5 趋势型和复合型时间序列的预测
9.5.1 线性趋势预测
9.5.2 非线性趋势预测
9.5.3 复合型时间序列的分解预测
9.6 使用Python处理时间序列数据
9.6.1 时间序列数据处理工具的选择
9.6.2 时间序列数据的导入
9.6.3 时间序列数据预处理
9.6.4 时间序列数据处理
9.7 本章小结
第10章 文本数据
10.1 文本数据的导入
10.1.1 文本数据与自然语言处理
10.1.2 分词
10.2 文本数据的处理
10.2.1 文本特征初探
10.2.2 文本信息的提取
10.2.3 文本向量化
10.3 文本分析的应用
10.3.1 文本分类
10.3.2 文本情感分析
10.4 本章小结
第11章 回归分析
11.1 叩响人工智能之门
11.1.1 人工智能与机器学习
11.1.2 工欲善其事，必先利其器
11.1.3 算法，该“出道”了
11.2 万朝归宗：线性回归
11.2.1 一元之道
11.2.2 从一元到多元
11.2.3 学习和工作中的线性回归
11.3 回归增强术
11.3.1 非线性回归
11.3.2 可分类的回归
11.3.3 能降维的回归
11.4 本章小结
第12章 聚类分析
12.1 数据之眼看聚类
12.1.1 什么是聚类
12.1.2 人工智能的未来：无监督学习
12.1.3 距离产生美
12.2 K均值聚类
12.2.1 K均值聚类的思想
12.2.2 抽丝剥茧K均值
12.2.3 鸢尾花的K均值聚类
12.3 案例：数据下的省（区、市）
12.3.1 提出问题
12.3.2 数据获取与处理
12.3.3 建模分析与结果
12.4 本章小结
第13章 数据素养综合案例
13.1 综合案例一：利用人工智能爬取大数据，轻松掌握股市动态
13.1.1 认识人工智能网络爬虫
13.1.2 爬取股市大数据，分析需求
13.1.3 爬取股市大数据案例
13.2 综合案例二：人工智能数据——体型分析
13.2.1 K最邻近分类算法原理
13.2.2 使用KNN分类算法对体型进行分类的案例
13.3 其他案例集
13.3.1 计算生肖
13.3.2 猜数游戏
13.3.3 二维列表排序
13.3.4 学生信息录入
13.3.5 打印回文素数（合数）
13.3.6 数据库加密
13.3.7 计算圆台的体积和表面积
13.4 本章小结
人工智能数据素养是2023年由电子工业出版社出版,作者孙越 编著。
得书感谢您对《人工智能数据素养》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
