数据科学家修炼指南(套装共4册)电子书

总目录

数据整理实践指南

目录

作者简介

封面简介

内容提要

前言

致谢

第1章 从头说起：什么是噪音数据

第2章 是我的问题还是数据的问题

第3章 数据是给人看的不是给机器看的

第4章 纯文本中潜在的噪音数据

第5章 重组Web数据

第6章 检测撒谎者以及相互矛盾网上评论的困惑

第7章 请噪音数据站出来

第8章 血、汗和尿

第9章 当数据与现实不匹配

第10章 偏差和误差的来源

第11章 不要把完美和正确对立起来：噪音数据真是噪音吗

第12章 数据库攻击：什么时候使用文件

第13章 卧库表，隐网络

第14章 云计算神话

第15章 数据科学的阴暗面

第16章 如何雇佣机器学习专家

第17章 数据的可追踪性

第18章 社交媒体：是可抹去的印记吗

第19章 揭秘数据质量分析：了解什么时候数据足够优质

数据科学家修炼之道

目录

作者简介

内容提要

前言

第1章 数据科学与大数据

第2章 数据科学的重要性

第3章 数据科学家的类型

第4章 数据科学家的思维体系

第5章 技术资质

第6章 经验

第7章 社交圈

第8章 所用的软件

第9章 学习新知与解决问题

第10章 机器学习与R语言平台

第11章 数据科学的处理流程

第12章 所需的具体技能

第13章 数据科学职位哪家寻

第14章 自我展示

第15章 自由职业数据科学家之路

第16章 职业数据科学家的案例学习

第17章 资深数据科学家案例学习

第18章 新数据科学家的召唤

结语

术语表

附录1 有用的网页链接

附录2 相关文章

附录3 线下资源

数据科学实战手册（R+Python）

目录

内容提要

关于作者

关于译者和中文版审稿人

关于英文版审稿人

前言

第1章 准备你的数据科学环境

第2章 汽车数据的可视化分析（R）

第3章 模拟美式橄榄球比赛数据（R）

第4章 建模分析股票市场数据（R）

第5章 就业数据的可视化探索（R）

第6章 运用税务数据进行应用导向的数据分析（Python）

第7章 运用汽车数据进行可视化分析（Python）

第8章 社交网络分析（Python）

第9章 大规模电影推荐（Python）

第10章 获取和定位Twitter数据（Python）

第11章 利用NumPy和SciPy优化数值计算（Python）

贝叶斯思维：统计建模的Python学习法

目录

内容提要

推荐序

前言

第1章 贝叶斯定理

第2章 统计计算

第3章 估计

第4章 估计进阶

第5章 胜率和加数

第6章 决策分析

第7章 预测

第8章 观察者的偏差

第9章 二维问题

第10章 贝叶斯近似计算

第11章 假设检验

第12章 证据

第13章 模拟

第14章 层次化模型

第15章 处理多维问题

作者简介

译者简介

关于封面

译后记