本书采用了以任务为导向的教学模式，按照解决实际任务的工作流程路线，逐步展开介绍相关的理论知识点，推导生成可行的解决方案， 后落实在任务实现环节。 全书大部分章节紧扣任务需求展开，不堆积知识点，着重于解决问题时思路的启发与方案的实施。通过从任务需求到实现这一完整工作流程的体验，帮助读者真正理解与消化Python数据分析与应用。 书中案例全部源于企业真实项目，可操作性强，引导读者融会贯通，并提供源代码等相关学习资源，帮助读者快速掌握大数据相关技能。
电子书
编辑推荐
1.上海交通大学机器学习、人工智能专家亲笔力作。
2.超过900分钟的全程视频讲解，扫一扫二维码，跟着视频轻松学。
3.网易云课堂同名人气课程，全部五星好评。
内容简介
本书以Python为主，结合其他多门编程语言，从数据的获取、存储、分析和可视化等方面，全面地介绍如何实现一些小而美的数据应用。本书共12章，第1章介绍编程之前的准备工作；第2章介绍Python中最为核心和常用的语法；第3章介绍如何使用Python编写爬虫并获取数据；第4章介绍如何使用Python操作MySQL数据库并存储数据；第5章介绍如何在R语言中使用ggplot2绘制静态可视化图形；第6章介绍自然语言理解的相关内容以及如何使用Python处理文本数据；第7章介绍HTML、CSS、JavaScript等前端基础；第8章介绍JQuery、ThinkPHP、Flask等进阶内容；第9章介绍ECharts、D3、Processing等动态数据可视化工具；第10章和第11章分别介绍Python在机器学习和深度学习中的应用；第12章介绍如何通过一个好的故事将自己的数据成果分享和展示给他人。
本书适用于有一定编程基础，希望了解数据分析、人工智能等知识领域，进一步提升个人技术能力的社会各界人士。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 写在前面
- 1.1 数据工程和编程语言
- 1.1.1 如何玩转数据
- 1.1.2 关于编程语言
- 1.2 带好装备——Python和Sublime
- 1.2.1 Python
- 1.2.2 Sublime
- 1.2.3 运行Python代码的方法
- 1.2.4 Hello World
- 1.3 数据结构和常见类型
- 1.3.1 数据的结构
- 1.3.2 数据的类型
- 第2章 学会Python
- 2.1 Python基础语法
- 2.1.1 Python的特点
- 2.1.2 中文编码
- 2.1.3 变量
- 2.1.4 注释
- 2.1.5 保留名
- 2.1.6 行和缩进
- 2.1.7 运算符
- 2.1.8 条件
- 2.1.9 循环
- 2.1.10 时间
- 2.1.11 文件
- 2.1.12 异常
- 2.1.13 函数
- 2.1.14 补充内容
- 2.2 实战：西游记用字统计
- 2.2.1 数据
- 2.2.2 目标
- 2.2.3 步骤
- 2.2.4 总结
- 第3章 获取数据
- 3.1 HTTP请求和Chrome
- 3.1.1 访问一个链接
- 3.1.2 Chrome浏览器
- 3.1.3 HTTP
- 3.1.4 URL类型
- 3.2 使用Python获取数据
- 3.2.1 urllib2
- 3.2.2 GET请求
- 3.2.3 POST请求
- 3.2.4 处理返回结果
- 3.3 实战：爬取豆瓣电影
- 3.3.1 确定目标
- 3.3.2 通用思路
- 3.3.3 寻找链接
- 3.3.4 代码实现
- 3.3.5 补充内容
- 第4章 存储数据
- 4.1 使用XAMP搭建Web环境
- 4.1.1 Web环境
- 4.1.2 偏好设置
- 4.1.3 Hello World
- 4.2 MySQL使用方法
- 4.2.1 基本概念
- 4.2.2 命令行
- 4.2.3 Web工具
- 4.2.4 本地软件
- 4.3 使用Python操作数据库
- 4.3.1 MySQLdb
- 4.3.2 建立连接
- 4.3.3 执行操作
- 4.3.4 关闭连接
- 4.3.5 扩展内容
- 第5章 静态可视化
- 5.1 在R中进行可视化
- 5.1.1 下载和安装
- 5.1.2 R语言基础
- 5.1.3 ggplot2
- 5.1.4 R语言学习笔记
- 5.2 掌握ggplot2数据可视化
- 5.2.1 图形种类
- 5.2.2 基本语法
- 5.2.3 条形图
- 5.2.4 折线图
- 5.2.5 描述数据分布
- 5.2.6 分面
- 5.2.7 R语言数据可视化
