• 数据思维实践 潘蕊 北京大学出版社
  • 数据思维实践 潘蕊 北京大学出版社
  • 数据思维实践 潘蕊 北京大学出版社
  • 数据思维实践 潘蕊 北京大学出版社
  • 数据思维实践 潘蕊 北京大学出版社
  • 数据思维实践 潘蕊 北京大学出版社
21年品牌 40万+商家 超1.5亿件商品

数据思维实践 潘蕊 北京大学出版社

收到书籍不满意联系客服送运费险退货。二手书不配有光盘、答案、激活码等其他附件。

9.81 1.2折 79 八五品

库存80件

湖南长沙
认证卖家担保交易快速发货售后保障

作者潘蕊

出版社北京大学出版社

ISBN9787301296141

出版时间2018-08

装帧其他

开本16开

定价79元

货号9787301296141

上书时间2024-08-14

小玉米书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:八五品
商品描述
导语摘要
数据科学人才培养教程!

作者简介
潘蕊,中央财经大学统计与数学学院副教授,硕士生导师。北京大学光华管理学院商务统计与经济计量系博士。狗熊会联合创始人,狗熊会“人才计划”项目发起人。研究兴趣为高维数据分析、社交网络统计建模等。在JASA、Annals等统计学期刊发表论文十余篇,主持国家自然科学基金1项。
狗熊会,数据产业高端智库,使命是“聚数据英才,助产业振兴”!关注数据科学基础教育,希望通过生产优质的数据科学教学内容,提供很好的研究、实践和就业机会,帮助相关专业教师、学生及从业者充分享受数据分析的快乐,促进个人职业的发展。本书的其他作者均为狗熊会的核心团队成员。

目录
目 录

第1章选题与背景

1.1TASK概述

1.2确定选题

1.2.1选题的思考路径

1.2.2可能的选题方向

1.2.3补充材料

1.2.4课后作业

1.3学写背景介绍

1.3.1如何写背景介绍

1.3.2背景介绍经常出现的问题

1.3.3课后作业

1.4范例与点评

1.4.1范例一

1.4.2范例二

1.4.3范例三

第2章数据的获取与描述

2.1数据的获取

2.1.1搭建框架

2.1.2确定问题形式

2.1.3选措辞、排结构

2.1.4评估、预测试

2.1.5课后作业

2.2数据介绍与说明

2.2.1数据变量说明表

2.2.2用PPT介绍数据

2.2.3常见的问题

2.2.4课后作业

2.3数据的描述——外表美

2.3.1描述分析简介

2.3.2描述分析的整体规范

2.3.3统计图的规范

2.3.4课后作业

2.4数据的描述——内在美

2.4.1准确使用统计图

2.4.2写好描述性文字

2.4.3扩展阅读材料

2.4.4课后作业

2.5范例与点评

2.5.1范例一

2.5.2范例二

2.5.3范例三

第3章模型的建立

3.1建模的流程

3.1.1建模前的准备

3.1.2模型的选择与建立

3.1.3模型的解读与评价

3.1.4课后作业

3.2无监督学习:数据降维

3.2.1主成分分析

3.2.2因子分析

3.2.3课后作业

3.3无监督学习:聚类分析

3.3.1聚类分析概述

3.3.2层次聚类法

3.3.3K均值聚类法

3.3.4课后作业

3.4有监督的学习:连续型因变量

3.4.1模型的建立与估计

3.4.2结果的整理与解读

3.4.3模型诊断与改进技巧

3.4.4模型选择:准则和步骤

3.4.5课后作业

3.5有监督的学习:离散型因变量

3.5.1逻辑回归模型

3.5.2模型的评价

3.5.3决策树

3.5.4课后作业

3.6文本分析

3.6.1文本分析可以干什么

3.6.2文本分析的主要内容

3.6.3文本分析基本流程

3.6.4文本分析示例

3.6.5课后作业

第4章表达与沟通

4.1报告的撰写

4.1.1报告概述

4.1.2报告的核心要素

4.1.3如何撰写优秀的报告

4.1.4课后作业

4.2PPT的制作

4.2.1PPT的特点

4.2.2制作PPT的步骤

4.2.3示范与点评

4.2.4课后作业

4.3以PPT为核心的表达与沟通

4.3.1从“表达与沟通”的角度看PPT制作的问题

4.3.2表达与沟通的注意事项

4.3.3课后作业

4.4代码规范

4.4.1代码注释

4.4.2代码命名规则

4.4.3代码模块化

4.4.4代码调试

4.4.5代码效率优化

4.4.6课后作业

第5章实战案例

5.1案例一

5.2案例二

5.3案例三

5.4案例四

5.5案例五

5.6案例六

参考文献

内容摘要
本书通过数据学习解决各种商业问题的完整流程,让读者在解决问题的过程中学习各种数据分析方法,包括柱状图、交叉列表统计、多元回归分析、逻辑回归分析、聚类、主成分分析、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据,对如何加工数据以用于数据分析也进行了详细的介绍。读者可以使用R语言实际操作数据,体验真实的数据分析流程。本书主要内容包括:一章数据分析背景;第二章数据的获取;第三章数据说明与描述;第四章数据模型建立;第五章表达与沟通以及商业报告的撰写;第六章商业案例精选。
本书适合从事数据分析的读者,特别是希望快速上手实战的读者阅读。

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP