数据挖掘导论(原书第2版)
陈封能领衔编写的数据挖掘经典畅销教材新版。斯坦福大学、密歇根州立大学、明尼苏达大学、得克萨斯大学等知名高校的数据挖掘课程教材。从基础概念和算法的角度介绍数据挖掘所使用的主要原理与技术
计算机时代的统计推断:算法、演化和数据科学
统计推断入门经典,斯坦福大学知名教授、《Elements of Statistical Learning》作者Trevor Hastie全新力作。汇集重要统计思想,系统阐释统计推断近60年的演化史,深入剖析各种经典算法及应用
增强型分析:AI驱动的数据分析、业务决策与案例实践
德勤、前华为、前IBM 3位资深数据科学家撰写,从技术、业务双重维度讲解如何利用前沿大数据和AI技术实现智能数据分析和业务决策
统计反思:用R和Stan例解贝叶斯方法
本书以Stan统计软件为基础,以R代码为例,提供了一个实际的统计推断的基础。本书从贝叶斯的角度介绍了广义线性分层模型,通过贝叶斯概率和最大熵的基础逻辑解释模型,涵盖从基础的回归分析到分层模型的内容。作者还讨论了测量误差、缺失数据,以及处理空间和网络自相关的高斯过程模型。
文本数据管理与分析:信息检索与文本挖掘的实用导论
本书是文本信息处理领域著名学者美国伊利诺伊大学香槟分校翟成祥教授倾力之作。全书内容以文本数据处理为核心,从理论到实践介绍了文本数据管理与分析的关键问题,广泛涵盖了信息检索和文本挖掘相关技术。
数据科学导论:Python语言实现(原书第2版)
本书由两位资深的数据科学家所著,是他们多年数据科学实践经验的总结,通过对上一版内容的更新和扩展,其介绍了新版Python的特点及安装方法,继而全面又系统地讲解了数据科学分析和开发的相关工具、最佳实践以及简单示例。通过阅读本书,你将深入了解Python核心概念,成为高效数据科学实践者。
数据挖掘:概念与技术(原书第3版)
数据挖掘领域具有里程碑意义的经典著作,完整全面阐述该领域的重要知识和技术创新。本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专著,是一本可读性极佳的教材。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展,并重点关注近年来该领域重要和最新的课题——数据仓库和数据立方体技术,流数据挖掘,社会网络挖掘,空间、多媒体和其他复杂数据挖掘。
统计分析:以R与Excel为分析工具
本书由知名统计学专家、畅销书作者 Conrad Carlberg倾情撰写,循序渐进系统讲解Excel与R统计分析的各种实用技术、方法及技巧。通过Excel和R两种软件的比较,围绕描述性统计、回归分析、方差分析、logistic回归、主成分分析几大模块,详细举出所需函数及代码,能有效帮助你掌握R语言,实现从Excel到R的过渡。
终身机器学习(原书第2版)
ACM、AAAI和IEEE会士、伊利诺伊大学芝加哥分校刘兵教授和谷歌年轻研究员陈志源合作的全新力作。介绍终身机器学习这种高级机器学习范式的重要研究成果和新思想 。该范式通过积累过去的知识持续地学习,并将所学到的知识用于帮助在未来进行其他学习和解决问题。
Python机器学习(原书第2版)
本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外,还对机器学习概念的必要细节进行讨论,同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释,是Python机器学习入门必读之作。
最后扫下面小程序就可以买了: