返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 《金融商业数据分析:基于Python和SAS》腾讯云金融等企业资深数据架构师、商业分析师20年经验总结
  • 新华书店正版
    • 作者: 张秋剑,张浩,周大川,常国珍著
    • 出版社: 机械工业出版社
    • 出版时间:2021-12-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 张秋剑,张浩,周大川,常国珍著
    • 出版社:机械工业出版社
    • 出版时间:2021-12-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-12-01
    • 字数:238
    • 页数:356
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111695837
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    《金融商业数据分析:基于Python和SAS》腾讯云金融等企业资深数据架构师、商业分析师20年经验总结

    作  者:张秋剑,张浩,周大川,常国珍 著
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2021年12月01日
    页  数:356
    装  帧:平装
    ISBN:9787111695837
    主编推荐

    (1)作者背景资深:4位作者都是在金融领域有10~20年数据挖掘和分析经验的资深专家,技术功底深厚,业务经验丰富。(2)高维指导低维:作者在金融行业有10~20年项目实战和项目咨询经验,深知初学者的难点和痛点,量身打造,事半功倍。(3)金融业务驱动:以真实的业务场景和案例为驱动,涵盖金融数据分析的全流程,告别纯理论和不接地气。(4)从入门到进阶:帮助读者零基础掌握金融数据分析的工具、思路、方法和技巧,快速实现从入门到进阶的突破。

    内容简介

    内容简介这是一本金融商业数据分析的实战工具书。作者都是在金融行业有10~20年数据分析经验的资深专家,他们将多年来的项目经验、培训和咨询经验融合成了这本书。它将指导读者零基础掌握金融数据分析的工具、思路、方法和技巧,快速实现从入门到进阶的突破。本书强调实战,方法论与实践相结合,所有案例均来自实际的金融业务,涵盖工具使用、数据处理、统计分析等数据分析的全流程。本书内容共14章,可分为3篇。分析工具篇(~4章):首先介绍了数据科学和数理统计的基本常识,然后讲解了数据分析工具SAS EG和Python的基础知识。数据处理篇(第5~9章):首先通过描述性统计分析进行数据探索,继而讲到基本的报表和统计制图,还包括使用SAS EG进行数据处理,用Python进行数据整合、数据清洗,构建出满足分析需求的数据集。统计分析篇(0~14章):从统计学的基本概念引出假设检验与样本t检验,三大统计检验、构造预测模null

    作者简介

    作者简介张秋剑就职于腾讯云金融拓展中心,从事微信财富营销管理、数据中台、AI应用等解决方案拓展工作,研究方向包括数字化转型、创新实践等。张浩曾任腾讯云金融首席架构师和星环科技金融行业技术总监,主要从事大数据、人工智能、云计算、区块链、联邦学习等相关技术研发与产品设计,具有丰富的企业架构设计、企业数字化战略转型运营与业务咨询经验。周大川就职于某中央金融企业金融科技研发中心,主要从事企业级数据平台开发、核心业务平台建设、AI赋能金融科技创新等工作,具有丰富的新一代金融业务系统建设经验。常国珍曾任毕马威咨询大数据总监,具有近20年数据挖掘、精益数据治理、数字化运营咨询经验,是金融信用风险、反欺诈和反洗钱算法领域的专家。

