本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。本书由Wes McKinney创作，他是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到：使用IPython shell和Jupyter notebook进行探索性计算；学习NumPy(Numerical Python)的基础和高级特性；入门pandas库中的数据分析工具；使用灵活工具对数据进行载入、清洗、变换、合并和重塑；使用matplotlib创建富含信息的可视化；将pandas的groupby功能应用于对数据集的切片、分块和汇总；分析并操作规则和不规则的时间序列数据；利用完整的、详细的示例学习如何
本书是在“高等微积分”的水平上阐述数学分析中的论题，提供了从初等微积分向实变函数论及复变函数论中的高等课程的一种过渡，而且介绍了某些涉及现代分析的抽象理论．内容既涵盖我国大学的数学分析课程的内容，又包括勒贝格积分及柯西定理和留数计算等.本书条理清晰，内容精练，言简意赅，适合作为高等院校本科生数学分析课程的教材．
本书系世界学术研究前沿丛书之一，采用全英文出版，主要选择近三年出版的世界各国研究学者在环境污染及防治领域的近期新科研理论与成果，本书的出版将对该领域研究起到一定的参考借鉴作用。本书选文，放眼优选，着眼科研能力成熟的发达国家的知名高校及科研院所，在选文上专业性和科研水平均较高。选取近3年学术研究成果，紧跟优选学术热点，着眼科研能力成熟的发达国家，保证了本书的性，文章甄选一般采用四个标准：作者的单位，作者在相应科研领域的科研资历，相关领域专家的认可与推荐，作者已发表文章的影响因子及引用次数高。同时注重理论性与实践性并重，力争达到理论与实践的完美结合。及时捕捉跟进各个领域的突破性研究进展，便于读者掌握学科靠前手资料。
本书将带你进入预测分析的世界，通过演示告诉你为什么Python是世界很好的数据科学语言之一。如果你想询问更深入的数据问题，或是想增进、拓展机器学习系统的能力，这本实用的书籍可谓是无价之宝。书中涵盖了包括 scikit-learn、Theano和Keras在内的大量功能强大的Python库，操作指南以及从情感分析到神经网络的各色小技巧，很快你就能够解答你个人及组织所面对的那些最重要的问题。
Google的TensorFlow是机器学习世界的游戏规则改变者。《TensorFlow 1.x机器学习（影印版·英文版）》将教你如何发挥Python和TensorFlow 1.x的威力更容易地入门机器学习。首先，你将了解基础的安装过程并浏览TensorFlow 1.x的各种能力。然后是训练和运行分类器，以及介绍库中的特性，包括TensorBoard的数据流图、训练和性能可视化——全部通过一个例子展现——富含背景信息且来自多个行业的实际问题。你将进一步探索文本和图像分析，并在TensorFlow 1.x中学习CNN建模和设置。接下来，实现一个完整的真实生产系统，从训练到运行一个深度学习模型。逐步深入学习Amazon Web Services（AWS）并创建一个深度神经网络以解决视频活动识别问题。很后，把caffe模型转换到TensorFlow，并学习不错TensorFlow库：TensorFlow—Slim。学完《TensorFlow 1.x机器学习（影印版·英文版）》，你会被武装成可以应对机
本书包含了大量Swift面向对象编程常见问题的解决方法。书中以真实的场景帮助你了解对象的概念，演示如何利用对象轻松地编写出易于理解和重用的代码。你将从中学习到使用Swift的数据封装特性来保护和隐藏数据，编写能够处理不同类型对象的代码来优选化地实现代码重用，见识到多态化的威力以及如何在普通代码中使用继承和多重继承。除此之外，还会接触到已有代码重构以及能够简化源代码维护和扩展的组织方法.阅读完本书之后，你将能够编写出质量更高、更健壮、更具备可重用性的代码，这一切都有助于构建更棒的应用程序。
《基于数据分析的网络安全(影印版)(英文版)》分成3个部分，包括采集和组织数据的流程、多种分析工具以及几个不同的分析场景和技术。它很适合网络管理员和熟悉脚本的运行安全分析员。传统的入侵检测和日志分析已经不足以保护今天的复杂网络。在这本实用指南里，安全研究员michael collins为你展示了多个采集和分析网络流量数据集的技术和工具。你将理解你的网络是如何被利用的以及有哪些必要手段来保护和改善它。
论文写作是科技工作者的必修课，是科技工作者进行科学技术研究的重要手段，伴随着科研工作的全过程。针对目前研究生论文写作难，发表慢、数量少、质量低的问题，提高他们的写作技能是必需的。 张小红、鄢子平编著的《测绘科技论文中英文写作》共分7章，第1章对测绘科技论文写作的重要性，测绘科技论文的特性和分类，以及科技论文作者应有的基本素养进行了概述；第2章分析了测绘科技文献在科学研究和论文写作中的重要性，并以WebofScience数据库为例分析了文献检索的思路与方法；第3章主要分析了科技论文写作前的选题和构思；第4章是本书的重点，主要讲述了科技论文结构及各部分的写作方法与技巧；第5章主要介绍了测绘科技论文写作中图、表、量和单位符号的使用方法和常见问题；第6章论述了论文写作方面的具体要求和逻辑表达方法；第7章主要介
