送书福利再度来袭,上周刚送了5本,今天小编带来了一份非常不错的Python书单,非常感谢图灵出版社的大力支持。这次我们送出的是Python5本书,一起来看一下。
5本Python好书:
深入理解Python特性
Python数据科学与机器学习
深度学习的数学
特征工程入门与实践
大话数据分析2
01.
深入理解Python特性
深入理解Python特性
Dan Bader 著
孙波翔 译
上市两个月获 Amazon 百余条五星评价,详解用好 Python 需要了解的最重要特性,与《流畅的Python》互为补充,Python进阶必备。
由影响全球一百多万程序员、PythonistaCafe社区创始人 Dan Bader 著作。
用好Python需要了解的最重要的特性、Python 2过渡到Python 3需要掌握的现代模式、有其他编程语言背景想快速上手Python的程序员需要特别注意的问题,等等,书中都有涉及。
02.
Python数据科学与机器学习
Python数据科学与机器学习
Frank Kane 著
陈光欣 译
当今世界,高科技行业的数据科学家是回报最为丰厚的职业之一。本书作者仔细研究了高科技公司中数据科学家的职位描述,并根据其职位要求确定了本书的内容。
想快速掌握数据科学与机器学习相关知识,并以此找工作的人首选。
读这本书,你将会跟着作者一起使用真实的电影评分数据创建一个电影推荐系统,还会创建一个能实际运行的维基百科数据搜索引擎。此外,我们还将构建一个垃圾邮件分类器,它可以对邮件账户中的垃圾邮件和正常邮件进行正确的分类。作者还专门用了一章介绍如何将这个分类器扩展到使用 Apache Spark 的大数据集群系统上。
03.
深度学习的数学
深度学习的数学
涌井良幸、涌井贞美 著
杨瑞龙 译
结合235幅插图和大量示例,基于Excel实践,直击神经网络根本原理。
虽然“自学习”听起来很难,但神经网络运用的数学理论是非常简单的,基本上是比较基础的数学知识。然而,很多文献大量使用公式和专业术语,令人难以看透神经网络的本质,这对于今后人工智能的发展是莫大的不幸和障碍。本书作为人工智能的入门书,目的就是要破除这种障碍,让所有人都能够体会到神经网络的趣味性。本书的目标是用初级的数学知识详细地讲解深度学习的思想。
04.
特征工程入门与实践
特征工程入门与实践
Sinan Ozdemir , Divya Susarla 著
庄嘉盛 译
特征工程是数据科学和机器学习流水线上的重要一环,包括识别、清洗、构建和发掘数据的特征,为进一步解释数据并进行预测性分析做准备。
这本书囊括了特征工程的全流程,从数据检查到可视化,再到转换和进一步处理等,并给出了大量数学工具,帮助读者掌握如何将数据处理、转换成适当的形式,以便送入计算机和机器学习流水线中进行处理。后半部分的特征工程实践用Python作为示例语言,循序渐进,通俗易懂。
05.
大话数据分析2
大话数据分析2——Tableau数据可视化企业应用实战
高云龙 著
Tableau Software致力于帮助人们查看并理解数据。Tableau 帮助任何人快速分析、可视化并分享信息。超过 42,000 家客户通过使用 Tableau 在办公室或随时随地快速获得结果。数以万计的用户使用 Tableau Public 在博客与网站中分享数据。——百度百科
本书是《大话数据分析——Tableau 数据可视化实战》一书的续集。前一本书主要讲解了 Tableau的“个人应用”,介绍分析员和业务用户是如何使用 Tableau Desktop 去探索数据、发现问题、回答问题和寻找方案的。
而本书侧重于 Tableau 软件的“企业应用”,介绍企业在推广数据分析文化过程中的方法和最佳实践,对系统建设过程中的图表应用、仪表板设计、系统性能管理和系统架构等方面进行了深入阐述。切记,数据分析的目的不是“自娱自乐”,而是要通过分享分析成果,将数据中的价值兑现出来。
赠送的方法:
看今天头条文章的文末有详细介绍。