    精彩内容

    目录
    前言分析工具篇章  数据科学与数理统计21.1  数据科学的基本概念21.2  数理统计技术51.2.1  描述性统计分析51.2.2  统计推断与统计建模6第2章  SAS EG数据操作基础82.1  SAS EG入门82.1.1  SAS EG简介82.1.2  SAS EG的窗口及菜单92.2  访问数据102.2.1  SAS EG实现方式112.2.2  SAS程序实现方式132.3  定义SAS数据集132.3.1  SAS数据的相关概念132.3.2  SAS EG实现方式162.3.3  SAS程序实现方式182.4  导入其他格式的数据文件192.4.1  SAS EG实现方式192.4.2  SAS程序实现方式21第3章  Python编程基础223.1  Python概述223.2  Anaconda的安装及使用方法233.2.1  下载与安装233.2.2  使用Jupyter Notebook243.2.3  使用Spyder253.2.4  使用Conda管理第三方库273.3  Python的基本数据类型293.3.1  字符串293.3.2  浮点型和整型293.3.3  布尔类型303.3.4  其他数据类型313.4  Python的基本数据结构313.4.1  列表323.4.2  元组333.4.3  集合333.4.4  字典343.5  Python的编程结构353.5.1  三种基本的编程结构简介353.5.2  顺序结构353.5.3  分支结构363.5.4  循环结构373.6  Python的函数与模块403.6.1  Python的函数403.6.2  Python的模块423.7  使用Pandas读写结构化数据433.7.1  读数据433.7.2  写数据46第4章  在SAS EG中使用程序474.1  如何在SAS EG中使用程序474.2  SAS程序494.2.1  SAS程序分析简介494.2.2  DATA步504.2.3  PROC步51数据处理篇第5章  描述性统计分析与制图545.1  描述性统计分析545.1.1  变量度量类型与分布类型545.1.2  变量的统计量565.1.3  连续变量的分布与集中趋势565.1.4  连续变量的离散程度585.1.5  数据分布的对称与高矮595.2  制作报表与统计图605.3  制图步骤及统计图适用场景645.4  利用SAS EG进行统计分析675.4.1  连续变量描述性统计分析675.4.2  单因子频数统计分析695.4.3  汇总统计分析725.4.4  绘制条形图进行统计分析765.4.5  绘制地图进行统计分析79第6章  表数据的行处理826.1  数据筛选826.1.1  SAS EG实现方式826.1.2  SAS程序实现方式846.2  排序与求秩876.2.1  SAS EG实现方式876.2.2  SAS程序实现方式946.3  抽样956.3.1  抽样理论介绍956.3.2  SAS EG实现方式976.3.3  SAS程序实现方式996.4  数据分组和汇总1006.4.1  SAS EG实现方式1006.4.2  SAS程序实现方式102第7章  表数据的列处理1037.1  构造列变量1037.2  拆分列1057.3  堆叠列1077.4  转置列1107.4.1  SAS EG实现方式1117.4.2  SAS 程序实现方式1137.5  对列重编码1147.5.1  SAS EG实现方式1147.5.2  SAS程序实现方式1197.6  变量标准化1197.6.1  SAS EG实现方式1207.6.2  SAS程序实现方式122第8章  数据集的操作1248.1  纵向连接1248.1.1  SAS EG实现方式1258.1.2  SAS程序实现方式1278.2  横向连接1318.2.1  SAS EG实现方式1318.2.2  SAS程序实现方式1358.3  数据集的比较1388.3.1  SAS EG实现方式1388.3.2  SAS程序实现方式1418.4  创建格式1428.4.1  相关理论介绍1428.4.2  SAS EG实现方式1438.4.3  SAS程序实现方式1468.5  删除数据集、格式和视图1478.5.1  SAS EG实现方式1478.5.2  SAS程序实现方式148第9章  利用Python处理数据1499.1  数据整合1509.1.1  行操作和列操作1509.1.2  条件查询1529.1.3  横向连接1559.1.4  纵向合并1579.1.5  排序1599.1.6  分组汇总1609.1.7  拆分与堆叠列1639.1.8  赋值与条件赋值1659.2  数据清洗1679.2.1  重复值处理1679.2.2  缺失值处理1689.2.3  噪声值处理1709.3  实战1759.3.1  提取行为特征的RFM方法1759.3.2  使用RFM方法计算变量1769.3.3  数据整理与汇报177统计分析篇0章  数据科学的统计推断18010.1  基本的统计学概念18010.1.1  总体、样本和统计量18010.1.2  点估计、区间估计和中心极限定理18110.2  假设检验18610.2.1  理论介绍18610.2.2  利用Python实现单样本t检验18910.2.3  利用SAS EG实现单样本t检验18910.2.4  利用SAS EG实现双样本t检验18910.2.5  利用Python实现双样本t检验19110.3  方差分析19310.3.1  利用Python实现单因素方差分析19310.3.2  利用SAS EG实现单因素方差分析19810.3.3  利用Python实现多因素方差分析20210.3.4

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购