8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Язык Python от начального уровня до профессионального уровня Чэнь Цян + минималистский раздаточный материал по Python Книга по вводному анализу данных и машинному обучению Игра Pygame Django Web Веб-сканер Визуализация данных matplotlib

Цена: 3 800руб.    (¥179.8)
Артикул: 616766125071

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:一键团图书专营店
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥1683 550руб.
¥186.83 948руб.
¥30.5645руб.
¥51.71 093руб.
  • Информация о товаре
  • Фотографии

Основная информация

наименование товара:

  

делать   

  

город  поле  цена:

   109,00 Юань

ISBN  номер:

  9787111648468

Дата публикации:

  2020-04

Страница  &Nbsp; номер:

  381

Характер  &Nbsp; номер:

 

вне   Общество:

   Machinery Industry Press




   каталог

  

Оглавление

Предисловие

Глава 1 

1.1 

1.1.1 

1.1.2 

1.2 

1.2.1 

1.2.2 

1.2.3 

1.3 

1.3.1 

1.3.2 

1.4 

1.4.1 

1.4.2 

1.4.3 

1.4.4 

1.5 

Глава 2 

2.1 

2.2 

2.3 

2.3.1 

2.3.2 

2.4 

2.5 

2.5.1 

2.5.2 

2.5.3 

2.6 

2.6.1 

2.6.2 

2.7 

Глава 3 

3.1 

3.1.1 

3.1.2 

3.1.3 

3.1.4 

3.1.5 

3.1.6 

3.2 

3.2.1 

3.2.2 

3.2.3 

3.2.4 

3.3 

Глава 4 

4.1 

4.2 

4.3 

4.4 

4.4.1 

4.4.2 

4.5 

4.6 

4.7 

4.8 

4.8.1 

4.8.2&Разница между NBSP;

4.9 

4.10 

Глава 5 

5.1 

5.2  if&Hellip;

5.3  if…elif&Hellip;

5.4 

5.5 

5.6 

Глава 6 

6.1 

6.1.1 

6.1.2 

6.1.3  for&Hellip;

6.1.4 

6.2 

6.2.1 

6.2.2  while&Hellip;

6.2.3 

6.2.4 

6.3 

6.3.1 

6.3.2 

6.3.3 

6.4 

Глава 7 

7.1 

7.1.1 

7.1.2 

7.1.3 

7.1.4 

7.1.5 

7.2 

7.2.1 

7.2.2 

7.2.3 

7.2.4 

7.2.5 

7.3 

7.3.1 

7.3.2 

7.3.3 

7.3.4 

7.4 

7.5 

7.5.1 

7.5.2 

7.6 

Глава 8 

8.1 

8.1.1 

8.1.2 

8.2 

8.2.1 

8.2.2 

8.2.3 

8.2.4 

8.2.5 

8.2.6 

8.3&Nbsp;

8.3.1 

8.3.2 

8.3.3 

8.4 

8.5 

8.5.1 

8.5.2 

8.6 

8.7 

8.7.1 

8.7.2 

8.7.3 

8.8 

Глава 9 

9.1 

9.1.1 

9.1.2 

9.2 

9.2.1 

9.2.2 

9.3 

9.4 

9.4.1 

9.4.2 

9.4.3 

9.4.4 

9.4.5 

9.4.6 

9.4.7 

9.5 

9.5.1 

9.5.2 

9.5.3 

9.5.4 

9.6 

9.6.1 

9.6.2 

9.7 

Глава 10 

10.1 

10.2 

10.2.1 

10.2.2 

10.2.3 

10.2.4 

10.2.5 

10.2.6 

10.2.7 

10.2.8 

10.2.9 

10.2.10 

10.2.11 

10.2.12 

10.2.13 

10.3 

10.3.1 

10.3.2 

10.3.3 

10.3.4 

10.3.5 

10.3.6 

10.3.7 

10.3.8 

10.3.9 

10.3.10 

10.4 

Глава 11 

11.1 

11.1.1 

11.1.2 

11.1.3 

11.2 

11.2.1 &Hellip;

