图书介绍
Python全栈数据工程师养成攻略 Python机器学习入门教程 视频讲解版pdf电子书版本下载
- 张宏伦编著 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115468697
- 出版时间：2017
- 标注页数：263页
- 文件大小：50MB
- 文件页数：273页
- 主题词：软件工具－程序设计
PDF下载
下载说明
Python全栈数据工程师养成攻略 Python机器学习入门教程 视频讲解版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 写在前面 1
1.1 数据工程和编程语言 1
1.1.1 如何玩转数据 1
1.1.2 关于编程语言 3
1.2 带好装备——Python和Sublime 4
1.2.1 Python 4
1.2.2 Sublime 5
1.2.3 运行Python代码的方法 6
1.2.4 Hello World 7
1.3 数据结构和常见类型 7
1.3.1 数据的结构 8
1.3.2 数据的类型 8
第2章 学会Python 10
2.1 Python基础语法 10
2.1.1 Python的特点 10
2.1.2 中文编码 10
2.1.3 变量 11
2.1.4 注释 14
2.1.5 保留名 14
2.1.6 行和缩进 15
2.1.7 运算符 15
2.1.8 条件 15
2.1.9 循环 16
2.1.10 时间 18
2.1.11 文件 19
2.1.12 异常 19
2.1.13 函数 20
2.1.14 补充内容 20
2.2 实战：西游记用字统计 21
2.2.1 数据 21
2.2.2 目标 21
2.2.3 步骤 21
2.2.4 总结 23
第3章 获取数据 24
3.1 HTTP请求和Chrome 24
3.1.1 访问一个链接 24
3.1.2 Chrome浏览器 25
3.1.3 HTTP 27
3.1.4 URL类型 28
3.2 使用Python获取数据 29
3.2.1 urllib2 29
3.2.2 GET请求 29
3.2.3 POST请求 30
3.2.4 处理返回结果 30
3.3 实战：爬取豆瓣电影 31
3.3.1 确定目标 31
3.3.2 通用思路 32
3.3.3 寻找链接 32
3.3.4 代码实现 34
3.3.5 补充内容 38
第4章 存储数据 40
4.1 使用XAMP搭建Web环境 40
4.1.1 Web环境 40
4.1.2 偏好设置 41
4.1.3 Hello World 43
4.2 MySQL使用方法 44
4.2.1 基本概念 44
4.2.2 命令行 44
4.2.3 Web工具 44
4.2.4 本地软件 47
4.3 使用Python操作数据库 49
4.3.1 MySQLdb 49
4.3.2 建立连接 49
4.3.3 执行操作 50
4.3.4 关闭连接 52
4.3.5 扩展内容 52
第5章 静态可视化 53
5.1 在R中进行可视化 53
5.1.1 下载和安装 53
5.1.2 R语言基础 54
5.1.3 ggplot2 59
5.1.4 R语言学习笔记 59
5.2 掌握ggplot2数据可视化 59
5.2.1 图形种类 59
5.2.2 基本语法 60
5.2.3 条形图 61
5.2.4 折线图 61
5.2.5 描述数据分布 62
5.2.6 分面 62
5.2.7 R语言数据可视化 62
5.3 实战：Diamonds数据集探索 63
5.3.1 查看数据 63
5.3.2 价格和克拉 64
5.3.3 价格分布 64
5.3.4 纯净度分布 65
5.3.5 价格概率分布 65
5.3.6 不同切工下的价格分布 65
5.3.7 坐标变换 66
5.3.8 标题和坐标轴标签 66
第6章 自然语言理解 67
6.1 走近自然语言理解 67
6.1.1 概念 67
6.1.2 内容 67
6.1.3 应用 68
6.2 使用jieba分词处理中文 70
6.2.1 jieba中文分词 70
6.2.2 中文分词 70
6.2.3 关键词提取 72
6.2.4 词性标注 73
6.3 词嵌入的概念和实现 73
6.3.1 语言的表示 73
6.3.2 训练词向量 75
6.3.3 代码实现 75
第7章 Web基础 78
7.1 网页的骨骼：HTML 78
7.1.1 HTML是什么 78
7.1.2 基本结构 78
7.1.3 常用标签 79
7.1.4 标签的属性 82
7.1.5 注释 83
7.1.6 表单 83
7.1.7 颜色 84
7.1.8 DOM 85
7.1.9 HTML5 86
7.1.10 补充内容 86
7.2 网页的血肉：CSS 86
7.2.1 CSS是什么 87
7.2.2 基本结构 87
7.2.3 使用CSS 87
7.2.4 常用选择器 89
7.2.5 常用样式 91
7.2.6 CSS3 94
7.2.7 CSS实例 97
7.2.8 补充学习 98
7.3 网页的关节：JS 99
7.3.1 JS是什么 99
7.3.2 使用JS 99
7.3.3 JS基础 100
7.3.4 补充学习 103
第8章 Web进阶 104
8.1 比JS更方便的JQuery 104
8.1.1 引入JQuery 104
8.1.2 语法 105
8.1.3 选择器 106
