aaaa84958430的博客

A hands-on guide to deep learning that’s filled with intuitive explanations and engaging practical examples Key Features Designed to iteratively develop the skills of Python users who don’t have a data science background Covers the key foundational concepts you’ll need to know when building deep learning systems Full of step-by-step exercises and activities to help build the skills that you need for the real-world Book Description Taking an approach that uses the latest developments in the Python ecosystem, you’ll first be guided through the Jupyter ecosystem, key visualization libraries and powerful data sanitization techniques before we train our first predictive model. We’ll explore a variety of approaches to classification like support vector networks, random decision forests and k-nearest neighbours to build out your understanding before we move into more complex territory. It’s okay if these terms seem overwhelming; we’ll show you how to put them to work. We’ll build upon our classification coverage by taking a quick look at ethical web scraping and interactive visualizations to help you professionally gather and present your analysis. It’s after this that we start building out our keystone deep learning application, one that aims to predict

量化交易策略被投资大众称为“黑箱”，以难以理解并且难以描述而得名。尽管这种投资方法具有一定的复杂度，但如果得到很好的指导，您同样可以顺利进入这个领域，领略到其中的奥妙。作者里什。纳兰是一位专业基金经理，在书中他站在一个非纯粹技术性的视角介绍了量化交易策略，用生动的文笔带领读者游历整个“黑箱”。本书写作翔实生动，涉猎了金融界丰富的真实案例和市场趣闻，富于智慧地描绘了华尔街的数量金融奇才们是如何工作的。阅读本书的过程，是掀开量化交易神秘面纱的过程，是慢慢理解数量金融大师及其投资策略的过程，也可能是您对量化交易越来越感兴趣的过程

作者: 张连文 出版社: 科学出版 出版年: 2006-11 页数: 290 定价: 58.00元 ISBN: 9787030181701

编辑推荐 《深度学习基础(影印版)(英文)》由东南大学出版社出版。 作者简介 作者：（美国）尼基尔·巴杜马（Nikhil Buduma） 尼基尔·巴杜马（Nikhil Buduma）是Remedy的联合创始人和首席科学家，该公司位于美国旧金山，旨在建立数据驱动为主的健康管理新系统。16岁时，他在圣何塞州立大学管理过一个药物发现实验室，为资源受限的社区研发新颖而低成本的筛查方法。到了19岁，他是国际生物学奥林匹克竞赛的两枚金牌获得者。随后加入MIT，在那里他专注于开发大规模数据系统以影响健康服务、精神健康和医药研究。在MIT，他联合创立了Lean On Me，一家全国性的非营利组织，提供匿名短信热线在大学校园内实现有效的一对一支持，并运用数据来积极影响身心健康。如今，Nikhil通过他的风投基金QVenture Partners投资硬科技和数据公司，还为Milwaukee Brewers篮球队管理一支数据分析团队。

内容简介 深度神经网络是近年来受到广泛关注的研究方向，它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共16章，分为两个部分；第一部分（第1章～10章）系统论述了理论及算法，包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等；第二部分（第11～15章）论述了常用的深度学习平台，以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用；第16章为总结与展望，给出了深度学习发展的历史图、前沿方向及最新进展。每章都附有相关阅读材料及仿真代码，以便有兴趣的读者进一步钻研探索。 本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考，以及作为相关专业本科生及研究生教学参考书，同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。

《分类数据分析》内容简介：由于分类数据分析技术的发展以及分类数据在现实应用中的独特价值，许多统计系或生物统计系都开设了有关分类数据分析的课程。《分类数据分析》可以用作该类课程的教科书。《分类数据分析》的第1-7章涵盖了该类课程的核心内容。其中，第1-3章介绍分类结果变量的分布以及传统的二维列联表分析方法。第4-7章介绍关于二分和多项分布结果变量的Logistic回归以及相应的Logit模型。第8章和第9章的内容则是用于分析列联表数据的对数线性模型。随着时间的推移，对数线性模型的重要性似乎有所降低，所以本版在一定程度上缩减了对该模型的讨论，并相应增加了有关logistic回归的内容。 在过去10年间，这一领域的新发展主要集中于对重复测量和其他形式的群组分类数据的分析方法。第10-13章讲述这些方法，其中包括边际模型和具有随机效应的广义线性混合模型。第14-15章介绍《分类数据分析》所使用的最大似然估计的理论基础以及其他可供选择的估计方法。第16章简单回顾了分类数据分析技术的发展历程，并介绍了诸如皮尔逊和费舍尔等著名统计学家的贡献，他们的开创性工作为分类数据分析方法的发展奠定了基础。

推荐系统最详细的电子书，研究推荐系统必备的资料，英文版

《非参数统计:方法与应用》作为该课题的一个成果1996年奉献给读者。第一，作者在承担国家教委人文社会科学研究八五规划项目博士点基金项目年代我国居民消费结构及倾向的研究过程中，感到在很多情况下，参数统计方法的运用受到限制，如研究居民消费行为、居民收人等级与消费结构的关系等等，从而转向了非参数统计方法的探讨。第二，作者经过多年学术的实践，用《非参数统计:方法与应用》作为教材深受学生喜爱，在对原书修改的基础上使用SPSS软件进行计算。

