內容簡介
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
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
作者簡介
作者介紹譯者介紹
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
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