11.2.2 …except&Hellip;

11.2.3 …except&Hellip;

11.3 

11.3.1 

11.3.2 

11.3.3 

11.4 

11.4.1 

11.4.2 

11.4.3 

11.5 

Глава 12 

12.1 

12.1.1 

12.1.2 

12.1.3 

12.1.4 

12.2 

12.2.1 

12.2.2 

12.3 

12.3.1 

12.3.2 

12.4 

Глава 13 

13.1 

13.1.1 

13.1.2 

13.1.3 

13.1.4 

13.1.5 

13.1.6 

13.1.7 

13.2 

13.2.1 

13.2.2 

13.2.3 

13.2.4 

13.2.5 

13.3 

Глава 14 

14.1 

14.1.1 

14.1.2 

14.1.3 “”

14.1.4 “”

14.2 

14.2.1 

14.2.2 “”

14.3 

14.3.1 

14.3.2 

14.3.3 

14.4 

14.4.1 

14.4.2 

14.4.3 

14.5 

14.5.1 

14.5.2 

14.6 

Глава 15 

15.1 

15.1.1 

15.1.2 

15.2 

15.2.1 

15.2.2 

15.2.3 

15.3 

15.3.1&Отношения между NBSP;

15.3.2 

15.4 

Глава 16 

16.1 

16.1.1 

16.1.2 

16.2 

16.2.1 

16.2.2 

16.2.3 

16.2.4 

16.2.5 

16.2.6 

16.2.7 

16.3 

16.3.1 

16.3.2 “”

16.4 

Глава 17 

17.1 

17.1.1 

17.1.2 

17.1.3 

17.2 

17.2.1 

17.2.2 

17.2.3 

17.2.4 

17.2.5 

17.2.6 

17.2.7 

17.3 

17.3.1 

17.3.2 

17.4 

Глава 18 

18.1 

18.2 

18.2.1&Модуль 287 в NBSP;

18.2.2 

18.2.3 

18.2.4 

18.2.5 

18.2.6 

18.2.7 

18.3 

18.4 

Глава 19 

19.1 

19.2 

19.2.1 

19.2.2 

19.2.3 

19.3 

19.4 

19.4.1 

19.4.2 

19.4.3 

19.4.4 

19.4.5 

19.4.6 

19.5 

19.5.1 

19.5.2 

19.6 

19.7 

Глава 20 

20.1 

20.2  Beautiful Soup326

20.2.1 

20.2.2 

20.3  XPath329

20.3.1 

20.3.2 

20.4 

20.4.1 

20.4.2 

20.4.3 

20.5 

20.5.1 

20.5.2 

20.5.3 

20.6 

Глава 21 

21.1 

21.2 

21.2.1 

21.2.2 

21.2.3 

21.2.4 

21.2.5 

21.2.6 

21.2.7 

21.3 

21.4 

21.5 

Глава 22 

22.1 

22.1.1 

22.1.2 

22.2 

22.2.1 

22.2.2 

22.3 

22.3.1 

22.3.2 

22.3.3 

22.3.4 

22.4 

22.4.1 

22.4.2 

22.4.3 

22.4.4 

22.4.5 








   Введение


Язык питона объясняет основные знания использования языка питона от входа к опытному и объясняет метод и процесс каждой точки знания в процессе реализации конкретных экземпляров.Язык питона от въезда до опытных глав, включая фонд языка питона, грамматическую основу на питоне, основные типы данных, операторы и выражение, условные операторы, операторы цикла, структуры данных, функции, класс и объекты, обработка работы файлов, аномальные аномалии, аномалии обработка,, Стандартные библиотечные функции, регулярные выражения, сетевые приложения разработки, многочисленная разработка, разработка графического интерфейса TKINTER, работа в базе данных, использование Pygame Development Game, Django Web Development Подробное объяснение, развитие сетевой сети, используйте Matplotlib для достижения визуализации данных и системы онлайн -торговых центров.Язык питона от входа до простоты без потери технической глубины, богатого и всеобъемлющего контента.Мало того, что это легко читать, но и охватывает справочные материалы, которые редко участвуют в других подобных книгах.

