Python编程基础与案例教程

评分0.0分

本书从Python编程入门出发，采用理论与实践相结合的方式，通过对编程范式、数据结构、程序调试技术，以及实际应用项目的讲解，帮助读者快速掌握Python语言编程基础。 全书共12章，第1～4章介绍面向过程编程范式（顺序结构、选择结构、循环结构）；第5章介绍函数式编程范式；第6章介绍面向对象编程范式（类、对象、方法、属性）；第7～9章介绍Python数据结构（列表、字典、数据框、字符串、文件等）；第10章介绍程序调试技术（抛出异常）；第11、12章通过实际应用项目带领读者体验Python语言编程的两个重要应用场景（爬虫、可视化）。 本书可以作为人工智能相关课程的教材，也可作为Python爱好者的参考书。

R语言

评分9.4分

近年来，R语言可谓是数据分析的热门语言，相关的资料五花八门，让读者难以抉择。本书力求用简洁、精练，以理论与实践相结合的方式让大家快速掌握R语言。全书共14章，第1章为绪论，从数学、统计学和逻辑学3个方面探讨了树立正确数据思维的一些原则；其余各章分为基础篇（第2～10章）、应用篇（第11、12章）和进阶篇（第13、14章）。基础篇按照数据分析过程，主要讨论了R的数据结构、数据导入/导出、数据清洗、数据变换、可视化、高级语言编程和常用建模方法。应用篇通过对2个经典案例的分析，使读者能够把学到的R基础知识应用到解决实际问题，把数据变成价值。进阶篇解决如何用R处理大数据的一些技术。本书可用作培养应用型人才的课程教材，也可作为数据分析爱好者的参考资料。

数据分析师养成宝典

评分8.9分

在数据为主导的今天，对于一种已经成型的模型，“怎么用”通常不是问题，用个软件或者编几行程序就能得到结果了，问题一般都出在模型“什么时候用”和“用完了，然后呢”。《数据分析师养成宝典》就集中讨论后面两件事情。《数据分析师养成宝典》共27章，分为业务理解篇（第1~4章）、指标设计篇（第5~7章）、数据建模篇（第8~16章）、价值展现篇（第17~19章）和实战进阶篇（第20~27章）。业务理解篇的目的是让读者建立正确的思维观，理解数据，熟悉业务；指标设计篇学习把数据转换为专家数据的一些技巧；数据建模篇以R语言为计算平台实施数据分析全过程；价值展现篇主要讨论如何撰写有价值的数据分析报告；实战进阶篇通过对8个经典案例的分析，使读者能够把学到的思维方法、实施工具应用到解决实际问题中，把数据变成价值。本书可供数据科学相关技术人员阅读，也可作为高等院校数据科学相关专业的教材或培训教材，以及数据分析爱好者的参考读物。