書名: 用Python快速上手資料分析與機器學習 (2版)
作者: 寺田學, 辻 真吾 等
譯者: 温政堯
版次: 2
ISBN: 9786263245945
出版社: 碁峰
出版日期: 2023/10
書籍開數、尺寸: 17x23x2
頁數: 340
內文印刷顏色: 雙色
#資訊
#編程與軟體開發
#AI人工智慧與機器學習
#Python
定價: 680
售價: 578
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

特色 廣受讀者好評、第二版登場! 紮實地學會資料分析工程師所需要的基本技能 書中會對資料分析工程師所需要的基本技巧進行詳盡解說。 ‧取得資料、處理資料 ‧資料視覺處理 ‧編寫程式碼 ‧基礎數學知識 ‧機器學習的流程與執行方法 第2版的重點 ‧支援Python 3.10版本 ‧用更深入淺出的方式進行講解 在書中可以學到 ‧Python基本語法 ‧講解資料格式 ‧資料的預處理技巧 ‧資料視覺處理技巧 ‧運用現成的演算法來執行機器學習 適合對象 想成為資料分析工程師的讀者 目錄 Chapter 1 資料分析工程師的職責 1.1 資料分析的世界 1.2 機械學習的定位與流程 1.3 資料分析主要會用到的套件 Chapter 2 Python與環境 2.1 建構執行環境 2.2 Python的基礎 2.3 JupyterLab Chapter 3 基礎數學 3.1 讀懂公式的基礎知識 3.2 線性代數 3.3 基礎解析 3.4 機率與統計 Chapter 4 運用函式庫實作資料分析 4.1 NumPy 4.2 pandas 4.3 Matplotlib 4.4 scikit-learn Chapter 5 應用:蒐集、處理資料 5.1 網頁抓取 5.2 自然語言的處理 5.3 處理圖像資料

為您推薦

快速學會Python架站技術:活用Django 4建構動態網站的16堂課 (1版)

快速學會Python架站技術:活用Django 4建構動態網站的16堂課 (1版)

類似書籍推薦給您

原價: 780 售價: 663 現省: 117元
立即查看
因果推論的商業應用:用Python解鎖科技產業的精準行銷 (1版)

因果推論的商業應用:用Python解鎖科技產業的精準行銷 (1版)

