Python绝技：运用Python成为顶级数据工程师

6.3 项目设计

6.2.3 ELK架构

6.2.2 Kappa架构

6.2.1 Lambda架构

6.2 大数据处理架构

6.1.4 数据展示

6.1.3 数据计算

6.1.2 数据存储

6.1.1 数据传输

6.1 常用组件介绍

6 大数据分析

5.3.2 让机器认识一只猫

5.3.1 学习识别手写数字

5.3 实例讲解

5.2.2 人工智能的杰作

5.2.1 深度学习的历史

5.2 人工智能应用概况

5.1.5 卷积神经网络

5.1.4 深度信念神经网络

5.1.3 限制玻尔兹曼机

5.1.2 自编码器

5.1.1 感知机

5.1 场景分析与建模策略

5 深度学习

4.3.2 员工离职预判

4.3.1 信用卡欺诈监测

4.3 实例讲解

4.2.4 梯度下降与牛顿法

4.2.3 Bagging与Adaboost

4.2.2 评估与验证

4.2.1 数据预处理

4.2 数据挖掘的重要概念

4.1.4 关联规则

4.1.3 回归

4.1.2 聚类

4.1.1 分类

4.1 场景分析与建模策略

4 数据挖掘

3.2.2 应该库存多少水果

3.2.1 谁的成绩更优秀

3.2 实例讲解

3.1.2 概率分布

3.1.1 统计量

3.1 场景分析与建模策略

3 基础分析

2.2.4 Matplotlib

2.2.3 Scipy

2.2.2 Pandas

2.2.1 Numpy

2.2 常用基础库

2.1 为什么是Python

2 关于Python

1.4 大数据的思与辨

1.3 数据分析的工具

1.2 数据分析的流程

1.1 何为数据工程师

1 概述

前言

好评袭来

版权信息

封面

封面

版权信息

好评袭来

前言

1 概述

1.1 何为数据工程师

1.2 数据分析的流程

1.3 数据分析的工具

1.4 大数据的思与辨

2 关于Python

2.1 为什么是Python

2.2 常用基础库

2.2.1 Numpy

2.2.2 Pandas

2.2.3 Scipy

2.2.4 Matplotlib

3 基础分析

3.1 场景分析与建模策略

3.1.1 统计量

3.1.2 概率分布

3.2 实例讲解

3.2.1 谁的成绩更优秀

3.2.2 应该库存多少水果

4 数据挖掘

4.1 场景分析与建模策略

4.1.1 分类

4.1.2 聚类

4.1.3 回归

4.1.4 关联规则

4.2 数据挖掘的重要概念

4.2.1 数据预处理

4.2.2 评估与验证

4.2.3 Bagging与Adaboost

4.2.4 梯度下降与牛顿法

4.3 实例讲解

4.3.1 信用卡欺诈监测

4.3.2 员工离职预判

5 深度学习

5.1 场景分析与建模策略

5.1.1 感知机

5.1.2 自编码器

5.1.3 限制玻尔兹曼机

5.1.4 深度信念神经网络

5.1.5 卷积神经网络

5.2 人工智能应用概况

5.2.1 深度学习的历史

5.2.2 人工智能的杰作

5.3 实例讲解

5.3.1 学习识别手写数字

5.3.2 让机器认识一只猫

6 大数据分析

6.1 常用组件介绍

6.1.1 数据传输

6.1.2 数据存储

6.1.3 数据计算

6.1.4 数据展示

6.2 大数据处理架构

6.2.1 Lambda架构

6.2.2 Kappa架构

6.2.3 ELK架构

6.3 项目设计