- 5.3 实战：Diamonds数据集探索
- 5.3.1 查看数据
- 5.3.2 价格和克拉
- 5.3.3 价格分布
- 5.3.4 纯净度分布
- 5.3.5 价格概率分布
- 5.3.6 不同切工下的价格分布
- 5.3.7 坐标变换
- 5.3.8 标题和坐标轴标签
- 第6章 自然语言理解
- 6.1 走近自然语言理解
- 6.1.1 概念
- 6.1.2 内容
- 6.1.3 应用
- 6.2 使用jieba分词处理中文
- 6.2.1 jieba中文分词
- 6.2.2 中文分词
- 6.2.3 关键词提取
- 6.2.4 词性标注
- 6.3 词嵌入的概念和实现
- 6.3.1 语言的表示
- 6.3.2 训练词向量
- 6.3.3 代码实现
- 第7章 Web基础
- 7.1 网页的骨骼：HTML
- 7.1.1 HTML是什么
- 7.1.2 基本结构
- 7.1.3 常用标签
- 7.1.4 标签的属性
- 7.1.5 注释
- 7.1.6 表单
- 7.1.7 颜色
- 7.1.8 DOM
- 7.1.9 HTML5
- 7.1.10 补充内容
- 7.2 网页的血肉：CSS
- 7.2.1 CSS是什么
- 7.2.2 基本结构
- 7.2.3 使用CSS
- 7.2.4 常用选择器
- 7.2.5 常用样式
- 7.2.6 CSS3
- 7.2.7 CSS实例
- 7.2.8 补充学习
- 7.3 网页的关节：JS
- 7.3.1 JS是什么
- 7.3.2 使用JS
- 7.3.3 JS基础
- 7.3.4 补充学习
- 第8章 Web进阶
- 8.1 比JS更方便的JQuery
- 8.1.1 引入JQuery
- 8.1.2 语法
- 8.1.3 选择器
- 8.1.4 事件
- 8.1.5 直接操作
- 8.1.6 AJAX请求
- 8.1.7 补充学习
- 8.2 实战：你竟是这样的月饼
- 8.2.1 项目简介
- 8.2.2 首页实现
- 8.2.3 月饼页实现
- 8.2.4 项目总结
- 8.3 基于ThinkPHP的简易个人博客
- 8.3.1 ThinkPHP是什么
- 8.3.2 个人博客
- 8.3.3 下载和初始化
- 8.3.4 MVC
- 8.3.5 数据库配置
- 8.3.6 控制器、函数和渲染模板
- 8.3.7 U函数和页面跳转
- 8.3.8 表单实现和数据处理
- 8.3.9 读取数据并渲染
- 8.3.10 项目总结
- 8.4 基于Flask的简易个人博客
- 8.4.1 Flask是什么
- 8.4.2 项目准备
- 8.4.3 渲染模板
- 8.4.4 操作数据库
- 8.4.5 完善其他页面
- 8.4.6 项目总结
- 第9章 动态可视化
- 9.1 使用ECharts制作交互图形
- 9.1.1 ECharts是什么
- 9.1.2 引入Echarts
- 9.1.3 准备一个画板
- 9.1.4 绘制ECharts图形
- 9.1.5 使用其他主题
- 9.1.6 配置项手册
- 9.1.7 开始探索
- 9.2 实战：再谈豆瓣电影数据分析
- 9.2.1 项目成果
- 9.2.2 数据获取
- 9.2.3 数据清洗和存储
- 9.2.4 数据分析
- 9.2.5 数据可视化
- 9.2.6 项目总结
- 9.3 数据可视化之魅D3
- 9.3.1 D3是什么
- 9.3.2 D3核心思想
- 9.3.3 一个简单的例子
- 9.3.4 深入理解D3
- 9.3.5 开始探索
- 9.4 实战：星战电影知识图谱
- 9.4.1 项目成果
- 9.4.2 数据获取
- 9.4.3 数据分析
- 9.4.4 数据可视化
- 9.4.5 项目总结
- 9.5 艺术家爱用的Processing
- 9.5.1 Processing是什么
- 9.5.2 一个简单的例子
- 9.5.3 Processing基础
- 9.5.4 更多内容
- 9.6 实战：上海地铁的一天
- 9.6.1 项目成果
- 9.6.2 项目数据
- 9.6.3 项目思路
- 9.6.4 项目实现
- 9.6.5 项目总结
- 第10章 机器学习
- 10.1 明白一些基本概念
- 10.1.1 机器学习是什么
- 10.1.2 学习的种类
- 10.1.3 两大痛点
- 10.1.4 学习的流程
- 10.1.5 代码实现
- 10.2 常用经典模型及实现
- 10.2.1 线性回归
- 10.2.2 Logistic回归
- 10.2.3 贝叶斯
- 10.2.4 K近邻
- 10.2.5 决策树
- 10.2.6 支持向量机
- 10.2.7 K-Means