От входа до знания на языке питона, он подходит не только для читателей, которые являются полностью нулевыми, но и для читателей, которые хотят еще больше улучшить свой уровень развития Python. Большие и средние школы, учителя и ученики в учебных школах.


Параметры продукта:

Название продукта: Минималистские конспекты лекций по Python: одна книга...

Бренд:  Electronic Industry Press

Номер ISBN: 9787121387043

Заголовок: Python Minimalist Lecture Notes: книга по вводному анализу данных и машинному обучению.

Автор: Чжан Юхун

Цена:  128,00 Юань

Заголовок: Python Minimalist Lecture Notes: книга по вводному анализу данных и машинному обучению.

формат: 16 открытых

Это костюм:  нет

Название издательства:  Electronic Industry Press

Опубликованная дата: 2020-05




Введение


Эта книга знакомит с основным содержанием Python с изображениями и текстами, а также в простой и понятной форме представляет соответствующие вводные знания в области анализа данных и машинного обучения.Главы с 1 по 5 объясняют общий синтаксис Python и методы его использования в минималистской форме, включая типы данных и структуры управления программой, собственные и сторонние модули Python, функции Python и объектно-ориентированное программирование и т. д. Главы 6–8 знакомят с необходимыми навыками для анализа данных, такими как NumPy, Pandas и Matplotlib.Главы 9 и 10 в основном знакомят с основными понятиями машинного обучения и базовым использованием платформы машинного обучения sklearn.Для читателей, специализирующихся в областях, связанных с искусственным интеллектом и наукой о данных, эта книга представляет собой минималистское вводное руководство.Эта книга также имеет определенную справочную ценность для инженерно-технического персонала, занимающегося исследованиями и разработками продуктов искусственного интеллекта.


Оглавление

Глава 1. Первое знакомство с Python и Jupyter 1. 
1.1 Резюме Python 2 
1.1.1 Зачем изучать Python 2 
1.1.2 Библиотека 2 в Python 2 
1.2 СПОРТА ВЕРСИИ ПИТОНА 4 
1.3 Установите Anaconda 5 
1.3.1 Установка Anaconda в среде Linux 5 
1.3.2 Использование команды Conda 6 
1.3.3 Установка Anaconda 7 в среде Windows 7 
1.4 запустить Python 11 
1.4.1 Проверьте Python 11 
1.4.2 Версия Python Hello World 12 
1.4.3 Файл сценария Python 13 
1.4.4 Усадка кода 15 
1.4.5 Кодовая аннотация 17 
1.5 Встроенная -в функции в Python 17 
1.6 Литературное программирование—Jupyter 20 
1.6.1 Происхождение Юпитера 20 
1.6.2 Установка Юпитера 21 
1.6.3 Использование Юпитера 23 
1.6.4 Редактор Marckdown 26 
1.7 Волшебная функция в Юпитере 31 
1,7,1 %LSMAGIC FUNCTION 31 
1,7,2 %Matplotlib Inline Function 32 
1,7,3 %функция времени 32 
1,7,4 %% функция записи 33 
1.7.5 Другие обычно используемые магические функции 34 
1.7.6 выполнить команду Shell 35 в Юпитере 
1.8 Резюме этой главы 35 
1.9 Подумайте и улучшайте 36 

