万本电子书0元读

万本电子书0元读

顶部广告

Python数据分析与数据化运营电子书 租阅

售       价:¥

纸质售价:¥78.20购买纸书

2076人正在读 | 1人评论 7.1

作       者:宋天龙

出  版  社:机械工业出版社

出版时间:2017-10-01

字       数:46.5万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
Python在数据分析领域得到了越来越广泛的应用。第一部分着眼于风险对股市指数期权的价值、股票、利率的影响。第二部分介绍套利定价理论、离散时间内风险中性估值,持续时间,介绍了两种流行的期权定价方法。最后,第三部分介绍市场估值工作的整个过程。 本书内容从逻辑上共分为两大部分,第壹部分是有关数据分析类的主题,第二部分是有关数据化运营的主题。第壹部分的内容包括1/2/3/4章和附录,主要介绍了Python和数据化运营的基本知识、数据来源获取、数据预处理以及数据分析和挖掘的关键经验。第二部分的内容包括5/6/7/8/9章的内容,分别介绍了会员运营、商品运营、流量运营和内容运营四个大主题,以及提升数据化运营价值度的方法。在每个数据化运营主题中都包含了基本知识、评估指标、应用场景、数据分析模型、数据分析小技巧、数据分析大实话以及2个应用案例。
【推荐语】
(1)国内资深一线数据分析专家撰写,黄成明、宋星、田雪峰、宫鑫、王晓东等10余位互联网大咖和多个数据科学相关组织联合推荐 (2)50个数据工作流知识,14个数据分析和挖掘主题,8个综合性运营案例,涵盖会员、商品、流量、内容4大数据化运营主题,360°把脉运营问题并贴合数据场景落地
目录展开

赞誉

前言

第1章 Python和数据化运营

1.1 用Python做数据化运营

1.2 数据化运营所需的Python相关工具和组件

1.3 内容延伸:Python的OCR和TensorFlow

1.4 第一个用Python实现的数据化运营分析实例——销售预测

1.5 本章小结

第2章 数据化运营的数据来源

2.1 数据化运营的数据来源类型

2.2 使用Python获取运营数据

2.3 内容延伸:读取非结构化网页、文本、图像、视频、语音

2.4 本章小结

第3章 11条数据化运营不得不知道的数据预处理经验

3.1 数据清洗:缺失值、异常值和重复值的处理

3.2 将分类数据和顺序数据转换为标志变量

3.3 大数据时代的数据降维

3.4 解决样本类别分布不均衡的问题

3.5 如何解决运营数据源的冲突问题

3.6 数据化运营要抽样还是全量数据

3.7 解决运营数据的共线性问题

3.8 有关相关性分析的混沌

3.9 标准化,让运营数据落入相同的范围

3.10 离散化,对运营数据做逻辑分层

3.11 数据处理应该考虑哪些运营业务因素

3.12 内容延伸:非结构化数据的预处理

3.13 本章小结

第4章 跳过运营数据分析和挖掘的“大坑”

4.1 聚类分析

4.2 回归分析

4.3 分类分析

4.4 关联分析

4.5 异常检测分析

4.6 时间序列分析

4.7 路径、漏斗、归因和热力图分析

4.8 其他数据分析和挖掘的忠告

4.9 内容延伸:非结构化数据的分析与挖掘

4.10 本章小结

第5章 会员数据化运营

5.1 会员数据化运营概述

5.2 会员数据化运营关键指标

5.3 会员数据化运营应用场景

5.4 会员数据化运营分析模型

5.5 会员数据化运营分析小技巧

5.6 会员数据化运营分析的“大实话”

5.7 案例:基于RFM的用户价值度分析

5.8 案例:基于AdaBoost的营销响应预测

5.9 本章小结

第6章 商品数据化运营

6.1 商品数据化运营概述

6.2 商品数据化运营关键指标

6.3 商品数据化运营应用场景

6.4 商品数据化运营分析模型

6.5 商品数据化运营分析小技巧

6.6 商品数据化运营分析的“大实话”

6.7 案例:基于超参数优化的Gradient Boosting的销售预测

6.8 案例:基于LogisticRegression、RandomForest、Bagging概率投票组合模型的异常检测

6.9 本章小结

第7章 流量数据化运营

7.1 流量数据化运营概述

7.2 8大流量分析工具

7.3 如何选择第三方流量分析工具

7.4 流量采集分析系统的工作机制

7.5 流量数据与企业数据的整合

7.6 流量数据化运营指标

7.7 流量数据化运营应用场景

7.8 流量数据化运营分析模型

7.9 流量数据化运营分析小技巧

7.10 流量数据化运营分析的“大实话”

7.11 案例:基于自动节点树的数据异常原因下探分析

7.12 案例:基于自动K值的KMeans广告效果聚类分析

7.13 本章小结

第8章 内容数据化运营

8.1 内容数据化运营概述

8.2 内容数据化运营指标

8.3 内容数据化运营应用场景

8.4 内容数据化运营分析模型

8.5 内容数据化运营分析小技巧

8.6 内容数据化运营分析的“大实话”

8.7 案例:基于潜在狄利克雷分配(LDA)的内容主题挖掘

8.8 案例:基于多项式贝叶斯的增量学习的文本分类

8.9 本章小结

第9章 数据化运营分析的终极秘籍

9.1 撰写出彩的数据分析报告的5个建议

9.2 数据化运营支持的4种扩展方式

9.3 提升数据化运营价值度的5种途径

9.4 本章小结

附录

附录A 公开数据集

附录B Python数据工具箱

累计评论(1条) 4个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部