智能數據分析與應用
內容描述
隨著互聯網技術的發展，在新經濟的大時代背景下，各行各業都催生出眾多的全新業態。伴隨大數據、人工智能、區塊鏈等技術的加持，這些業態劃分也越來越精細，社會活動的整體效率也越來越高。然而，這一切都不開數據，特別是高質量的數據。本書圍繞智能數據分析與應用處理業務背景及相關技術，以學習情境的方式介紹了：數據分析工具Beautiful Soup與XPath和數據採集工具Requests；根據數據規模大小和格式，可採用Excel、Tabula或Kettle進行數據處理；數據分析工具NumPy、Pandas和可視化工具Matplotlib，通過Matplotlib進行數據可視化，使得NumPy、Pandas的處理結果更容易觀察、識別。通過基於機器學習算法模型的推薦系統的構建過程，介紹了主流的數據分析框架Spark；通過基於深度學習技術的人臉識別系統的構建過程，介紹了圖像數據的採集、處理、分析，並應用到神經網絡的整個過程，即從數據採集到應用的一個閉環過程。本書理論分析相對較少，側重於動手實踐，適用於應用型本科、高職高專大數據專業學生和希望快速進入大數據、機器學習、人工智能領域的讀者。
目錄大綱
導 言 1
單元1 採集網絡數據 6
學習情境1.1 使用Beautiful Soup庫與XPath語法解析網頁 6
學習情境描述 6
學習目標 7
任務書 7
獲取信息 7
工作計劃 7
進行決策 8
知識準備 9
相關案例 12
工作實施 14
評價反饋 14
拓展思考 15
學習情境1.2 使用Requests採集網絡數據 16
學習情境描述 16
學習目標 16
任務書 16
獲取信息 16
工作計劃 17
進行決策 18
知識準備 18
相關案例 22
工作實施 24
評價反饋 24
拓展思考 25
單元2 對數據進行處理 26
學習情境2.1 使用Excel處理數據 26
學習情境描述 26
學習目標 27
任務書 27
獲取信息 27
工作計劃 27
進行決策 28
知識準備 29
相關案例 32
工作實施 33
評價反饋 33
拓展思考 34
學習情境2.2 使用Tabula處理數據 35
學習情境描述 35
學習目標 35
任務書 35
獲取信息 35
工作計劃 36
進行決策 37
知識準備 37
相關案例 38
工作實施 39
評價反饋 40
拓展思考 41
學習情境2.3 使用Kettle處理數據 41
學習情境描述 41
學習目標 42
任務書 42
獲取信息 42
工作計劃 43
進行決策 44
知識準備 44
相關案例 60
工作實施 64
評價反饋 65
拓展思考 66
單元3 對數值數據進行分析 67
學習情境3.1 使用NumPy創建與索引復雜數據對象 67
學習情境描述 67
學習目標 68
任務書 68
獲取信息 68
工作計劃 68
進行決策 69
知識準備 70
相關案例 73
工作實施 74
評價反饋 75
拓展思考 76
學習情境3.2 對招聘數據的數組進行形態變換 76
學習情境描述 76
學習目標 77
任務書 77
獲取信息 77
工作計劃 77
進行決策 78
知識準備 79
相關案例 81
工作實施 82
評價反饋 83
拓展思考 84
學習情境3.3 讀寫招聘信息數據集 84
學習情境描述 84
學習目標 84
任務書 85
獲取信息 85
工作計劃 85
進行決策 86
知識準備 86
相關案例 88
工作實施 89
評價反饋 89
拓展思考 90
單元4 對數據進行統計及對相關性進行分析 91
學習情境4.1 使用Pandas訪問不同的數據源 91
學習情境描述 91
學習目標 92
任務書 92
獲取信息 92
工作計劃 92
進行決策 93
知識準備 94
相關案例 96
工作實施 97
評價反饋 97
拓展思考 99
學習情境4.2 使用Pandas進行數據處理 99
學習情境描述 99
學習目標 99
任務書 99
獲取信息 99
工作計劃 100
進行決策 101
知識準備 101
相關案例 104
工作實施 105
評價反饋 105
拓展思考 106
學習情境4.3 使用Pandas分析招聘數據 107
學習情境描述 107
學習目標 107
任務書 107
獲取信息 107
工作計劃 108
進行決策 109
知識準備 109
相關案例 112
工作實施 114
評價反饋 114
拓展思考 115
單元5 數據可視化 116
學習情境5.1 掌握Matplotlib的基本應用 116
學習情境描述 116
學習目標 117
任務書 117
獲取信息 117
工作計劃 117
進行決策 118
知識準備 118
相關案例 127
工作實施 128
評價反饋 128
拓展思考 130
學習情境5.2 使用Matplotlib對招聘數據進行可視化分析 130
學習情境描述 130
學習目標 130
任務書 130
獲取信息 131
工作計劃 131
進行決策 132
知識準備 132
相關案例 136
工作實施 138
評價反饋 138
拓展思考 140
學習情境5.3 使用Seaborn對招聘數據進行進一步分析 140
學習情境描述 140
學習目標 140
任務書 141
獲取信息 141
工作計劃 141
進行決策 142
知識準備 143
相關案例 146
工作實施 148
評價反饋 148
拓展思考 149
單元6 使用機器學習算法模型構建推薦系統 150
學習情境6.1 瞭解機器學習的基本原理 150
學習情境描述 150
學習目標 151
任務書 151
獲取信息 151
工作計劃 152
進行決策 153
知識準備 153
相關案例 156
工作實施 159
評價反饋 160
拓展思考 161
學習情境6.2 使用Spark API進行數據分析 161
學習情境描述 161
學習目標 162
任務書 162
獲取信息 162
工作計劃 163
進行決策 164
知識準備 164
相關案例 171
工作實施 172
評價反饋 173
拓展思考 174
學習情境6.3 使用SparkMLib構建推薦系統 174
學習情境描述 174
學習目標 175
任務書 175
獲取信息 175
工作計劃 176
進行決策 177
知識準備 177
相關案例 181
工作實施 183
評價反饋 183
拓展思考 185
單元7 使用深度學習技術構建人臉識別系統 186
學習情境7.1 使用Keras構建神經網絡 186
學習情境描述 186
學習目標 187
任務書 187
獲取信息 187
工作計劃 188
進行決策 189
知識準備 189
相關案例 192
工作實施 202
評價反饋 202
拓展思考 204
學習情境7.2 使用神經網絡構建人臉識別系統 204
學習情境描述 204
學習目標 205
任務書 205
獲取信息 205
工作計劃 206
進行決策 207
知識準備 207
相關案例 218
工作實施 219
評價反饋 220
拓展思考 221