Глава 2. Типы данных и структуры управления программой 40 
2.1 Зачем вам разные типы данных 41 
2.2 Основные типы данных в Python 42 
2.2.1 Номер (номер) 42 
2.2.2 Логин 45 
2.2.3 Тип строки (строка) 45 
2.2.4 Список (список) 49 
2.2.5 Yuan Group (Tuple) 59 
2.2.6 Словарь (словарь) 62 
2.2.7 Раннее (набор) 65 
2.3 Структура управления программой 67 
2.3.1 Оглядываясь назад на эту незабываемую историю 67 
2.3.2 Структура последовательности 69 
2.3.3 Выберите структуру 70 
2.3.4 Структура циркуляции 74 
2.4 Эффективный вывод 80 
2.4.1 Список производной 80 
2.4.2 Декционное производное 83 
2.4.3 Эпизод битва точка 83 
2.5 Сводка этой главы 84 
2.6 Подумайте и улучшайте 84 

Глава 3 Самодельные модули Python и модули сторонних производителей 90 
3.1 Import Python Standard Library 91 
3.2 Напишите свой собственный модуль 93 
3.3 Путь поиска модуля 97 
3.4 Создать модульный пакет 100 
3,5 Общий встроенный модуль 103 
3.5.1 Модуль сбора 103 
3.5.2 DateTime Module 110 
3.5.3 json module 115 
3.5.4 Случайный модуль 118 
3.6 Сводка этой главы 121 
3.7 Подумайте и улучшайте 122 

Глава 4. Функции Python 124 
4.1 Функция в Python 125 
4.1.1 Определение функции 125 
4.1.2 Функция возвращает несколько значений 127 
4.1.3 Строительство функционального документа 128 
4.2 Параметры функции&Ldquo;”Пропуск 132 
4.2.1 Параметры ключевого слова 132 
4.2.2 Переменные параметры 133 
4.2.3 Параметр по умолчанию 136 
4.2.4 Пакет и увольнение последовательности параметров 138 
4.2.5 Значение значения все еще упоминается 142 
4.3 Рекурсивная функция 146 
4.3.1 Старший когнитивный рекурсив 146 
4.3.2 Мышление и рекурсивное мышление 148 
4.3.3 Функция рекурсивного вызова 149 
4.4 Функция высокого уровня функционального программирования 151 
4.4.1 Lambda выражение 152 
4.4.2 Filter () Функция 153 
Map () Функция 155 
4.4.4 Уменьшите () функцию 157 
4.4.5 Сортированная () Функция 158 
4.5 Сводка этой главы 159 
4.6 Подумайте и улучшайте 160 

Глава 5. Расширенные возможности Python 165 
5.1 объект -ориентированное программирование 166 
5.1.1 Доступные и объектные дебаты 166 
5.1.2 Определение и использование 169 
5.1.3 Категория наследование 173 
5.2 Генератор и итератор 176 
5.2.1 Генератор 176 
5.2.2 Итератор 183 
5.3 Операция файла 187 
5.3.1 Откройте файл 187 
5.3.2 Прочитайте линию и прочитайте всю строку 191 
5.3.3 Запись файл 193 
5.4 Аномальное лечение 193 
5.4.1 Опыт когнитивной программы: 194 
5.4.2 Три этапа аномального лечения 195 
5.5 Ошибка отладки 197 
5.5.1 Используйте переменную выходного наблюдения Print () 197 
5.5.2 Assert Apport 198 
5.6 Резюме этой главы 201 
5.7 Подумайте и улучшайте 202 

