數(shù)亦有道 Python數(shù)據(jù)科學指南

第 1 章 入門導讀
1．1 環(huán)境設置
1．2 探索分析
1．3 數(shù)據(jù)獲取
1．4 數(shù)據(jù)預處理
1．5 自然語言處理
1．6 機器學習
1．7 深度學習
1．8 機器學習進階
1．9 答疑時間
第 2 章 環(huán)境設置
2．1 Python運行環(huán)境Anaconda的安裝
2．1．1 下載及安裝Anaconda
2．1．2 運行Anaconda
2．2 在線運行Python代碼
2．2．1 在線運行程序的需求
2．2．2 嘗試打開在線程序代碼
2．2．3 在線運行Python的實現(xiàn)過程
2．2．4 mybinder的運行原理
2．2．5 小結與思考
2．3 復制運行環(huán)境
2．3．1 在線環(huán)境的局限
2．3．2 復制運行環(huán)境流程
2．3．3 小結與思考
第 3 章 探索分析
3．1 詞云制作
3．1．1 安裝WordCloud與數(shù)據(jù)準備
3．1．2 開始制作詞云
3．2 中文分詞
3．2．1 中文分詞的需求
3．2．2 中文分詞的操作
3．2．3 準備分詞數(shù)據(jù)
3．2．4 制作中文詞云
3．2．5 小結與思考
3．3 用Pandas存取和交換數(shù)據(jù)
3．3．1 數(shù)據(jù)格式的問題
3．3．2 數(shù)據(jù)樣例
3．3．3 CSV/TSV格式
3．3．4 pickle格式
3．3．5 JSON格式
3．3．6 小結與思考
3．4 可視化《三國演義》人名與兵器出現(xiàn)頻率
3．4．1 讀取人名數(shù)據(jù)
3．4．2 讀取《三國演義》文本數(shù)據(jù)
3．4．3 小結與思考．
3．5 用R語言快速探索數(shù)據(jù)集
3．5．1 啟動Rstudio
3．5．2 使用summarytools包
3．5．3 分析結果解讀
3．5．4 小結與思考
3．6 快速了解科研領域
3．6．1 Biblioshiny分析工具
3．6．2 期刊文獻數(shù)據(jù)
3．6．3 作者分析
3．6．4 文獻被引用分析
3．6．5 研究主題分析
3．6．6 小結與思考
第 4 章 數(shù)據(jù)獲取
4．1 獲取開放數(shù)據(jù)
4．1．1 獲取數(shù)據(jù)的需求
4．1．2 開放數(shù)據(jù)的獲取
4．2 利用API收集與分析網(wǎng)絡數(shù)據(jù)
4．2．1 API的含義
4．2．2 阿里云云市場
4．2．3 代碼運行環(huán)境
4．2．4 獲取天氣數(shù)據(jù)
4．2．5 分析各地氣候
4．2．6 小結與思考
4．3 Python抓取數(shù)據(jù)
4．3．1 爬蟲的概念
4．3．2 抓取目標
4．3．3 爬蟲運行環(huán)境
4．3．4 爬蟲實現(xiàn)過程
4．3．5 小結與思考
第 5 章 數(shù)據(jù)預處理
5．1 使用正則表達式抽取文本結構化數(shù)據(jù)
5．1．1 自動抽取的樣例
5．1．2 正則表達式
5．1．3 尋找規(guī)則
5．1．4 實際匹配操作
5．1．5 小結與思考
5．2 批量抽取PDF文本內容
5．2．1 下載實驗數(shù)據(jù)
5．2．2 設置運行環(huán)境
5．2．3 運用PDFMiner抽取數(shù)據(jù)
5．2．4 小結與思考
5．3 智能批量壓縮圖片
5．3．1 批量統(tǒng)一處理圖片
5．3．2 原始數(shù)據(jù)
5．3．3 壓縮圖片的具體過程
5．3．4 將代碼整合為函數(shù)
5．3．5 小結與思考
5．4 安裝Python軟件包遇錯誤，怎么辦？
5．4．1 屢次安裝失敗的遭遇
5．4．2 系統(tǒng)依賴條件
5．4．3 又遇到了新問題
5．4．4 轉換思路解決問題
5．4．5 生成PDF詞云的過程
5．4．6 小結與思考
第 6 章 自然語言處理
6．1 提取中文關鍵詞
6．1．1 文件編碼問題
6．1．2 關鍵詞提取操作
6．1．3 關鍵詞提取原理
6．1．4 小結與思考
6．2 情感分析
6．2．1 安裝情感分析依賴包
6．2．2 英文文本情感分析
6．2．3 中文文本情感分析
6．2．4 小結與思考
6．3 評論數(shù)據(jù)情感分析的時間序列可視化
6．3．1 餐廳評論數(shù)據(jù)
6．3．2 讀取數(shù)據(jù)并安裝依賴包
6．3．3 評論的情感分析可視化
6．3．4 小結與思考
6．4 對故事情節(jié)做情緒分析
6．4．1 情緒詞典
6．4．2 數(shù)據(jù)準備
6．4．3 安裝R
