由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]数据科学实战舒特9787115383495
¥ ×1
作者介绍
关于封面图
前言
第1章 简介:什么是数据科学
1.1 大数据和数据科学的喧嚣
1.2 冲出迷雾
1.3 为什么是现在
1.4 数据科学的现状和历史
1.5 数据科学的知识结构
1.6 思维实验:元定义
1.7 什么是数据科学家
1.7.1 学术界对数据科学家的定义
1.7.2 工业界对数据科学家的定义
第2章 统计推断、探索性数据分析和数据科学工作流程
2.1 大数据时代的统计学思考
2.1.1 统计推断
2.1.2 总体和样本
2.1.3 大数据的总体和样本
2.1.4 大数据意味着大胆的假设
2.1.5 建模
2.2 探索性数据分析
2.2.1 探索性数据分析的哲学
2.2.2 练习:探索性数据分析
2.3 数据科学的工作流程
2.4 思维实验:如何模拟混沌
2.5 案例学习:RealDirect
2.5.1 RealDirect是如何赚钱的
2.5.2 练一练:RealDirect公司的数据策略
第3章 算法
3.1 机器学习算法
3.2 三大基本算法
3.2.1 线性回归模型
3.2.2 k近邻模型(k-NN)
3.2.3 k均值算法
3.3 练习:机器学习算法基础
3.4 总结
3.5 思维实验:关于统计学家的自动化
第4章 垃圾邮件过滤器、朴素贝叶斯与数据清理
4.1 思维实验:从实例中学习
4.1.1 线性回归为何不适用
4.1.2 k近邻效果如何
4.2 朴素贝叶斯模型
4.2.1 贝叶斯法则
4.2.2 个别单词的过滤器
4.2.3 直通朴素贝叶斯
4.3 拉普拉斯平滑法
4.4 对比朴素贝叶斯和k近邻
4.5 Bash代码示例”
4.6 网页抓取:APl和其他工具
4.7 Jake的练习题:文章分类问题中的朴素贝叶斯模型
第5章 逻辑回归
5.1 思维实验
5.2 分类器
5.2.1 运行时间
5.2.2 你自己
5.2.3 模型的可解释性
5.2.4 可扩展性
……
第6章 时间戳数据与金融建模
第7章 从数据到结论
第8章 构建面向大量用户的推荐引擎
第9章 数据可视化与欺诈侦测
第10章 社交网络与数据新闻学
第11章 因果关系研究
第12章 流行病学
第13章 从竞赛中学到的:数据泄漏和模型评价
第14章 数据工程:Mapreduce pregel、Hadoop
第15章 听听学生学们怎么说
第16章 下一代数据科学家、自大狂和职业道德
Rachel Schutt
美国新闻集团旗下数据科学部门不错副总裁、哥伦比亚大学统计系兼职教授、约翰逊实验室不错研究科学家、同时也是哥伦比亚大学数据科学及工程研究所教育委员会的发起人之一。她曾在谷歌研究院工作数年,负责设计算法原型并通过建模理解用户行为。
Cathy O Neil
约翰逊实验室不错数据科学家、哈弗大学数学博士、巴纳德学院教授,曾发表过大量算术代数几何方面的论文。他曾在有名的优选投资管理公司D.E.Shaw担任对冲基金金融师,后加入专门评估银行和对冲基金风险的软件公司RiskMetricd,个人博客:mathbabe.org
大数据时代,人们越来越意识到数据在工作和生活中的重要性,数据科学家应运而生。面对媒体天花乱坠的炒作,怎么才能拨云见日,真正掌握这门跨学科利用数据的学问呢?由舒特、奥尼尔编著的《数据科学实战》这本脱胎于常春藤名校哥伦比亚大学“数据科学导论”课程的实战手册能够给你一个满意的回答。 本书作者舒特曾在谷歌研究院工作多年,现为美国新闻集团数据科学高级副总裁。她在哥伦比亚大学任教期间,广泛邀请了谷歌、微软、eBay及一些创业公司的数据科学家为学生授课,打破了所谓大学里教不出数据科学家的神话。这些讲座涵盖了上述公司及业界使用的最新算法、方法和模型。本书就是在这些一手资料基础上汇编而成的,它不仅可供不具备相关领域知识的初学者真正了解数据科学,而且也是熟悉线性代数、概率论、统计学、机器学习等主题的人士开阔视野、提升实战技能的优秀指南。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