《名师考案丛书:高等代数考研教案(第2版)(北大·第三版)》依照北京大学数学系几何与代数教研室编《高等代数》（第三版）的自然章编排，但为了保持前后内容的渗透及关联，对一些章节的内容作了调整。如为了完整地介绍化简二次型的方法（第五章），将特征值、特征向量及矩阵的相似对角化（第七章），正交矩阵及用正交变换化二次型为标准形（第九章）等内容均集中到第五章。

Python是一种面向对象、解释型计算机程序设计语言，其应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算以及推荐系统构建等。 本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料，这为读者的自我检查以及进一步学习提供了较多的便利。在全书的结尾，给出了练习题的提示，方便读者进行查漏补缺。 本书概念和知识点讲解清晰，语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学，也适合高等院校的计算机系学生作为参考教材来阅读。

统计预测和决策（第四版）对应的PPT，并不是电子书，请看好

薛毅 (作者), 陈立萍 (作者) 《统计建模与R软件》以统计理论为基础，按照数理统计教材的章节顺序，在讲明统计的基本概念的同时，以R软件为辅助计算手段，介绍统计计算的方法，从而有效地解决统计中的计算问题。书中结合数理统计问题对R软件进行科学、准确和全面的介绍，以便使读者能深刻理解该软件的精髓和灵活、高效的使用技巧。此外，还介绍了在工程技术、经济管理、社会生活等各方面的丰富的统计问题及其统计建模方法，通过该软件将所建模型进行求解，使读者获得从实际问题建模入手，到利用软件进行求解，以及对计算结果进行分析的全面训练。

《北京大学光华管理学院教材•商务统计系列•应用商务统计分析》是以实际案例驱动的应用统计学教材，包括线性回归、方差分析、协方差分析、0-1变量回归、定序回归、泊松回归、生存模型和自回归等内容。《北京大学光华管理学院教材•商务统计系列•应用商务统计分析》同其他统计学教材的主要区别是强调统计方法在实际案例中的应用，而且所选案例更加真实、复杂。具体而言，《北京大学光华管理学院教材•商务统计系列•应用商务统计分析》每章选用一个案例，并为每个案例提供完整的分析报告和R程序，以方便读者了解数据分析的整个过程。案例的范围涉及上市公司盈利预测、房地产价格分析、企事业单位绩效评估、上市公司ST预测、消费者市场调研、客户关系管理、医学临床实验和宏观经济学。因此，读者在学习统计学知识的同时，还可以分享作者在以上各个领域实际应用的经验与心得。

python中模块scipy和numpy的详细介绍，对于数据挖掘。数据分析利用python有很大帮助

《高等代数与解析几何(下)(第2版)》是《高等代数与解析几何》的修订版，主要有两大基本特色，一是把几何的观念和代数的方法结合起来组织教与学，二是引入相关数学软件来实践代数与几何中的一些基本问题，并提供网上互动式多功能服务站。修订主要有以下几个方面：1．为了降低学习难度，根据第一版使用的经验和反馈，把第一章里有关线性流形和子空间的内容删除，这些概念放到第三章中出现。2．将第一版使用的有向体积定义作为几何意义放在评注中，把几何空间的直线与平面的内容集中放到新设

阿尔贝托·博斯凯蒂、卢卡·马萨罗著的《数据科学导论（Python语言实现）》首先介绍如何设置基本的数据科学工具箱，然后带你进入数据改写和预处理阶段，这一部分主要是阐明所有与核心数据科学活动相关的数据分析过程，如数据加载、转换、修复以及数据探索和处理等；最后，通过主要的机器学习算法、图形分析技术，以及所有易于表现结果的可视化工具，实现对数据科学的概述。 本书行文过程以数据科学项目为主体，辅以整洁的代码和简化的示例，能帮助你理解与项目相关的潜在原理和实际数据集。

《数据挖掘:概念与技术(原书第3版)》完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。《数据挖掘:概念与技术(原书第3版)》对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。

《算法设计与分析基础(第3版)》内容简介：作者基于丰富的教学经验，开发了一套全新的算法分类方法。该分类法站在通用问题求解策略的高度，对现有大多数算法准确分类，从而引领读者沿着一条清晰、一致、连贯的思路来探索算法设计与分析这一迷人领域。《算法设计与分析基础(第3版)》作为第3版，相对前版调整了多个章节的内容和顺序，同时增加了一些算法，并扩展了算法的应用，使得具体算法和通用算法设计技术的对应更加清晰有序；各章累计增加了70道习题，其中包括一些有趣的谜题和面试问题。《算法设计与分析基础(第3版)》十分适合用作算法设计和分析的基础教材，也适合任何有兴趣探究算法奥秘的读者使用，只要读者具备数据结构和离散数学的知识即可

统计自然语言处理第二版，作者宗成庆，《统计自然语言处理(第2版)》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。

王汉生，《MBA精品系列:商务数据分析与应用》从商学院学生的角度出发，通过深入剖析实际案例，向读者展示了统计学在数据分析这一领域的应用。 作者收集了电信、房地产、教育培训、金融等行业的案例，案例内容涉及客户管理、产品定价、消费者偏好、渠道营销、组织行为等领域。首先简要介绍案例背景资料，并引出有待解决的问题，根据问题设计因变量、自变量及初始模型，在分析的过程中逐渐完善统计模型，解释模型的意义，一步一步抽丝剥茧地向读者展示了数据分析的原理、思想及方法。分析过程通过sas软件实现（同时提供r程序演示），作者给出了软件输出结果的解读。值得一提的是，每章还给出了完整的分析报告，为读者日后实际工作提供了示范蓝本。