成为顶级python工程师_Python绝技：运用Python成为顶级数据工程师

1 概述 / 1

1.1 何为数据工程师 / 1

1.2 数据分析的流程 / 3

1.3 数据分析的工具 / 11

1.4 大数据的思与辨 / 14

2 关于Python / 17

2.1 为什么是Python / 17

2.2 常用基础库 / 19

2.2.1 Numpy / 19

2.2.2 Pandas / 26

2.2.3 Scipy / 37

2.2.4 Matplotlib / 38

3 基础分析 / 43

3.1 场景分析与建模策略 / 43

3.1.1 统计量 / 43

3.1.2 概率分布 / 48

3.2 实例讲解 / 55

3.2.1 谁的成绩更优秀 / 55

3.2.2 应该库存多少水果 / 57

4 数据挖掘 / 60

4.1 场景分析与建模策略 / 60

4.1.1 分类 / 61

4.1.2 聚类 / 76

4.1.3 回归 / 86

4.1.4 关联规则 / 90

4.2 数据挖掘的重要概念 / 93

4.2.1 数据预处理 / 93

4.2.2 评估与验证 /97

4.2.3 Bagging 与Adaboost / 99

4.2.4 梯度下降与牛顿法 / 102

4.3 实例讲解 /105

4.3.1 信用卡欺诈监测 / 105

4.3.2 员工离职预判 /110

5 深度学习/ 114

5.1 场景分析与建模策略 / 115

5.1.1 感知机 / 115

5.1.2 自编码器 / 119

5.1.3 限制玻尔兹曼机 /123

5.1.4 深度信念神经网络 / 127

5.1.5 卷积神经网络 / 129

5.2 人工智能应用概况 / 137

5.2.1 深度学习的历史 /137

5.2.2 人工智能的杰作 / 140

5.3 实例讲解 / 146

5.3.1 学习识别手写数字 / 146

5.3.2 让机器认识一只猫 / 151

6 大数据分析 / 160

6.1 常用组件介绍 / 160

6.1.1 数据传输 / 165

6.1.3 数据计算 / 174

6.1.4 数据展示 / 180

6.2 大数据处理架构 / 188

6.2.1 Lambda 架构 / 189

6.2.2 Kappa 架构 / 192

6.2.3 ELK 架构 / 193

6.3 项目设计 / 194

参考文献 / 202