本書旨在介紹大數據處理的一些定義、方法、工具、框架和解決方案，從信息提取和知識表示的過程開始，通過知識處理和分析，再到可視化、意義構建和實際應用。本書的每一章都講述了數據處理鏈的一些相關方面，特別關注于理解企業知識圖、語義大數據架構和智能數據分析解決方案。這本書是針對研究生從技術學科，專業觀眾繼續教育短期課程，并研究人員從不同的領域自學課程。具備計算機科學、數學和統計學的基本技能。
//www.springer.com/gp/book/9783030531980
付費5元查看完整內容
相關內容
知識圖譜（Knowledge Graph），在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。
知識圖譜是通過將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現分析等方法結合，并利用可視化的圖譜形象地展示學科的核心結構、發展歷史、前沿領域以及整體知識架構達到多學科融合目的的現代理論。它能為學科研究提供切實的、有價值的參考。
Python算法
·
Python算法，第二版解釋了Python算法分析和設計的方法。作者Magnus Lie Hetland，開始Python的作者，這本書尖銳地關注經典算法，但它也提供了一個堅實的理解基本算法解決問題的技術。
這本書以高度可讀的方式處理編程和計算機科學的一些最重要和具有挑戰性的領域。它涵蓋了算法理論和編程實踐，展示了理論是如何在真實的Python程序中反映出來的。介紹了Python語言中內置的知名算法和數據結構，并向用戶展示了如何實現和評估其他算法和數據結構。
//www.apress.com/gp/book/9781484200568
付費5元查看完整內容
學習使用Python分析數據和預測結果的更簡單和更有效的方法
Python機器學習教程展示了通過關注兩個核心機器學習算法家族來成功分析數據，本書能夠提供工作機制的完整描述，以及使用特定的、可破解的代碼來說明機制的示例。算法用簡單的術語解釋，沒有復雜的數學，并使用Python應用，指導算法選擇，數據準備，并在實踐中使用訓練過的模型。您將學習一套核心的Python編程技術，各種構建預測模型的方法，以及如何測量每個模型的性能，以確保使用正確的模型。關于線性回歸和集成方法的章節深入研究了每種算法，你可以使用書中的示例代碼來開發你自己的數據分析解決方案。
機器學習算法是數據分析和可視化的核心。在過去，這些方法需要深厚的數學和統計學背景，通常需要結合專門的R編程語言。這本書演示了機器學習可以如何實現使用更廣泛的使用和可訪問的Python編程語言。
使用線性和集成算法族預測結果
建立可以解決一系列簡單和復雜問題的預測模型
使用Python應用核心機器學習算法
直接使用示例代碼構建自定義解決方案
機器學習不需要復雜和高度專業化。Python使用了更簡單、有效和經過良好測試的方法，使這項技術更容易為更廣泛的受眾所接受。Python中的機器學習將向您展示如何做到這一點，而不需要廣泛的數學或統計背景。
付費5元查看完整內容
Python中的數據科學和分析是為學術和商業環境中的數據科學和數據分析從業者設計的。其目的是通過使用Python開發的工具(如SciKit-learn、Pandas、Numpy等)向讀者介紹數據科學中使用的主要概念。鑒于Python最近在數據科學社區的流行，它的使用特別有趣。有經驗的程序員和新手都可以使用這本書。
本書的組織方式是各個章節相互獨立，這樣讀者就可以放心地使用其中的內容作為參考。這本書從過程和獲得的結果的角度討論了什么是數據科學和分析。還介紹了Python的重要特性，包括Python入門。機器學習、模式識別和人工智能的基本元素在書的其余部分使用的算法和實現的基礎上也出現在書的第一部分。
本書的第二部分介紹了使用Python、聚類技術和分類算法的回歸分析。層次聚類、決策樹和集成技術，以及降維技術和推薦系統也被探討。書的最后一部分討論了支持向量機算法和內核技巧。