類似書籍推薦給您

【簡介】   *資料驅動時代,行銷決策不再靠直覺,你需要的是──科學證據!   ・折扣真的能提高銷售?哪些顧客即使不推也會買?   ・無法進行 A/B 測試時,還有哪些方法能推論效果?   ・在資源有限的情況下,如何讓每一分行銷預算發揮最大效益?   ✔把抽象的因果推論方法,運用到科技產業的真實商業問題上。   ✔教你如何思考模型背後的假設與挑戰,搭配實例分析,真正「用得出來」。   ✔全書以 Python 為實作語言,實務化門檻降低,符合產業主流技術。   ✔幫助行銷人、資料分析師、產品經理,解決真實業務問題。   每增加一美元的線上行銷預算,能吸引多少新顧客?哪些消費者只有在收到折扣券時才會購買商品?該如何制定最佳定價策略?因果推論提供了一種高效方法,幫助您準確評估各種影響因素對商業指標的改變,而這一切只需幾行簡潔的Python程式碼即可實現。   在本書中,作者Matheus Facure深入剖析了因果推論在影響力分析與效果估計上的巨大潛力。無論您是管理人員、資料科學家,還是商業分析師,都將在書中學習到一系列經典的因果推論方法,例如 A/B測試、線性迴歸、傾向分數、合成控制法以及雙重差異法(Difference-in-Differences)。此外,作者也帶您探索現代技術的應用,包括如何利用機器學習進行異質性效應估計。每一種方法都配有具體的產業應用範例,幫助您快速上手。   本書將幫助您:   .學習因果推論的基本概念   .將商業問題建構為因果推論問題   .了解偏差會如何干擾因果推論   .認識因果效應如何因人而異   .使用同一顧客在不同行為上的觀察進行因果推論   .在隨機化不可行的情況下,運用地理或切換實驗完成因果分析   .檢視不遵從性偏差和效應減弱 最真實的國際讀者讚譽   「對數據科學家來說,這本書直接影響我的工作,充滿『恍然大悟』的時刻!」   「唯一一本將因果推論從數學理論到Python實作、聚焦產業應用的書!」   「適合統計、工程與經濟領域專業人士,完美填補實務缺口!」 來自專家的推薦   「Matheus寫的這本書,教導您如何從簡單的模型進展到適用於真實資料,並解決重要實際問題的先進方法,是該主題迄今的最佳著作。」 ——Sean J. Taylor,Motif Analytics首席科學家   「這是一本淺顯易懂的因果推論入門書,聚焦於Python資料分析社群最熟悉的工具和應用場景。」 ——Nick Huntington-Klein,經濟學教授、《The Effect: An Introduction to Research Design and Causality》作者   「少數真正符合科技產業實際需求的因果推論書。每一章都處理實際資料中會遇到的問題,並用 Python 從零實作。推薦給任何希望深入理解並實作因果推論的人。」 ──D.G. 哥倫比亞大學《工業資料科學》課程講師、Lyft應用科學家  【目錄】 前言 第一部分 基礎知識 Chapter 1 因果推論導論 什麼是因果推論? 為什麼要進行因果推論? 機器學習與因果推論 關聯性與因果性 偏差 確定處理效應 關鍵概念 Chapter 2 隨機實驗和統計回顧 透過隨機化實現強制獨立性 A/B 測試的例子 理想實驗 最危險的公式 估計的標準誤差 信賴區間 假設檢定 樣本量計算 關鍵概念 Chapter 3 圖形因果模型 思考因果性 圖形模型速成課程 再探識別 CIA 和調整公式 正向性假設 使用資料的識別範例 混淆偏差 選擇偏差 關鍵概念 第二部分 調整偏差 Chapter 4 線性迴歸的不可思議有效性 只需要線性迴歸 迴歸理論 Frisch-Waugh-Lovell 定理與正交化 迴歸作為結果模型 正向性與外插 線性迴歸中的非線性 給初學者的迴歸分析 遺漏變數偏差:從迴歸的角度看混淆 中性控制變數 關鍵概念 Chapter 5 傾向分數 管理培訓的影響 使用迴歸調整 傾向分數 基於設計與基於模型的識別 雙重穩健估計 用於連續處理之廣義傾向分數 關鍵概念 第三部分 效應異質性與個人化 Chapter 6 效應異質性 從 ATE 到 CATE 為什麼預測不是答案? 使用迴歸進行 CATE 評估CATE 預測 根據模型分組的效應評估 累積效應 累積增益 目標變換 當預測模型能幫助效應排序時 CATE 在決策中的應用 關鍵概念 Chapter 7 元學習器 用於離散型處理的元學習器 連續型處理的元學習器 關鍵概念 第四部分 面板資料 Chapter 8 雙重差分法 面板資料 標準雙重差分法 識別假設 隨時間的效應動態 包含共變數的雙重差分法 雙重穩健雙重差分法 逐步採用 關鍵概念 Chapter 9 合成對照法 線上行銷資料集 矩陣表達法 合成對照作為水平迴歸 標準合成對照 帶有共變數的合成對照 合成對照去偏差 推論 合成雙重差分法 關鍵概念 第五部分 替代實驗設計 Chapter 10 地理實驗和交替實驗 地理實驗 合成對照設計 切換實驗 關鍵概念 Chapter 11 不遵從與工具變數 不遵從 擴展潛在結果 工具變數識別假設 第一階段 簡化形式 兩階段最小平方法 標準誤差 額外的控制變數和工具變數 不連續性設計 關鍵概念 Chapter 12 未來的方向 因果發掘 序列決策 因果強化學習 因果預測 領域適應 結語 索引  

原價: 880 售價: 748 現省: 132元
立即查看
圖解資料結構 × 演算法:運用 Python 結合 ChatGPT 輔助驗證及寫程式(暢銷回饋版) (2版)

圖解資料結構 × 演算法:運用 Python 結合 ChatGPT 輔助驗證及寫程式(暢銷回饋版) (2版)

