用Python快速上手資料分析與機器學習 
作者: 寺田學, 辻 真吾, 鈴木たかのり, 福島真太朗
譯者: 許郁文
書號: ACD018300     出版日: 2019/07/12
ISBN: 9789865021894     EAN: 9789865021894
紙本書價格: 500     附件: 
電子書: 尚未出版
試讀  
  博客來  
  金石堂  
  天瓏  
  團體購書



回頁首
幫助您在最短的時間內學到資料科學必備的技術與基礎知識
本書的目標族群是想成為資料分析工程師的讀者、對Python有一定程度了解的工程師。所謂「有一定程度了解」,指的是能讀懂Python官方手冊的程度,本書只介紹最低限度所需的Python語法與規格。至於資料分析方法,會使用NumPy或pandas介紹處理資料的方法,接著會介紹以Matplolib具體呈現資料的方法,最後再解說以scikit-learn進行機器學習的分類或預測的方法。除了工具的使用方式之外,也會解說基礎的數學知識。

搞懂資料分析與機器學習必懂的數學知識
要分析資料或是進行機器學習,就必須具備相關的數學知識,所以本書將從數學公式開始講解,直到大家能了解數學公式為止。再者,實際分析資料時,收集資期待各位讀者能透過本書全面地學習資料分析,進而踏出成為資料分析工程師的第一步。

.資料分析必備的基礎數學知識
.基本的Python語法
.使用NumPy或pandas處理資料的方法
.利用Matplolib進行資料視覺化的方法
.以scikit-learn進行機器學習的分類或預測
.實作網路爬蟲
.實作自然語言處理
.實作影像分類

回頁首
寺田學
目前主要是提供Python Web相關的諮詢與建置手法。從2010年開始積極從事日本國內Python社群的活動,也盡力舉辦PyCon JP。2013年3月開始擔任一般社團法人PcCon JP代表理事,目前也主辦其他OSS相關社群或是擔任相關社群的工作人員。為了說明Python的魅力,最近也全心全意擔任初學者課程與機械學習領域的Python講師。

辻 真吾
研究所畢業後,於IT創投企業服務,但不到三年就離職。回歸博士課程,從事生物資訊科學的研究。目前隸屬東京大學先端科學技術研究中心Genome Science領域。從2015年開始主辦Start Python Club,每個月舉辦一次每個人都可參考的『大家的Python讀書會』。

鈴木TAKANORI
為了建立部內網站而與Zope/Plone相遇,有需要的時候就會使用Python。2011年1月擔任PyCon mini JP的工作人員,2014年~2016年擔任PyCon JP座長。其他的主要活動有擔任Python攀岩部(#kabepy)部長與主辦Python mini Hack-a-thon(#pyhack)。

福島真太朗
研究所時期開始利用C語言與C++語言進行非線性力學的數值計算,進入社會後,從事機械學習、資料剖析的工作,才與Python(與R)相遇。目前在株式會社TOYOTA IT開發中心利用Python與Julia進行工廠感測器資料、車輛資料、影像資料、物理性質、材料資料的剖析。


回頁首
「想學習Python 的資料分析,可是該從何學起才好呢?」記得是2017年年中,在社群裡聽到這個問題。市面上雖然已有許多資料分析、機器學習的書籍,卻也因此讓人覺得某些相關書籍不是那麼充足,例如介紹Python基本工具的書,或是介紹分析資料所需的數學知識的書,所以我才決定要寫這本書,也感謝共同作者的幫助,這本書才得以問世。

本書算是一本教科書,主要介紹Python資料分析工具與分析所需的數學知識,也會針對資料分析所需的資訊進行完整又簡潔的說明。希望大家能透過本書學習最基礎的知識,再利用其他官方文件或書籍學習本書未及之處。

本書的目標族群是想成為資料分析工程師的讀者、對Python有一定程度了解的工程師。所謂「有一定程度了解」,指的是能讀懂Python官方教戰手冊的程度,本書也只介紹最低限度所需的Python語法與規格。至於資料分析方法,會使用NumPy或pandas介紹處理資料的方法,接著會介紹以Matplolib具體呈現資料的方法,最後再解說以scikit-learn進行機器學習的分類或預測的方法。除了工具的使用方式之外,也會解說基礎的數學知識。

要分析資料或是進行機器學習,就必須具備相關的數學知識,所以本書將從數學公式開始講解,直到大家能了解數學公式為止。再者,實際分析資料時,收集資料、將資料轉換成方便分析的格式都是非常重要的一環,所以本書也將簡單地介紹網路爬蟲、自然語言處理、影像處理這些內容。
期待各位讀者能透過本書全面地學習資料分析,進而踏出成為資料分析工程師的第一步。

作者代表 寺田學

回頁首

練好機器學習的基本功|用Python進行基礎數學理論的實作 機器學習入門|從玻爾茲曼機器學習到深度學習


回頁首

Chapter 1 資料分析工程師所扮演的角色
1.1 資料分析的世界
1.2 機械學習的定位與流程
1.3 主要用於資料分析的套件

Chapter 2 Python與環境
2.1 建置執行環境
2.2 Python的基礎
2.3 Jupyter Notebook

Chapter 3 數學的基礎
3.1 閱讀公式所需的基礎知識
3.2 線性代數
3.3 基礎解析
3.4 機率與統計

Chapter 4 利用函式庫分析
4.1 NumPy
4.2 pandas
4.3 Matplotlib
4.4 scikit-learn

Chapter 5 進階:資料的收集與加工
5.1 網路爬蟲
5.2 自然語言的處理
5.3 圖檔處理


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載