- 博客(0)
- 资源 (17)
- 收藏
- 关注
数据科学实战(中文带标签)
数据科学实战 中文版带标签
• 统计推断、探索性数据分析(EDA)及数据科学工作流程, • 算法, • 垃圾邮件过滤、朴素贝叶斯和数据清理, • 逻辑回归, • 金融建模, • 推荐引擎和因果关系, • 数据可视化, • 社交网络与数据新闻, • 数据工程、MapReduce、Pregel和Hadoop
2018-07-29
NLP汉语自然语言处理原理与实践(中文版带标签)
NLP汉语自然语言处理原理与实践中文带标签
本书是一本研究汉语自然语言处理方面的基础性、综合性书籍,涉及NLP的语言理论、算法和工程实践的方方面面,内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分,涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是,本书是迄今为止第一本系统介绍认知语言学和算法设计相结合的中文NLP书籍,并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。 本书适用于所有想学习NLP的技术人员,包括各大人工智能实验室、软件学院等专业机构。
2018-07-29
量化投资以Python为工具(附数据及代码文件)
中文版附数据及代码文件
量化投资以Python为工具完整版 以python为工具进行量化投资分析 书中包含python基础、统计学基础、金融理论与投资组合、时间序列与配对交易、技术指标与量化投资
2018-07-29
Python数据处理
高清中文版带标签 附代码文件
本书采用基于项目的方法,介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括:Python基础知识,如何从CSV、Excel、XML、JSON和PDF文件中提取数据,如何获取与存储数据,各种数据清洗与分析技术,数据可视化方法,如何从网站和API中提取数据。
2018-07-29
R for data science(R数据科学)带标签
本书的目标是教会读者使用重要的数据科学工具,从而为实施数据科学奠定坚实的基础。 读完本书后,你将掌握R语言的精华,并能够熟练使用多种工具来解决各种数据科学难题。每一章都按照这样的顺序组织内容:先给出一些引人入胜的示例,以便你可以整体了解这一章的内容,然后再深入细节。本书的每一节都配有习题,以帮助你实践所学到的知识。
对应的中文目录翻译
第一部分 探索
第 1 章 使用ggplot2进行数据可视化
第 2 章 工作流:基础
第 3 章 使用dplyr进行数据转换
第 4 章 工作流:脚本
第 5 章 探索性数据分析
第 6 章 工作流:项目
第2部分 数据处理
第 7 章 使用tibble实现简单数据框
第8 章 使用readr进行数据导入
第9章 、利用tidyr整理数据
第 10 章 使用dplyr处理关系数据
第11章 使用stringr处理字符串
第 12 章 使用forcats处理因子
第 13 章 使用lubridate处理日期和时间
第三部分 编程
第 14 章 使用magrittr进行管道操作
第 15 章 函数
第 16 章 向量
第 17 章 使用purrr实现迭代
第四部分 模型
第 18 章 使用modelr实现基础模型
第 19 章 模型构建
第 20 章 使用purrr和broom处理多个模型
第五部分 沟通
第 21 章 R Markdown
第 22 章 使用ggplot2进行图形化沟通
第 23 章 R Markdown输出类型
第 24 章 R Markdown工作流
2018-07-28
R语言与数据挖掘最佳实践和经典案例(带标签并附R代码)
中文版带标签,内附R代码
本书面向数据挖掘领域的研究人员、数据挖掘方向的研究生,以及数据挖掘工程师和分析师,对于学习数据挖掘课程的学生来说具有巨大的参考价值,对于参加数据挖掘与分析的行业培训课程的人来说是非常有用的资料。
本书主要特色
● 介绍了R用于数据挖掘应用的案例,涵盖了最常用的数据挖掘技术。
● 提供了代码示例和数据,以便读者可以轻松地学习数据挖掘技术。
● 现实应用中的特色案例研究有助于读者将学到的技术应用到自己的工作和研究中。
2018-07-28
预测分析建模 Python与R语言实现中文版
第1章 分析与数据科学1
第2章 广告与促销10
第3章 偏好与选择24
第4章 购物篮分析31
第5章 经济数据分析42
第6章 运营管理56
第7章 文本分析72
第8章 情感分析93
第9章 体育分析132
第10章 空间数据分析146
第11章 品牌和价格165
第12章 大型的小数字游戏188
2018-07-28
机器学习:实用案例解析(中文版带标签)
这本书为机器学习技术提供了一些非常棒的案例研究。它并不想成为一本关于机器学习的工具书或者理论书籍,它注重的是一个学习的过程,因而对于任何有一些编程背景和定量思维的人来说,它都是不错的选择。, ——Max Shron OkCupid, 机器学习是计算机科学和人工智能中非常重要的一个研究领域,近年来,机器学习不但在计算机科学的众多领域中大显身手,而且成为一些交叉学科的重要支撑技术。本书比较全面系统地介绍了机器学习的方法和技术,不仅详细阐述了许多经典的学习方法
2018-07-28
数据科学:理论、方法与R语言实践
文件包含带标签的中文版书籍、文中所用数据和文中示例代码。本书从实用的角度较为全面地展现了数据科学的主要内容。并结合大量的实际项目案例,利用R语言详细地讲解了数据项目的开发过程和关键技术。《数据科学:理论、方法与R语言实践》适合作为高等院校高年级本科生和研究生及从事数据管理与分析的工程技术人员的主要参考书。
2018-07-28
美国人口普查数据及数据说明
这是Coursera的Intro to Data Analysis for Python课程使用的美国人口普查数据,里面包含了一个数据文件和一个PDF文件,PDF文件解释了每个变量的意义。
2018-07-28
量化投资-以R语言为工具
R 是用于统计分析、绘图的语言和操作环境。它是属于 GNU 系统的一个自由、免费、源代码开放的软件,是一个用于统计计算和统计制图的优秀工具。本书的目标读者是那些希望通过 R 语言来解决量化金融问题的读者,如果读者
具备一定的金融知识,将会对本书的阅读有较大的帮助。通过阅读本书,读者将学习到有关 R 语言的诸多核心内容,并了解 R 语言在量化金融方面的各类应用。
2018-07-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人