本书是为那些对数据科学感兴趣的Python程序员编写的。唯一的先决条件是Python的基本知识。不需要有使用复杂算法的经验。数学背景不是必须的。读完这本书的业余爱好者将获得获得第一份高薪数据科学工作所必需的技能。这些技能包括:

  • 概率论和统计学的基础。
  • 监督和非监督机器学习技术。
  • 关键的数据科学图书馆,如NumPy, SciPy, panda, Matplotlib和Scikit-Learn。
  • 解决问题的能力。

开放式解决问题的能力对于数据科学职业来说是必不可少的。不幸的是,这些能力不能通过阅读来获得。要成为一个问题解决者,你必须坚持解决困难的问题。带着这种想法,我的书围绕着案例研究展开:以真实世界为模型的开放式问题。案例研究范围从在线广告分析到使用新闻数据跟踪疾病暴发。

成为VIP会员查看完整内容
212

相关内容

【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
257+阅读 · 2020年6月10日
专知会员服务
166+阅读 · 2020年6月4日
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
127+阅读 · 2020年3月15日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
197+阅读 · 2020年2月11日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
143+阅读 · 2019年12月28日
GitHub最著名的20个Python机器学习项目!
深度学习世界
8+阅读 · 2018年1月8日
Python & 机器学习之项目实践 | 赠书
人工智能头条
13+阅读 · 2017年12月26日
GitHub最著名的20个Python机器学习项目
全球人工智能
9+阅读 · 2017年12月7日
从0到1 | 0基础/转行 如何用3个月学会机器学习|数据科学
数据挖掘入门与实战
5+阅读 · 2017年12月4日
Kaggle入门手册
Datartisan数据工匠
14+阅读 · 2017年11月9日
Python机器学习Kaggle案例实战
炼数成金订阅号
12+阅读 · 2017年8月10日
Arxiv
6+阅读 · 2019年8月22日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Angular-Based Word Meta-Embedding Learning
Arxiv
3+阅读 · 2018年8月13日
Arxiv
7+阅读 · 2018年6月1日
Arxiv
8+阅读 · 2018年5月21日
Arxiv
10+阅读 · 2018年3月23日
VIP会员
相关VIP内容
相关资讯
GitHub最著名的20个Python机器学习项目!
深度学习世界
8+阅读 · 2018年1月8日
Python & 机器学习之项目实践 | 赠书
人工智能头条
13+阅读 · 2017年12月26日
GitHub最著名的20个Python机器学习项目
全球人工智能
9+阅读 · 2017年12月7日
从0到1 | 0基础/转行 如何用3个月学会机器学习|数据科学
数据挖掘入门与实战
5+阅读 · 2017年12月4日
Kaggle入门手册
Datartisan数据工匠
14+阅读 · 2017年11月9日
Python机器学习Kaggle案例实战
炼数成金订阅号
12+阅读 · 2017年8月10日
相关论文
微信扫码咨询专知VIP会员