類似書籍推薦給您

【簡介】 資料結構必備好書,暢銷回饋中! AI 再進化! 使用 ChatGPT 高效率生成 Python 程式碼 資料結構是電腦科學領域中一門極為重要的基礎課程,對於從事資訊相關工作的專業人員而言,它具有不可忽視的價值。無論是在學術考試還是實際應用中,對資料結構的深入理解都至關重要。然而,對初學者而言,理解資料結構中的理論和演算法可能會帶來困難和挫折感。 本書的獨特之處在於使用豐富的圖例解釋相對複雜的理論,並以簡潔明瞭的方式詮釋資料結構理論。從基礎的概念開始,逐步使用 Python 語言解釋陣列、堆疊、鏈結串列、佇列、樹狀結構、圖形、排序、搜尋等重要主題。附錄中整理了資料結構相關的專有名詞,並提供了重要演算法的介紹和實作範例。 本書以簡潔有力、邏輯清晰的方式優化文句表達,並特別收集了大量習題,以確保讀者掌握各章節的學習成果。演算法節點盡量使用 Python 程式碼展示,而非虛擬碼形式。此外,本書還會展示由 ChatGPT 生成的程式碼。我們相信,ChatGPT 生成的程式碼具有簡潔性和精簡性,並能夠提供更好的解決方案。 ◇特別提供◇ —————————————————— ChatGPT 生成程式碼 —————————————————— 可與人工編寫程式碼相互比較作為參考! |本書範例程式碼檔案,請至博碩官網下載| 本書特色 ☑ 完整的內容結構和清晰的邏輯,豐富的圖例解說提高可讀性 ☑ 使用 Python 語言實作資料結構理論,並透過範例程式碼深入解析 ☑ 參閱國家考試題型設計難易適中的習題,立即檢驗學習效果 ☑ 附錄彙整出資料結構相關的專有名詞,方便查詢加深學習印象 ☑ 增加「ChatGPT 解決觀點」欄位,幫助理解提高學習效率 資料結構必備好書,暢銷回饋中! 本書以簡潔有力、邏輯清晰、圖例豐富的方式詮釋資料結構理論,並特別收集了大量習題,以確保讀者掌握各章節的學習成果。演算法節點盡量使用 Python 程式碼展示,而非虛擬碼形式。此外,本書還會展示由 ChatGPT 生成的程式碼。我們相信,ChatGPT 生成的程式碼具有簡潔性和精簡性,並能夠提供更好的解決方案。 【目錄】 Chapter 0 ChatGPT 與 Python 程式設計黃金 入門課 0-1 認識聊天機器人 0-1-1 聊天機器人的種類 0-2 ChatGPT 初體驗 0-2-1 註冊免費 ChatGPT 帳號 0-2-2 更換新的機器人 0-2-3 登出 ChatGPT 0-3 使用 ChatGPT 寫 Python 程式 0-3-1 利用 ChatGPT AI 撰寫 Python 程式 0-3-2 複製 ChatGPT 幫忙寫的程式碼 0-3-3 ChatGPT AI 程式與人工撰寫程式的比較 0-4 ChatGPT AI Python 程式範例集 0-4-1 使用 Pygame 遊戲套件繪製多媒體圖案 0-4-2 以內建模組及模擬大樂透的開獎程式 0-4-3 建立四個主功能表的視窗應用程式 0-4-4 演算法的應用:寫一支迷宮問題的解決方案 0-4-5 海龜繪圖法繪製兩款精美的圖形 0-5 課堂上學不到的 ChatGPT 使用秘訣 0-5-1 能記錄對話內容 0-5-2 專業問題可事先安排人物設定腳本 0-5-3 目前只回答 2021 年前 0-5-4 善用英文及 Google 翻譯工具 0-5-5 熟悉重要指令 0-5-6 充份利用其它網站的 ChatGPT 相關資源 0-6 利用 ChatGPT 輕鬆開發 AI 小遊戲 0-6-1 請 ChatGPT 自我推薦以 Python 實作的小遊戲 0-6-2 猜數字遊戲 0-6-3 OX 井字遊戲 0-6-4 猜拳遊戲 0-6-5 牌面比大小遊戲 Chapter 1 資料結構與演算法入門 1-1 資料結構的定義 1-1-1 資料與資訊 1-1-2 資料的特性 1-1-3 資料結構的應用 1-2 演算法 1-2-1 演算法的條件 1-2-2 演算法的表現方式 1-3 常見演算法簡介 1-3-1 分治法 1-3-2 貪心法 1-3-3 枚舉法 1-3-4 巴斯卡三角形演算法 1-3-5 質數求解演算法 1-4 演算法效能分析 1-4-1 Big-oh 1-4-2 Ω(omega) 1-4-3 θ(theta) Chapter 2 陣列結構 2-1 線性串列簡介 2-1-1 儲存結構簡介 2-2 認識陣列 2-2-1 二維陣列 2-2-2 三維陣列 2-2-3 n維陣列 2-3 矩陣 2-3-1 矩陣相加 2-3-2 矩陣相乘 2-3-3 轉置矩陣 2-3-4 稀疏矩陣 2-3-5 上三角形矩陣 2-3-6 下三角形矩陣 2-3-7 帶狀矩陣 2-4 陣列與多項式 2-4-1 認識多項式 Chapter 3 串列結構 3-1 單向串列 