跟着迪哥学 Python数据分析与机器学习实战 - (EPUB全文下载)

文件大小：0.35 mb。
文件格式：epub 格式。
书籍内容：

跟着迪哥学 Python数据分析与机器学习实战
第1章 人工智能入门指南
第2章 科学计算库（Numpy）
第3章 数据分析处理库（Pandas）
第4章 数据可视化库（Matplotlib）
第5章 回归算法
第6章 逻辑回归项目实战——信用卡欺诈检测
第7章 决策树
第8章 集成算法
第9章 随机森林项目实战——气温预测
第10章 特征工程
第11章 贝叶斯算法项目实战——新闻分类
第12章 支持向量机
第13章 推荐系统
第14章 推荐系统项目实战——打造音乐推荐系统
第15章 降维算法
第16章 聚类算法
第17章 神经网络
第18章 TensorFlow实战
第19章 卷积神经网络
第20章 神经网络项目实战——影评情感分析
第1章 人工智能入门指南
当今时代，人工智能迅速发展，高薪的诱惑、前沿的技术挑战使得越来越多的小伙伴想要学习人工智能，那么更大的问题也就随之产生了——如何学习人工智能呢？正所谓“万事开头难”，如何走好第一步十分关键。学习人工智能的成本还是蛮高的，一般来说，付出了大量的时间和精力，一定要有满意的收获才可以。作为Python开篇之讲，本章首先介绍机器学习处理问题的方法与流程，以及实战必备武器——Python基础教程及其环境配置。
1.1 AI时代首选Python
人工智能就是用编程实现各种算法和数据建模。提起编程，以前大家可能更注重C语言和Java语言，但是现在，Python在数据科学领域运用广泛，相信大家早已在各大媒体和圈子中看到Python与日俱增的发展前景，可以说，Python已经成为当下最火的编程语言之一了（见图1-1）。
图1-1 AI时代首选Python
1.1.1 Python的特点
Python被当作“核心武器”肯定是有原因的，进入AI行业，大家最初给自己的定位基本都是工程师，办事效率肯定是越高越好，这跟Python的出发点也是一致的，试问：能用1行代码解决的问题，何必用10行呢？
如果大家学过C语言，肯定会觉得它用起来还是比较麻烦的，限制非常多。但是用Python写起程序来可以更随性一些，没有那么多的语法束缚，用起来容易，学起来也很简单。
当要实际完成一项编程任务时，肯定需要借助各种工具，Python提供了非常丰富的工具包来解决各种数据处理、分析、建模等问题。我们只要调用工具包，就可以轻轻松松地完成任务，相当于前人已经种好了树，我们去乘凉就好了。
那么，Python在其他领域应用得怎么样呢？大家可能听过“Python全栈开发”这个概念，所以Python相当于“万金油”，只要把它学好了，应用还是十分广泛的。
总结起来就是一句话：简洁、高效，用起来舒服！对于初学者来说，Python是很友好的，可以说它是最简单易学的编程语言。
1.1.2 Python该怎么学
很多零基础的读者的第一想法可能就是先去买一本非常厚的Python教材，然后慢慢地从入门到精通……其实我认为语言只是用来帮助解决问题的工具，不建议去找一本特别厚的书，来个半年学习计划，用最短的时间学习最基础的、暂时够用的知识就可以了，越高级的语法用到的概率越小，先入手用起来，然后边做案例边学习才是高效的学习方法。
推荐大家先熟悉Python的基础部分，到图书馆随便找本这方面的书，或者看看Python的在线课程都可以，有其他语言基础的同学学习2～3天就能用起来，第一次接触编程语言的人花一周的时间也会学得差不多了。
在后续的章节中本书还会涉及Python工具包的使用，其实这些工具的使用方法在其官方文档中都写得清清楚楚，并不需要全部背下来，只需要熟练操作即可，真正用到它的时候，还是要看看文档中每一个参数的具休含义。
1.2 人工智能的核心——机器学习
到底该如何学习人工智能呢？可以说，人工智能这个圈子太大了，各行各业都有涉及，可选择的方向也五花八门、各不相同，包括数据挖掘、计算机视觉、自然语言处理等各大领域。那么，是不是每个方向要学习的内容差别很大呢？不是的。其实最核心的就是机器学习，你要做的一切都离不开它，所以无论选择哪个领域，一定要把基础打牢。因此，第一个目标就是搞定机器学习的各大算法，并掌握其应用实践方法。
1.2.1 什么是机器学习
可能有些读者对机器学习还不是很熟悉，只不过因为最近这个词比较火才准备投身这个领域中。举一个小例子，我以前特别喜欢玩一款叫作《梦幻西游》的游戏。弃坑之后，游戏方的客服经理总给我打电话，说“迪哥能不能回来接着玩耍（充值）呀，帮派的小伙伴都十分想念你……”这时候我就想：他们为什么会给我打电话呢？这款游戏每天都有用户流失，不可能给每个用户都打电话吧，那么肯定是挑重点用户来沟通了。其后台肯定有玩家的各种数据，例如游戏时长、充值金额、战斗力等，通过这些数据就可以建立一个模型，用来预测哪些用户最有可能返回来接着玩啦！
机器学习要做的就是在数据中学习有价值的信息，例如先给计算机一堆数据，告诉它这些玩家都是重点客户，让计算机去学习一下这些重点客户的特点，以便之后在海量数据中能快速将它们识别出来。
机器学习能做的远不止这些，数据分析、图像识别、数据挖掘、自然语言处理、语音识别等都是以其为基础的，也可以说人工智能的各种应用都需要机器学习来支撑（见图1-2）。现在各大公司越来越注重数据的价值，人工成本也是越来越高，所以机器学习也就变得不可或缺了。
再给大家简单介绍一下学会机器学习之后可能从事的岗位，最常见的就是数据挖掘岗，即通过建立机器学习模型来解决实际业务问题，就业前景还是非常不错的，基本所有和数据打交道的公司都需要这个岗位。
图1-2 机器学习的应用领域
接下来就是当下与人工智能结合最紧密的计算机视觉、自然语言处理和语音识别了。说白了就是要让计算机能看到、听到、读懂人类的数据。相对来说，我觉得计算机视觉领域发展会更快一些，因为随着深度学习技术的崛起，越来越多的研究人员加入这个行列，落地的项目更是与日俱增。自然语言处理和语音识别也是非常不错的方向，至于之后的路怎么走还是看大家的喜好吧，前提都是一样的—— ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。