8.1.4 事件 107
8.1.5 直接操作 108
8.1.6 AJAX请求 112
8.1.7 补充学习 113
8.2 实战：你竟是这样的月饼 113
8.2.1 项目简介 113
8.2.2 首页实现 115
8.2.3 月饼页实现 128
8.2.4 项目总结 133
8.3 基于ThinkPHP的简易个人博客 134
8.3.1 ThinkPHP是什么 134
8.3.2 个人博客 134
8.3.3 下载和初始化 134
8.3.4 MVC 135
8.3.5 数据库配置 136
8.3.6 控制器、函数和渲染模板 137
8.3.7 U函数和页面跳转 139
8.3.8 表单实现和数据处理 141
8.3.9 读取数据并渲染 142
8.3.10 项目总结 145
8.4 基于Flask的简易个人博客 146
8.4.1 Flask是什么 146
8.4.2 项目准备 147
8.4.3 渲染模板 149
8.4.4 操作数据库 150
8.4.5 完善其他页面 152
8.4.6 项目总结 155
第9章 动态可视化 157
9.1 使用ECharts制作交互图形 157
9.1.1 ECharts是什么 157
9.1.2 引入Echarts 158
9.1.3 准备一个画板 158
9.1.4 绘制ECharts图形 158
9.1.5 使用其他主题 160
9.1.6 配置项手册 160
9.1.7 开始探索 164
9.2 实战：再谈豆瓣电影数据分析 164
9.2.1 项目成果 164
9.2.2 数据获取 164
9.2.3 数据清洗和存储 167
9.2.4 数据分析 168
9.2.5 数据可视化 168
9.2.6 项目总结 171
9.3 数据可视化之魅D3 172
9.3.1 D3是什么 172
9.3.2 D3核心思想 172
9.3.3 一个简单的例子 173
9.3.4 深入理解D3 177
9.3.5 开始探索 180
9.4 实战：星战电影知识图谱 181
9.4.1 项目成果 181
9.4.2 数据获取 182
9.4.3 数据分析 182
9.4.4 数据可视化 183
9.4.5 项目总结 184
9.5 艺术家爱用的 Processing 185
9.5.1 Processing是什么 185
9.5.2 一个简单的例子 186
9.5.3 Processing基础 186
9.5.4 更多内容 189
9.6 实战：上海地铁的一天 189
9.6.1 项目成果 189
9.6.2 项目数据 189
9.6.3 项目思路 190
9.6.4 项目实现 190
9.6.5 项目总结 197
第10章 机器学习 198
10.1 明白一些基本概念 198
10.1.1 机器学习是什么 198
10.1.2 学习的种类 199
10.1.3 两大痛点 202
10.1.4 学习的流程 203
10.1.5 代码实现 205
10.2 常用经典模型及实现 206
10.2.1 线性回归 206
10.2.2 Logistic回归 206
10.2.3 贝叶斯 207
10.2.4 K近邻 207
10.2.5 决策树 207
10.2.6 支持向量机 209
10.2.7 K-Means 209
10.2.8 神经网络 210
10.2.9 代码实现 210
10.3 调参比赛大杀器XGBoost 213
10.3.1 为什么要调参 214
10.3.2 XGBoost是什么 214
10.3.3 XGBoost安装 214
10.3.4 XGBoost模型参数 215
10.3.5 XGBoost调参实战 216
10.3.6 总结 227
10.4 实战：微额借款用户人品预测 227
10.4.1 项目背景 227
10.4.2 数据概况 228
10.4.3 缺失值处理 228
10.4.4 特征工程 229
10.4.5 特征选择 230
10.4.6 模型设计 231
10.4.7 项目总结 232
第11章 深度学习 233
11.1 初探Deep Learning 233
11.1.1 深度学习是什么 233
11.1.2 神经元模型 234
11.1.3 全连接层 235
11.1.4 代码实现 236
11.2 用于处理图像的CNN 237
11.2.1 CNN是什么 238
11.2.2 CNN核心内容 239
11.2.3 CNN使用方法 241
11.2.4 CNN模型训练 242
11.2.5 代码实现 242
11.3 用于处理序列的 RNN 242
11.3.1 RNN是什么 242
11.3.2 RNN模型结构 243
11.3.3 LSTM 244
11.3.4 RNN使用方法 246
11.3.5 代码实现 246
11.4 实战：多种手写数字识别模型 246
11.4.1 手写数字数据集 247
11.4.2 全连接层 248
11.4.3 CNN实现 252
11.4.4 RNN实现 253
11.4.5 实战总结 254
第12章 数据的故事 256
12.1 如何讲一个好的故事 256
12.1.1 为什么要做PPT 256
12.1.2 讲一个好的故事 256
12.1.3 用颜值加分 257
12.1.4 总结 258
12.2 实战：有内容有颜值的分享 258
12.2.1 SODA 258
12.2.2 公益云图 260
12.2.3 上海BOT 262
12.2.4 总结 263