机器学习作为实现人工智能的方法，是一种让计算机具备学习能力的数理技术。本书就以Python为工具，结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法，以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础，介绍了一些应用于实际问题的例子。 本书以解说实例源码为中心，特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习，也适合将机器学习技术应用于实际业务的工程师参考。
非参数统计是统计学和数据科学的重要分支领域。本书作为该领域的基础教材，其特点体现在以下几方面： 1.针对性强。该书针对数据分析专业的特点和需要，阐述非参数统计的基本概念、理论、方法和编程，重点从非受控观察数据对参数推断知识的需要角度出发，将统计推断知识、理论和方法与反事实复杂场景因果关系的解读与判断问题相结合，应用于稳健估计、局部模式、严格证据的信息提取任务中。 2.通用性强。适用于Python技术数据管理人才培养。增加Python技术的应用内容，编写了Python综合程序，降低了统计理论学习难度，增强了技术的可嵌入性；自主研发的 分析求解程序，大大补充了Python中小数据推断程序的不足，计算的便利性大幅提升，适用于Python自动化测试、运维、数据分析等多种 数据管理岗位的嵌入式学习需求。 3.内容新颖。顺应人工智
本书介绍了大数据处理中的数据采集、数据存储、数据预处理、数据分析与挖掘等内容，还介绍了使用Python语言进行大数据处理的方法。全书共8章。第1章简要介绍大数据的概念、大数据处理的过程和涉及的不同方面，以及使用Python解决大数据问题的优势。第2章介绍如何安装和准备Python编程环境，包括编译器、集成开发环境(IDE)的安装，以及第三方包的管理和安装方法。第3章介绍获取数据的方法，即如何使用爬虫技术从网站获取网页，并通过解析网页获取其中的数据。第4章介绍数据存储和使用的方法，包括操作常见类型文件的方法，以及操作关系型数据库和NoSQL数据库的方法。第5章介绍如何使用NumPy和Pandas操作数组、矩阵以及如何使用其中的随机数功能。 第6章介绍数据预处理的概念，并介绍数据清洗、数据集成、数据转换和数据规约的方法。第7章介绍数据
本书是将Python和计算传播学相结合的典型教材，全面介绍了使用Python进行计算传播学实战的相关知识，由浅入深地介绍了Python中与计算传播学相关的库，并通过项目案例对所学知识加以巩固与加深。本书主要内容包括Python与计算传播学、Python编程基础、数据处理与分析基础、数据可视化基础，以及Python计算传播学实践项目案例。本书体系完整、内容丰富，尤为注重实战教学。 本书既可作为普通高等院校计算传播学的基础教材，也可作为职业培训教育机构及相关技术人员的参考用书。
本书是将Python和计算传播学相结合的典型教材，全面介绍了使用Python进行计算传播学实战的相关知识，由浅入深地介绍了Python中与计算传播学相关的库，并通过项目案例对所学知识加以巩固与加深。本书主要内容包括Python与计算传播学、Python编程基础、数据处理与分析基础、数据可视化基础，以及Python计算传播学实践项目案例。本书体系完整、内容丰富，尤为注重实战教学。 本书既可作为普通高等院校计算传播学的基础教材，也可作为职业培训教育机构及相关技术人员的参考用书。
深度学习是一种人工智能，模仿人脑处理数据和创建用于决策的模式方面的工作，处理用于检测对象、识别语音、翻译语言和进行决策的数据。本书是深度学习入门级教材，有以下特点： 1.由浅入深，对于 基本的单层神经网络到多层神经网络的前向及后向传播理论，从公式到代码缓慢进阶，做了透彻的解释，易于理解及上手。 2.在基本模块介绍之后，对于各种 复杂的模型并不拘泥于细节，而是着重介绍其含义，让读者着眼于整体框架及未来发展。 3.尽量跟随新发展，书中 的模型来自2020年。
一本有趣、有用、好学的Python编程书！ 本书以通俗易懂的语言、好玩有趣的案例让读者轻轻松松、循序渐进地从零开始掌握Python 3编程。本书内容也是笔者带领的“Python实战圈”里数千名“圈友”的学习结晶。圈子里的小伙伴都是零基础开始学习Python编程，甚至之前没有接触过编程的，比如初中生、跨行业学习者等。 本书提供了一套完整的、系统的Python基础课，比如列表、if、函数等内容，每一部分内容除了有生动有趣的项目实战，还有实际工作中需要注意的问题。既能让零基础的读者 好地学习，也能让有一定基础的读者继续提升自身水平。 本书适合零基础学习Python编程的读者，想要入门人工智能领域的读者，立志进入数据分析编程领域的读者，计划加入Python网页工程师或游戏工程师的读者，Python爱好者等。
支撑商业数据分析的工具有很多，在众多的技术工具中，Python作为一种解释型编程语言，已成为近年来商业数据分析中热门的工具。其以开源、可移植、面向对象、可扩展、可嵌入、有丰富的库等优点成为商业数据分析人员的 ，越来越多的商业数据分析人员开始学习Python，并使用Python进行数据分析工作。为满足这些人群的学习需求，本书选择了“Python商业数据分析”作为内容主题，并着重以Python为平台介绍商业数据分析的相关知识。