在使用 Apache Hadoop 设计端到端数据管理解决方案时，获得专家级指导。当其它很多渠道还停留在解释 Hadoop 生态系统中该如何使用各种纷纭复杂的组件时，这本专注实践的书已带领您从架构的整体角度思考，这样的角度对于您的特别应用场景而言，是必不可少的。它将所有组件紧密结合在一起，形成完整有针对性的应用程序。为了增强学习效果，本书第二部分提供了各种详细的架构案例，涵盖部分很常见的 Hadoop 应用场景。无论您在设计一个新的 Hadoop 应用，或者正计划将 Hadoop 整合到现有的数据基础架构中，本书都将在整个过程中提供技巧性的导引。
本书是在“高等微积分”的水平上阐述数学分析中的论题，提供了从初等微积分向实变函数论及复变函数论中的高等课程的一种过渡，而且介绍了某些涉及现代分析的抽象理论．内容既涵盖我国大学的数学分析课程的内容，又包括勒贝格积分及柯西定理和留数计算等.本书条理清晰，内容精练，言简意赅，适合作为高等院校本科生数学分析课程的教材．
本书系世界学术研究前沿丛书之一，采用全英文出版，主要选择近三年出版的世界各国研究学者在计算机网络安全领域的很新科研理论与成果，本书的出版将对该领域研究起到一定的参考借鉴作用。本书选文，放眼优选，着眼科研能力成熟的发达国家的知名高校及科研院所，在选文上专业性和科研水平均较高。选取近3年学术研究成果，紧跟优选学术热点，着眼科研能力成熟的发达国家，保证了本书的非常不错性，文章甄选一般采用四个标准：作者的单位，作者在相应科研领域的科研资历，相关领域专家的认可与推荐，作者已发表文章的影响因子及引用次数高。同时注重理论性与实践性并重，力争达到理论与实践的完美结合。及时捕捉跟进各个领域的突破性研究进展，便于读者掌握学科靠前手资料。
数据分析是包含检查、清洗、转化和建模的整个过程，旨在发现有用的信息。Java是实现数据分析任务的流行语言之一。《Java数据分析（影印版·英文版）》将提供数据科学和相关流程步骤的快速概览。你将从中学到统计数据分析技巧，并通过流行的Java API和类库把它们实现。你还能在实际案例中学到诸如分类和回归之类的机器学习概念。在这个过程中，你将熟悉RapidMinet和Weka等工具，了解这些Java工具如何更有效地用于分析。还会学到如何与关系型、NoSQL和时间序列数据打交道。《Java数据分析（影印版·英文版）》也将介绍如何利用不同的Java类库创建富有洞见又容易理解的图表。学完《Java数据分析（影印版·英文版）》，你将对多种数据分析技巧和相应的Java实现拥有扎实的基础知识。
在这位为Microsoft .NET团队长期提供咨询服务的编程专家Jeffrey Richter的带领下，你将获得开发健壮、可靠和具有良好响应能力的应用和组件所需的实用知识。
机器学习因运用大数据实现强大且快速的预测而大受欢迎。然而，其强大的输出背后，真正力量来自复杂的算法，涉及大量的统计分析，以大数据作为驱动而产生实质性的洞察力。这本第2版的机器学习算法引导您取得与机器学习过程中的主要算法相关的显著开发结果，并帮助您加强和掌握有监督，半监督和加强学习等领域的统计解释。一旦全面吃透了算法的核心概念，您将基于很广泛的库（如sclkit-.、NLTK、TensorFlow和Keras）来探索现实世界的示例。您将发现新的主题，如主成分分析（PCA）、独立成分分析（ICA）、贝叶斯回归、判别分析、不错聚类和高斯混合等。
Google的TensorFlow是机器学习世界的游戏规则改变者。《TensorFlow 1.x机器学习（影印版·英文版）》将教你如何发挥Python和TensorFlow 1.x的威力更容易地入门机器学习。首先，你将了解基础的安装过程并浏览TensorFlow 1.x的各种能力。然后是训练和运行分类器，以及介绍库中的特性，包括TensorBoard的数据流图、训练和性能可视化——全部通过一个例子展现——富含背景信息且来自多个行业的实际问题。你将进一步探索文本和图像分析，并在TensorFlow 1.x中学习CNN建模和设置。接下来，实现一个完整的真实生产系统，从训练到运行一个深度学习模型。逐步深入学习Amazon Web Services（AWS）并创建一个深度神经网络以解决视频活动识别问题。很后，把caffe模型转换到TensorFlow，并学习不错TensorFlow库：TensorFlow—Slim。学完《TensorFlow 1.x机器学习（影印版·英文版）》，你会被武装成可以应对机
你可以从书中学到使用Scala、Java和Python创建你的靠前个Spark程序；在你自己的计算机以及Amazon EC2上建立、配置Spark开发环境；访问公共机器学习数据集，使用Spark载入、处理、清理、转换数据；使用Spark的机器学习库来实现能够利用各种熟知的机器学习模型的程序；等等。