- 10.2.8 神经网络
- 10.2.9 代码实现
- 10.3 调参比赛大杀器XGBoost
- 10.3.1 为什么要调参
- 10.3.2 XGBoost是什么
- 10.3.3 XGBoost安装
- 10.3.4 XGBoost模型参数
- 10.3.5 XGBoost调参实战
- 10.3.6 总结
- 10.4 实战：微额借款用户人品预测
- 10.4.1 项目背景
- 10.4.2 数据概况
- 10.4.3 缺失值处理
- 10.4.4 特征工程
- 10.4.5 特征选择
- 10.4.6 模型设计
- 10.4.7 项目总结
- 第11章 深度学习
- 11.1 初探Deep Learning
- 11.1.1 深度学习是什么
- 11.1.2 神经元模型
- 11.1.3 全连接层
- 11.1.4 代码实现
- 11.2 用于处理图像的CNN
- 11.2.1 CNN是什么
- 11.2.2 CNN核心内容
- 11.2.3 CNN使用方法
- 11.2.4 CNN模型训练
- 11.2.5 代码实现
- 11.3 用于处理序列的RNN
- 11.3.1 RNN是什么
- 11.3.2 RNN模型结构
- 11.3.3 LSTM
- 11.3.4 RNN使用方法
- 11.3.5 代码实现
- 11.4 实战：多种手写数字识别模型
- 11.4.1 手写数字数据集
- 11.4.2 全连接层
- 11.4.3 CNN实现
- 11.4.4 RNN实现
- 11.4.5 实战总结
- 第12章 数据的故事
- 12.1 如何讲一个好的故事
- 12.1.1 为什么要做PPT
- 12.1.2 讲一个好的故事
- 12.1.3 用颜值加分
- 12.1.4 总结
- 12.2 实战：有内容有颜值的分享
- 12.2.1 SODA
- 12.2.2 公益云图
- 12.2.3 上海BOT
- 12.2.4 总结
展开全部
Python全栈数据工程师养成攻略是2017年由人民邮电出版社出版,作者张宏伦。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python全栈数据工程师养成攻略》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。
电子书
本书采用了以任务为导向的教学模式，按照解决实际任务的工作流程路线，逐步展开介绍相关的理论知识点，推导生成可行的解决方案， 后落实在任务实现环节。 全书大部分章节紧扣任务需求展开，不堆积知识点，着重于解决问题时思路的启发与方案的实施。通过从任务需求到实现这一完整工作流程的体验，帮助读者真正理解与消化Python数据分析与应用。 书中案例全部源于企业真实项目，可操作性强，引导读者融会贯通，并提供源代码等相关学习资源，帮助读者快速掌握大数据相关技能。
电子书
本书详尽介绍了Pytho数据分析的基础知识，以及开发技巧。
电子书
适读人群 ：1.没有编程知识的新手 不同于一般的基础语法讲解教程，本书并未将Python 开发限定于某个集成开发工具（IDE）中，而是采用交互式编程的方式来强化读者对语言特性的理解，帮助新手读者真正理解Python 语言和Python 编程。2.从未接触过Python 语言，但了解一点编程知识的初学者 本书通过对基础知识高度的提炼和概括，以避免初学者陷入低级且冗长的细节知识点而心生懈怠；同时，本书为初学者规划了从初级到高级的编程技能提升路线图。3.具有一定基础的Python 程序员 本书可以作为案头工具书来使用。本书从基础语法、基本技能讲起，涵盖了科学计算、数据处理、机器学习等领域，示例代码涉及30 余个模块的使用。 构建从Python入门到数据分析到机器学习的路线图，入门有章可循； 1.讲解独到，常见盲点趣解析 作者基于多年的经验积累，善于总结概括初学Python过程中的误区。 2.内容全面，常用工具全涵盖 书中介绍的Python工具包覆盖Numpy、Matplotlib、Pandas、SciPy、Scikit-Learn，方便读者拓展实用技能、掌握工作利器。 3.拓展训练，重点知识有强化 语感训练100题、Python内置函数（类）手册、从新手到高手的100个模块，强化知识点的掌握。 4.代码完整，随时动手可复现 本书提供了完整、可验证的代码，方便读者动手练习并强化理解。
电子书
本书以问题为导向，用具体应用场景讲明白如何选择、使用合适的数据科学工具。
电子书
基于Python 3.6，详解测试开发技术大趋势。
电子书
介绍了Python编程基础及其相关知识的应用，解决部分实际问题。