6．4．4 使用Python做文本數(shù)據(jù)清理
6．4．5 使用R做情緒分析
6．4．6 小結與思考
6．5 spaCy與詞嵌入
6．5．1 spaCy介紹
6．5．2 文本語法結構分析
6．5．3 文本語義分析
6．5．4 小結與思考
第 7 章 機器學習
7．1 機器學習做決策支持
7．1．1 尋找安全貸款的規(guī)律
7．1．2 決策樹
7．1．3 機器學習
7．1．4 數(shù)據(jù)準備與運行環(huán)境
7．1．5 構建決策樹
7．1．6 預測模型的準確率
7．2 中文文本情感分類模型
7．2．1 個性化的情感分析
7．2．2 餐廳評論數(shù)據(jù)
7．2．3 機器學習中的模型選擇
7．2．4 文本向量化
7．2．5 中文的向量化
7．2．6 運行環(huán)境
7．2．7 情感分類模型的訓練
7．2．8 小結與思考
7．3 從海量文章中抽取主題
7．3．1 信息過載的痛苦
7．3．2 文章主題
7．3．3 安裝依賴包
7．3．4 使用LDA抽取主題
7．3．5 小結與思考
第 8 章 深度學習
8．1 如何鎖定即將流失的客戶
8．1．1 尋找安全貸款的規(guī)律
8．1．2 運行環(huán)境
8．1．3 數(shù)據(jù)清理
8．1．4 嘗試使用決策樹
8．1．5 深度學習游樂場
8．1．6 深度學習框架
8．1．7 嘗試使用TensorFlow
8．1．8 深度學習模型評估
8．1．9 小結與思考
8．2 識別動物圖像
8．2．1 計算機識別圖像
8．2．2 學習數(shù)據(jù)
8．2．3 配置運行環(huán)境
8．2．4 通過Turi Create識別圖像
8．2．5 卷積神經(jīng)網(wǎng)絡
8．2．6 小結與思考
8．3 尋找近似圖像
8．3．1 近似圖像的作用
8．3．2 數(shù)據(jù)與配置環(huán)境
8．3．3 通過Turi Create查找近似圖像
8．3．4 遷移學習的原理
8．3．5 小結與思考
8．4 如何理解卷積神經(jīng)網(wǎng)絡
8．5 如何理解循環(huán)神經(jīng)網(wǎng)絡
8．6 循環(huán)神經(jīng)網(wǎng)絡實現(xiàn)中文文本分類
8．6．1 概念準備
8．6．2 數(shù)據(jù)環(huán)境
8．6．3 數(shù)據(jù)預處理
8．6．4 詞嵌入矩陣
8．6．5 模型構建
8．6．6 分類效果討論
8．6．7 小結與思考
8．7 循環(huán)神經(jīng)網(wǎng)絡預測嚴重交通擁堵
8．7．1 交通事件數(shù)據(jù)樣例
8．7．2 數(shù)據(jù)準備與配置環(huán)境
8．7．3 訓練模型與評估結果
8．7．4 小結與思考
8．8 用TensorFlow神經(jīng)網(wǎng)絡分類表格數(shù)據(jù)
8．8．1 深度學習框架正在發(fā)生變化
8．8．2 實驗數(shù)據(jù)
8．8．3 實驗環(huán)境配置
8．8．4 模型訓練
8．8．5 疑惑
8．8．6 小結與思考
8．9 你的機器“不肯”學習，怎么辦？
8．9．1 前情回顧
8．9．2 代碼
8．9．3 歸一化的重要性
8．9．4 新代碼
8．9．5 小結與思考
第 9 章 機器學習進階
9．1 二元分類任務
9．1．1 監(jiān)督學習
9．1．2 機器學習的含義
9．1．3 結構化數(shù)據(jù)
9．1．4 圖像信息學習
9．1．5 文本數(shù)據(jù)學習
9．1．6 調用模型實施
9．2 有效溝通機器學習結果
9．2．1 簡單明了的解釋
9．2．2 對機器學習的反思
9．2．3 解釋學習結果的方法
9．2．4 小結與思考
9．3 機器學習中的訓練集、驗證集和測試集
9．3．1 準確率高就好嗎
9．3．2 測試集
9．3．3 驗證集
9．3．4 訓練集
9．3．5 小結與思考
第 10 章 答疑時間
10．1 Python編程遇到問題怎么辦？
10．1．1 遭遇編程錯誤
10．1．2 照葫蘆畫葫蘆
10．1．3 照葫蘆畫瓢
10．1．4 找葫蘆畫瓢
10．1．5 小結與思考
10．2 如何高效學Python？
10．2．1 你是哪一類人
10．2．2 記憶與實踐
10．3 如何高效學習數(shù)據(jù)科學？
10．3．1 學習的焦慮
10．3．2 以目標為導向的學習
10．3．3 學習的深度
10．3．4 協(xié)作的快樂
10．3．5 小結與思考
10．4 數(shù)據(jù)科學入門后，該做什么？
10．4．1 打開進階之路
10．4．2 實踐中學習
10．4．3 教學中學習
10．4．4 傳播中學習
10．4．5 小結與思考