付費5元查看完整內容
使用Python的高級數據科學和分析使數據科學家能夠繼續發展他們的技能，并將其應用于商業和學術設置中。這本書中討論的主題是補充和后續主題討論的數據科學和分析與Python。其目的是使用Python開發的工具，如SciKit-learn、Pandas、Numpy、Beautiful Soup、NLTK、NetworkX等，覆蓋數據科學中重要的高級領域。使用Keras、TensorFlow、Core ML等框架，以及用于iOS和MacOS應用開發的Swift來支持模型開發。
付費5元查看完整內容
管理統計和數據科學的原理包括:數據可視化;描述性措施;概率;概率分布;數學期望;置信區間;和假設檢驗。方差分析;簡單線性回歸;多元線性回歸也包括在內。另外，本書還提供了列聯表、卡方檢驗、非參數方法和時間序列方法。
教材:
- 包括通常在入門統計學課程中涵蓋的學術材料，但與數據科學扭曲，較少強調理論
- 依靠Minitab來展示如何用計算機執行任務
- 展示并促進來自開放門戶的數據的使用
- 重點是發展對程序如何工作的直覺
- 讓讀者了解大數據的潛力和目前使用它的失敗之處
付費5元查看完整內容
對于語音計算領域的開發者來說，這是一個激動人心的時刻:谷歌上每4次搜索中就有1次是支持語音的，亞馬遜Alexa剛剛超過1萬個技能，WhatsApp上每天完成1億個通話。但是你從哪里開始學習如何在這個領域編碼呢?
無論您是一位經驗豐富的開發人員還是剛剛起步，這本書都將指導您使用Python構建基于語音的應用程序。
- 了解如何讀/寫、記錄、清潔、加密、回放、轉碼、轉錄、壓縮、發布、飽和化、建模和可視化語音文件
- 從零開始創建自己的語音計算機和語音助手
- 在Docker和Kubernetes上設計前沿的微服務服務器架構
- 在GitHub存儲庫中訪問200多個初始腳本
- 參與到更大的開源語音社區中
付費5元查看完整內容
本書介紹了自由軟件Python及其在統計數據分析中的應用。它涵蓋了連續、離散和分類數據的常見統計測試，以及線性回歸分析和生存分析和貝葉斯統計的主題。每個測試的Python解決方案的工作代碼和數據，以及易于遵循的Python示例，可以被讀者復制，并加強他們對主題的直接理解。隨著Python生態系統的最新進展，Python已經成為科學計算的一種流行語言，為統計數據分析提供了一個強大的環境，并且是R的一個有趣的替代選擇。本書面向碩士和博士學生，主要來自生命和醫學科學，具有統計學的基本知識。由于該書還提供了一些統計方面的背景知識，因此任何想要執行統計數據分析的人都可以使用這本書。
付費5元查看完整內容
在Python中獲得操作、處理、清理和處理數據集的完整說明。本實用指南的第二版針對Python 3.6進行了更新，其中包含了大量的實際案例研究，向您展示了如何有效地解決廣泛的數據分析問題。在這個過程中，您將學習最新版本的panda、NumPy、IPython和Jupyter。
本書由Python panda項目的創建者Wes McKinney編寫，是對Python中的數據科學工具的實用的、現代的介紹。對于剛接觸Python的分析人員和剛接觸數據科學和科學計算的Python程序員來說，它是理想的。數據文件和相關材料可以在GitHub上找到。
- 使用IPython外殼和Jupyter筆記本進行探索性計算
- 學習NumPy (Numerical Python)中的基本和高級特性
- 開始使用pandas庫的數據分析工具
- 使用靈活的工具來加載、清理、轉換、合并和重塑數據
- 使用matplotlib創建信息可視化
- 應用panda groupby工具對數據集進行切片、切割和匯總
- 分析和處理有規律和不規則的時間序列數據
- 學習如何解決現實世界的數據分析問題與徹底的，詳細的例子
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191