3-1-1 建立單向串列 3-1-2 走訪單向串列 3-1-3 單向串列插入新節點 3-1-4 單向串列刪除節點 3-1-5 單向串列的反轉 3-1-6 單向串列的連結功能 3-1-7 多項式串列表示法 3-2 環狀串列 3-2-1 環狀串列的建立與走訪 3-2-2 環狀串列插入新節點 3-2-3 環狀串列刪除節點 3-2-4 環狀串列的連結 3-2-5 環狀串列與稀疏矩陣表示法 3-3 雙向串列 3-3-1 雙向串列建立與走訪 3-3-2 雙向串列加入新節點 3-3-3 雙向串列刪除節點 Chapter 4 堆疊 4-1 堆疊簡介 4-1-1 陣列實作堆疊 4-1-2 串列實作堆疊 4-2 堆疊的應用 4-2-1 遞迴演算法 4-2-2 動態規劃演算法 4-2-3 河內塔問題 4-2-4 回溯法-老鼠走迷宮 4-2-5 八皇后問題 4-3 算術運算式的表示法 4-3-1 中序轉為前序與後序 4-3-2 前序與後序轉為中序 4-3-3 中序表示法求值 4-3-4 前序法的求值運算 4-3-5 後序法的求值運算 Chapter 5 佇列 5-1 認識佇列 5-1-1 佇列的工作運算 5-1-2 佇列的應用 5-1-3 陣列實作佇列 5-1-4 串列實作佇列 5-2 環狀佇列、雙向佇列與優先佇列 5-2-1 環狀佇列 5-2-2 雙向佇列 5-2-3 優先佇列 Chapter 6 樹狀結構 6-1 樹的基本觀念 6-1-1 樹專有名詞簡介 6-2 二元樹簡介 6-2-1 二元樹的定義 6-2-2 特殊二元樹簡介 6-3 二元樹的儲存方式 6-3-1 一維陣列表示法 6-3-2 串列表示法 6-4 二元樹走訪 6-4-1 中序走訪 6-4-2 後序走訪 6-4-3 前序走訪 6-4-4 二元樹節點的插入與刪除 6-4-5 二元運算樹 6-5 引線二元樹 6-5-1 二元樹轉為引線二元樹 6-6 樹的二元樹表示法 6-6-1 樹化為二元樹 6-6-2 二元樹轉換成樹 6-6-3 樹林化為二元樹 6-6-4 二元樹轉換成樹林 6-6-5 樹與樹林的走訪 6-6-6 決定唯一二元樹 6-7 最佳化二元搜尋樹 6-7-1 延伸二元樹 6-7-2 霍夫曼樹 6-8 平衡樹 6-8-1 平衡樹的定義 6-9 進階樹狀結構的應用 6-9-1 決策樹 6-9-2 B樹 6-9-3 二元空間分割樹(BSP) 6-9-4 四元樹 / 八元樹 Chapter 7 圖形結構 7-1 圖形簡介 7-1-1 尤拉環與尤拉鏈 7-1-2 圖形的定義 7-1-3 無向圖形 7-1-4 有向圖形 7-2 圖形的資料表示法 7-2-1 相鄰矩陣法 7-2-2 相鄰串列法 7-2-3 相鄰複合串列法 7-2-4 索引表格法 7-3 圖形的走訪 7-3-1 先深後廣法 7-3-2 先廣後深搜尋法 7-4 擴張樹 7-4-1 DFS擴張樹及BFS擴張樹 7-4-2 最小花費擴張樹 7-4-3 Kruskal演算法 7-4-4 Prim演算法 7-5 圖形最短路徑 7-5-1 單點對全部頂點 7-5-2 兩兩頂點間的最短路徑 7-5-3 A* 演算法 7-6 AOV網路與拓樸排序 7-6-1 拓樸序列簡介 7-7 AOE網路 7-7-1 臨界路徑 Chapter 8 排序演算法 8-1 認識排序 8-1-1 排序的分類 8-1-2 排序演算法分析 8-2 內部排序法 8-2-1 氣泡排序法 8-2-2 雞尾酒排序法 8-2-3 選擇排序法 8-2-4 插入排序法 8-2-5 謝耳排序法 8-2-6 合併排序法 8-2-7 快速排序法 8-2-8 堆積排序法 8-2-9 基數排序法 Chapter 9 搜尋演算法與雜湊函數 9-1 常見搜尋演算法 9-1-1 循序搜尋法 9-1-2 二分搜尋法 9-1-3 內插搜尋法 9-1-4 費氏搜尋法 9-2 雜湊搜尋法 9-2-1 雜湊法簡介 9-3 常用的雜湊函數 9-3-1 除法 9-3-2 中間平方法 9-3-3 折疊法 9-3-4 數位分析法 9-4 碰撞與溢位問題的處理 9-4-1 線性探測法 9-4-2 平方探測法 9-4-3 再雜湊法 9-4-4 鏈結串列法 附錄A 資料結構專有名詞索引

原價: 680 售價: 612 現省: 68元
立即查看
資料可視化王者:用Python讓AI活躍在圖表世界中 (1版)

資料可視化王者:用Python讓AI活躍在圖表世界中 (1版)

類似書籍推薦給您

原價: 1580 售價: 1422 現省: 158元
立即查看
AI時代Math元年:用Python全精通程式設計 (1版)

AI時代Math元年:用Python全精通程式設計 (1版)

類似書籍推薦給您

原價: 1280 售價: 1152 現省: 128元
立即查看