Julia数据科学应用 下载 pdb txt pdf 百度云 kindle umd 夸克云

数据科学通过各种统计学和机器学习的技术与方法，将数据转换为有用的信息或知识。Julia 是一种在数据科学领域逐渐流行起来的语言。

本书会提出一系列在数据科学流程中常见的、有代表性的实际问题，并指导读者使用 Julia 去解决这些问题。全书共13章，涵盖了 Julia 基础知识、工作环境搭建、语言基础和高级内容、数据科学应用、数据可视化、机器学习方法（包括无监督式学习方法和监督式学习方法）、图分析方法等重要的话题。附录部分给出了学习和使用Julia的一些有用的参考资料，还给出了各章的思考题的答案。

本书适合对数据科学的知识和应用方法感兴趣的读者阅读，特别适合有志于学习Julia并从事数据科学相关工作的人员学习参考。

第1章 Julia简介 1

1．1 Julia如何提高数据科学水平 2

1．2 Julia 扩展 6

1．3 关于本书 7

第2章 建立数据科学工作环境 9

2．1 Julia IDE 9

2．2 Julia扩展包 13

2．3 IJulia基础 16

2．4 要使用的数据集 21

2．5 在Julia中实现一个简单的机器学习算法 25

2．6 将工作区保存到数据文件 32

2．7 帮助 36

2．8 小结 36

2．9 思考题 37

第3章 Julia入门 39

3．1 数据类型 39

3．2 数组 42

3．2．1 数组基础 42

3．3 字典 44

3．4 基本命令与函数 45

3．5 数学函数 48

3．6 数组与字典函数 53

3．7 其他函数 59

3．8 运算符、循环语句与条件语句 62

3．9 小结 66

3．10 思考题 67

第4章 Julia进阶 68

4．1 字符串处理 68

4．2 定制函数 74

4．3 实现简单算法 77

4．4 创建完整解决方案 79

4．5 小结 83

4．6 思考题 84

第5章 Julia数据科学应用概述 85

5．1 数据科学工作流程 85

5．2 数据工程 88

5．3 数据建模 93

5．4 信息萃取 96

5．5 保持开放型思维 99

5．6 在实际问题中应用数据科学流程 99

5．7 小结 103

5．8 思考题 105

第6章 Julia数据工程 106

6．1 数据框 106

6．2 导入与导出数据 115

6．3 数据清洗 117

6．4 数据格式化与转换 119

6．5 对数值型数据进行转换 120

6．6 初步的特征评价 126

6．7 小结 128

6．8 思考题 129

第7章 探索数据集 130

7．1 倾听数据 130

7．2 计算基本统计量和相关性 131

7．3 绘制统计图 136

7．4 假设检验 145

7．5 其他检验 151

7．6 统计检验附加说明 151

7．7 案例研究：探索OnlineNewsPopularity数据集 151

7．8 小结 156

7．9 思考题 159

第8章 构建数据空间 160

8．1 主成分分析 161

8．2 特征评价与选择 165

8．3 其他数据降维技术 170

8．4 小结 172

8．5 思考题 173

第9章 数据抽样与结果评价 175

9．1 抽样技术 175

9．2 分类问题的性能指标 177

9．3 回归问题的性能指标 185

9．4 K折交叉验证（KFCV） 188

9．5 小结 190

9．6 思考题 192

第10章 无监督式机器学习 193

10．1 无监督式学习基础知识 193

10．2 使用K-均值算法分组数据 196

10．3 密度和DBSCAN算法 199

10．4 层次聚类 201

10．5 聚类的验证方式 203

10．6 关于有效进行聚类的一些建议 204

10．7 小结 206

10．8 思考题 207

第 11章 监督式机器学习 209

11．1 决策树 210

11．2 回归树 214

11．3 随机森林 216

11．4 基本神经网络 220

11．5 极限学习机 224

11．6 用于回归分析的统计模型 227

11．7 其他监督式学习系统 230

11．8 小结 233

11．9 本章思考题 235

第12章 图分析 236

12．1 图的重要性 237

12．2 定制数据集 239

12．3 图的统计量 240

12．4 环的检测 242

12．5 连通子图 244

12．6 团 245

12．7 图的路径 246

12．8 生成树 248

12．9 Julia在图分析中的作用 251

12．10 小结 252

12．11 思考题 254

第13章 更上一层楼 255

13．1 Julia社区 255

13．2 学以致用 257

13．3 在数据科学中使用Julia的思考 260

附录A 下载安装Julia与IJulia 264

附录B 与Julia相关的一些常用站点 266

附录C 本书所用的扩展包 268

附录D Julia与其他平台的集成 269

D．1 Julia与R的集成 269

D．2 Julia与Python的集成 270

附录E Julia中的并行处理 272

附录F 各章思考题答案 275

Zacharias Voulgaris 出生于希腊雅典。就读于克里特理工大学生产工程与管理专业，后转而学习计算机科学，在伦敦城市大学获得了信息系统与技术的硕士学位，此后，又研究数据科学，在伦敦大学获得了机器学习博士学位。他曾在佐治亚理工大学工作并任研究员，担任过 SEO 经理、数据科学家，还做过 Microsoft 公司的程序经理，负责 Bing 的数据分析流程。除了数据科学，他对新技术、文学和音乐抱有浓厚的兴趣。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Julia数据科学应用在线阅读

在线听书地址：Julia数据科学应用在线收听

在线购买地址：Julia数据科学应用在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

数据科学通过各种统计学和机器学习的技术与方法，将数据转换为有用的信息或知识。Julia 是一种在数据科学领域逐渐流行起来的语言。

本书会提出一系列在数据科学流程中常见的、有代表性的实际问题，并指导读者使用 Julia 去解决这些问题。全书共13章，涵盖了 Julia 基础知识、工作环境搭建、语言基础和高级内容、数据科学应用、数据可视化、机器学习方法（包括无监督式学习方法和监督式学习方法）、图分析方法等重要的话题。附录部分给出了学习和使用Julia的一些有用的参考资料，还给出了各章的思考题的答案。

本书适合对数据科学的知识和应用方法感兴趣的读者阅读，特别适合有志于学习Julia并从事数据科学相关工作的人员学习参考。