本教材系统介绍了Python语言的基础知识和程序设计方法。《Python程序设计基础》共7章，主要包括Python概述、Python语言基础、Python序列对象、Python程序控制结构、组合数据类型、Python函数、文件、利用计算生态编程等内容。 《Python程序设计基础知识》结构合理，内容循序渐进，取材得当。为便于教学，《Python程序设计基础知识》配套有教学辅助平台，平台提供了高质量的配套PPT、微课视频、例题源代码以及习题参考答案等教学资源。
\"本书采用“案例驱动”的编写方式，以程序设计为中心，语法介绍精炼，内容叙述深入浅出、循序渐进，程序案例生动易懂，具有很好的启发性。本书共分两个部分，其中 部分为Python基础篇，主要内容包括Python的开发环境、工具及Python程序的基本结构，以及常量、变量、对象、类和运算符的基本概念 ；Python中字符串的概念；流程控制语句，包括if分支结构、for循环及while循环；Python 语言中两个常用的数据结构：列表(list)和元组 (tuple)，以及上述数据结构的应用和操作；可变容器模型：字典；Python程序的结构、函数与模块；文件和流的概念及用法等。第2部分为Python应用篇，结合项目案例介绍Python数据分析、图形处理、Web开发、科学计算、Python爬虫、大数据应用等方面的拓展知识。本书内容翔实，层次清晰，既可以作为普通本科院校各专业Python程序设计课程和信息技
本书通过以Pandas实现的精彩的数据分析项目，来讲解大数据相关的主题及概念。通过学习本书，读者可以根据项目的大小及类型来评估自己的项目是否适合使用Pandas库。本书对如何在Pandas中高效地加载及标准化数据进行了解读，并回顾了一些 常用的加载器及它们的一些 威力的选项，从而读者可以学会如何高效地存取及转换数据、使用什么方法、什么时候采用或回避一些 高性能的技术。本书还将带读者用心思考Pandas中基本的数据访问及维护，以及直觉字典语法。 本书适合作为Python数据分析学习者及相关从业人员的参考用书。
本教材 的特点是将Python基础知识与财务分析知识进行了融合，在财务分析场景中学习Python,在Python学习中实现财务分析的自动化与智能化，从而避免财会专业背景的读者在学习Python时由于目标不明确导致学习动力不足、学习效率低等问题。通过本书的学习，读者可以掌握Python基础知识，初步具备利用Python进行高质量财务分析的能力。 本书共分为3篇13章。第1篇“Python技术基础与财务数据获取”包括2章，介绍Python基础知识与通过Tushare数据接口快速获取财务数据；第2篇“Python数据分析技术与财务分析实战”包括8章，首先介绍Pandas库财务数据分析基础、Matplotlib库财务可视化基础，其次介绍如何利用Python进行财务静态分析、财务趋势分析、财务同业比较分析、现金流量表进阶分析、杜邦分析、批量筛选优质上市公司等；第3篇“机器学习技术与财务分析实战”包括3章，
“Python程序设计”是一门理论性和实践性都很强的课程。本书由浅入深、循序渐进地讲述了Python程序设计的基本概念和基本方法，具有较强的系统性、可读性、可操作性和实用性。本书主要内容包括初识Python，Python语法基础，赋值语句与分支结构，循环结构与print语句，字典与集合，序列与迭代，函数，模块，字符串与文件，面向对象程序设计，对象的封装、继承与多态以及综合案例分析。 本书结构合理，内容翔实，论述准确，注重知识的层次性和技能培养的渐进性，并配以丰富的实例，每章均附有课后习题和编程实训，可作为应用型本科院校、高职高专院校计算机及相关专业的教材，也可作为编程人员的自学书籍。
支撑商业数据分析的工具有很多，在众多的技术工具中，Python作为一种解释型编程语言，已成为近年来商业数据分析中热门的工具。其以开源、可移植、面向对象、可扩展、可嵌入、有丰富的库等优点成为商业数据分析人员的 ，越来越多的商业数据分析人员开始学习Python，并使用Python进行数据分析工作。为满足这些人群的学习需求，本书选择了“Python商业数据分析”作为内容主题，并着重以Python为平台介绍商业数据分析的相关知识。
机器学习作为实现人工智能的方法，是一种让计算机具备学习能力的数理技术。本书就以Python为工具，结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法，以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础，介绍了一些应用于实际问题的例子。 本书以解说实例源码为中心，特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习，也适合将机器学习技术应用于实际业务的工程师参考。