Глава 6. Векторные вычисления в NumPy 204 
6.1 Зачем вам Numpy 205 
6.2 Как импортировать Numpy 205 
6.3 Сгенерировать Numpy Array 206 
6.3.1 Используйте последовательность для генерации 206 
6.3.2 Используйте конкретную функцию для генерации 207 
6.3.3 Другие распространенные функции Numpy Array 209 
6.4 N -Dimensional Attrubutes 212 
6.5 Вычисление в Numpy Array 215 
6.5.1 Vision Operations 216 
6.5.2 Арифметические операции 216 
6.5.3 
6.6 Запрос Эйнштейна и согласился 222 
6.6.1 Различные маркеры 222 
6.6.2 Метод Einsum () в Numpy 224 
6.7 В NumPy“ Ось”Направление 231 
6.8 Элементы массива операции 234 
6.8.1 Доступ с элементами массива через индекс 234 
6.8.2 Срезы в Numpy Access 236 
6.8.3 Два -мерные массивы двухмерного массива 238 
6.9 трансляция 239 в Numpy 
6.10 Расширенное индексирование массивов NumPy 242 
6.10.1&Ldquo;”Индекс 242 
6.10.2 Логический индекс 247 
6.11 Операция по фэйкции массива 249 
6.11.1 Высоко -запасывающий hStack () 250 
6.11.2 Стек вертикального направления vstack () 251 
6.11.3 В стеке -depth направления HSTACK () 252 
6.11.4 Стек и стек линейки 255 
6.11.5 Операция сегментации массива 257 
6.12 Модуль случайного числа в Numpy 264 
6.13 Эта глава является резюме 266 
6.14 Подумайте и улучшается 267 

Глава 7. Анализ данных Pandas 271 
7.1 Панды Введение 272 
7.2 Установка Pandas 272 
7.3 тип серии 273 
7.3.1 Создание серии 273 
7.3.2 Данные в серийном доступе 277 
7.3.3 Операция водификации в серии и индексе Burl 280 
7.3.4 Операция скольжения в серии 283 
7.3.5 Потерянная стоимость в серии 284 
7.3.6 Удалить и добавить операцию в серии 286 
7.3.7 Атрибуты имени в серии 288 
7.4 Данные типа данных 289 
7.4.1 Стройте DataFrame 289 
7.4.2 Посетите столбцы и строки в DataFrame 293 
7.4.3 Удалить операцию в DataFrame 298 
7.4.4 в DataFrame“ Ось”Направление 301 
7.4.5 Добавить операцию в DataFrame 303 
7.5 Чтение и анализ файлов на основе Pandas 310 
7.5.1 Используйте панды для чтения файла 311 
7.5.2 Общие свойства в DataFrame 312 
7.5.3 Общие методы в DataFrame 314 
7.5.4 Фильтр условий данных 318 
7.5.5 Операция среза DataFrame 320 
7.5.6 Операция сортировки DataFrame 323 
7.5.7. 
7.5.8 Перспектива DataFrame Таблица 334 
7.5.9 Операция DataFrame SQL 339 
7.5.10 Метод очистки данных в DataFrame 341 
7.6 Данные выживших в Титанике предварительно обработайте 342 
7.6.1 Набор данных Введение 342 
7.6.2 Сшивание наборов данных 344 
7.6.3 Потеря ценного лечения 350 
7.7 Резюме этой главы 353 
7.8 Подумайте и улучшайте 353 

Глава 8. Matplotlib и визуальный анализ Seaborn 365 
8.1 Matplotlib и графический рисунок 366 
8.2 Нарисуйте простую графику 366 
8.3 Расширенные функции pyplot 371 
8.3.1 Добавить легенду и комментарий 371 
8.3.2 Установите графический заголовок и координатный вал 374 
8.3.3 Добавить линию сетки 378 
8.3.4 Нарисуйте несколько подразделений 380 
8.3.5 Разница между осями и подпуском 382 
8.4 Sanda Point Рисунок 388 
8.5 Рисунок и отдых Рисунок 392 
8.5.1 Форма вертикальной полосы Рисунок 392 
8.5.2 Horizontal Bar Chart 394 
8.5.3. 
8.5.4 Премьер Рисунок 400 
8.5.5 Рисунок 402 
8.6 торт Рисунок 407 
8.7 Ящик 409 
8.8 Вход ошибки 411 
8.9 Нарисуйте трехмерную графику 413 
8.10 Совместное рисование с пандами&- В качестве примера возьмем данные Google Flu Trends 416. 
8.10.1 Google Fluid Trend Описание данных 416 
8.10.2 Импорт данных и данных предварительно обработки 417 
8.10.3 Нарисуйте предисловие 421 
8.10.4 Выберите «Визуальное выражение правого данных» 423 
8.10.5 Рисунок графики на основе условного суждения 427 
8.10.6 Нарисуйте несколько подфигур 430 
8.11 Потрясающий Seaborn 431 
8.11.1 Pairplot (Рисунок) 432 
8.11.2 Тепловая карта (тепловая карта) 434 
8.11.3 Boxplot (карта коробки) 436 
8.11.4 Сюжет для скрипки (фигура скрипки) 442 
8.11.5 График плотности (карта плотности) 446 
8.12 Резюме этой главы 450 
8.13 Подумайте и улучшайте 450 

