精通数据科学：从线性回归到深度学习pdf百度网盘下载地址?
数据科学是一门内涵很广的学科，它涉及到统计分析、机器学习以及计算机科学三方面的知识和技能。本书深入浅出、全面系统地介绍了这门学科的内容。
本书分为13章，最初的3章主要介绍数据科学想要解决的问题、常用的IT工具Python以及这门学科所涉及的数学基础。第4-7章主要讨论数据模型，主要包含三方面的内容：一是统计中最经典的线性回归和逻辑回归模型；二是计算机估算模型参数的随机梯度下降法，这是模型工程实现的基础；三是来自计量经济学的启示，主要涉及特征提取的方法以及模型的稳定性。接下来的8-10章主要讨论算法模型，也就是机器学习领域比较经典的模型。这三章依次讨论了监督式学习、生成式模型以及非监督式学习。目前数据科学最前沿的两个领域分别是大数据和人工智能。本书的第11章将介绍大数据中很重要的分布式机器学习，而本书的最后两章将讨论人工智能领域的神经网络和深度学习。
本书通俗易懂，而且理论和实践相结合，可作为数据科学家和数据工程师的学习用书，也适合对数学科学有强烈兴趣的初学者使用。同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。
PDF书籍作者简介:
唐亘，数据科学家，专注于机器学习和大数据，热爱并积极参与Apache Spark、scikit-learn等开源项目。作为讲师和技术顾问，为多家机构（包括惠普、华为、复旦大学等）提供百余场技术培训。 此前的工作和研究集中于经济和量化金融，曾参与经济合作与发展组织（OECD）的研究项目并发表论文，并担任英国知名在线出版社Packt的技术审稿人。 曾获得复旦大学的数学和计算机双学士学位；巴黎综合理工的金融硕士学位；法国国立统计与经济管理学校的数据科学硕士学位。
PDF书籍目录:
第1章 数据科学概述 1
第2章 Python安装指南与简介：告别空谈 12
第3章 数学基础：恼人但又不可或缺的知识 36
第4章 线性回归：模型之母 62
第5章 逻辑回归：隐藏因子 97
第6章 工程实现：计算机是怎么算的 138
第7章 计量经济学的启示：他山之石 159
第8章 监督式学习： 目标明确 202
第9章 生成式模型：量化信息的价值 246
第10章 非监督式学习：聚类与降维 290
第11章 分布式机器学习：集体力量 325
第12章 神经网络：模拟人的大脑 353
第13章 深度学习：继续探索 383
本文来自投稿，不代表亲测学习网立场，如若转载，请注明出处：https://www.qince.net/%e7%b2%be%e9%80%9a%e6%95%b0%e6%8d%ae%e7%a7%91%e5%ad%a6%ef%bc%9a%e4%bb%8e%e7%ba%bf%e6%80%a7%e5%9b%9e%e5%bd%92%e5%88%b0%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0-pdf%e7%94%b5%e5%ad%90%e4%b9%a6%e7%b1%8d.html
郑重声明：
本站所有内容均由互联网收集整理、网友上传，并且以计算机技术研究交流为目的，仅供大家参考、学习，不存在任何商业目的与商业用途。 若您需要商业运营或用于其他商业活动，请您购买正版授权并合法使用。
我们不承担任何技术及版权问题，且不对任何资源负法律责任。
如遇到资源无法下载，请点击这里失效报错。失效报错提交后记得查看你的留言信息，24小时之内反馈信息。
如有侵犯您的版权，请给我们私信，我们会尽快处理，并诚恳的向你道歉！
