您当前的位置:首页 >> 历史
喜大普奔 | 博雅《数据科学实战速查表》正式出版!
发布时间:2019-11-26
 

继《数据科学导引》之后,博雅大数据学院第二本图书《数据科学实战速查表》近期由科学出版社正式出版!目前京东等各大网店均已开始出售!


本套数据科学实战速查表,旨在以简明、生动和系统的方式,帮助数据科学初学者高效便捷地查阅数据科学的知识点和实践工具的使用方法,从而提高实践能力。



本书既可以作为数据科学与大数据技术专业教师和学生的学习资料,也可作为数据分析师、数据工程师和算法工程师等数据科学从业者项目实践的参考工具。对大数据感兴趣的读者也可通过本书对数据科学的知识框架和实践工具有初步的认识,为进一步的深入学习打下良好的基础。


本书目录


第一章              编程语言

       第一节              Python语言

       第二节              R

       第三节              SQL

       第四节              Git

       第五节              Shell

 

第二章              数据分析

       第一节              NumPy

       第二节              Scipy Basics

       第三节              Pandas

       第四节              数据清洗

       第五节              StatsModels

 

第三章              数学统计理论

       第一节              概率

       第二节              统计

       第三节              矩阵微分

       第四节              线性代数

       第五节              图模型

       第六节              凸优化

 

第四章              数据可视化

       第一节              Matplotlib

       第二节              Seaborn

       第三节              Basemap

 

第五章              机器学习

       第一节              特征工程

       第二节              机器学习建模

       第三节              Scikit-learn

       第四节              PyTorch

 

第六章              图像处理

       第一节              基本概念

       第二节              像素的空间关系

       第三节              图像增强

       第四节              图像变换

       第五节              图像恢复

       第六节              图像分割

       第七节              图像编码

 

第七章              分布计算

       第一节              Hadoop

       第二节              Spark


内容预览


本书将数据科学的知识模块划分成括编程语言、数据分析、数据可视化、数学统计理论、机器学习、数字图像处理和分布式计算七大模块。在每一个模块,我们对核心的理论知识进行了介绍,重点介绍了该模块的典型实践工具的使用方法。


在数据科学领域,Python拥有较为完整的生态圈,而且入门门槛较低,因此本书主要介绍基于Python语言的数据科学实践工具。速查表既有重要的公式推导,也包含常用的代码示例。我们力图通过简炼的语言、精美的图表,展现数据科学相关技术和工具的核心技能点,帮助读者快速检索知识,提升学习和工作效率。


机器学习建模

Matplotlib


作者介绍


欧高炎   北京大学博士、博士后,博雅大数据学院院长,大数据教育联盟秘书长。中国计算机学会数据库专委会委员。


晏晓东   北京大学理学硕士,曾任北京大数据研究院数据分析师,现从事搜索及推荐算法相关工作。


高扬   芬兰阿尔托大学机器学习与数据挖掘专业硕士,博雅大数据学院数教学研发负责人。


线上课程


登录数据酷客(www.cookdata.com)进入课程页面,进入数据科学实战速查表(工具)课程。本书配套的数十份高清速查表图片即可在线查看和学习!



点击阅读原文,即可购买书籍,或通过扫描下方海报中二维码进行购买,也可登录数据酷客(www.cookdata.com)进行线上学习。