Глава 9. Предварительное машинное обучение 459 
9.1 Определение машинного обучения 460 
9.1.1 Что такое машинное обучение 460 
9.1.2 Три этапа машинного обучения 461 
9.1.3 Разница между традиционным программированием и машинным обучением 464 
9.1.4 Почему не просто для машинного обучения 465 
9.2 Обучение надзору 467 
9.2.1 Старший когнитивный надзор. 
9.2.2 Формализованное описание надзора и обучения 468 
9.2.3 Функция потери 470 
9.3 НЕ -СУПЕРВИЗИЗА Обучение 471 
9.4 Полу -супервизер обучение 473 
9.5 Философская перспектива машинного обучения 474 
9.6 Оценка производительности модели 476 
9.6.1 Ошибка опыта и ошибка теста 476 
9.6.2 переосмысление и заработка 477 
9.6.3 Выбор модели и соответствие данных 479 
9.7 Измеритель производительности 480 
9.7.1 Матрица путаницы 480 
9.7.2 Проверьте полную ставку, проверку и оценку F1 481 
9.7.3 Кривая P-R 484 
9.7.4 Кривая ROC 485 
9.7.5 AUC 489 
9.8 Эта глава - саммит 489 
9.9 Подумайте и улучшайте 490 

Глава 10. sklearn и классические алгоритмы машинного обучения 492 
10.1 Мощный инструмент для машинного обучения—sklearn 493 
10.1.1 Sklearn Введение 494 
10.1.3 Установка Sklearn 496 
10.2 Линейный возврат 497 
10.2.1 Концепция линейной регрессии 497 
10.2.2 Используйте Sklearn для достижения прогноза цен на Бостон. 
10.3 k-near соседний алгоритм 516 
10.3.1 Введение в алгоритм 516 
10.3.2 Выбор значения k 518 
10.3.3 Задняя характерные данные 519 
10.3.4 Merture of соседнего расстояния 521 
10.3.5 Формулирование принципов классификации 522 
10.3.6 Алгоритм K-Neightoring на основе Sklearn 522 
10.4 Логистическое возвращение 527 
10.4.1 Зачем вам логистический возврат 527 
10.4.2 Логистический источник 529 
10.4.3 
10.5 Алгоритм обучения нейронной сети 536 
10.5.1 Определение искусственной нейронной сети 537 
10.5.2 В нейронных сетях&LDQUO”Эссенция 537 
10.5.3 Дизайн структуры нейронной сети 540 
10.5.4 Используйте Sklearn для создания многослойной нейронной сети 541 
10.6 Представители неконтролируемого обучения&- кластеризация k-средних 550 
10.6.1 Основная концепция кластеризации 551 
10.6.2 Отдел кластеров 552 
10,6,3 К среднего кластера Алгоритм Core 552 
10,6,4 K Средние преимущества и недостатки среднего кластера 554 
10.6,5 К фактическое борьбу с A среднего кластерного алгоритма K на основе Sklearn 555 
10.7 Резюме этой главы 561 
10.8 Мышление и совершенствование 562