Python绝技：运用Python成为顶级数据工程师

　　仅仅会Python编程是不够的。想成为一名优秀的数据分析工程师，还需要有全方位、透彻理解问题本质的能力，善于把实际的工作任务拆解成准确的数据问题，并运用相关的知识来解决。本书恰好是从这个角度出发的，它条分缕析地帮助你认识任务的本质，教你从数据的角度来思考、拆解任务，并最终顺利地达成目标。

　　黄文青，目前在百度公司任职，从事大数据、机器学习方向的研究与学习。对于如果成为一名数据工程师，有自己独特的理解与实践。

1 概述 / 1
1．1 何为数据工程师 / 1
1．2 数据分析的流程 / 3
1．3 数据分析的工具 / 11
1．4 大数据的思与辨 / 14
2 关于Python / 17
2．1 为什么是Python / 17
2．2 常用基础库 / 19
2．2．1 Numpy / 19
2．2．2 Pandas / 26
2．2．3 Scipy / 37
2．2．4 Matplotlib / 38
3 基础分析 / 43
3．1 场景分析与建模策略 / 43
3．1．1 统计量 / 43
3．1．2 概率分布 / 48
3．2 实例讲解 / 55
3．2．1 谁的成绩更优秀 / 55
3．2．2 应该库存多少水果 / 57
4 数据挖掘 / 60
4．1 场景分析与建模策略 / 60
4．1．1 分类 / 61
4．1．2 聚类 / 76
4．1．3 回归 / 86
4．1．4 关联规则 / 90
4．2 数据挖掘的重要概念 / 93
4．2．1 数据预处理 / 93
4．2．2 评估与验证 /97
4．2．3 Bagging 与Adaboost / 99
4．2．4 梯度下降与牛顿法 / 102
4．3 实例讲解 /105
4．3．1 信用卡欺诈监测 / 105
4．3．2 员工离职预判 /110
5 深度学习/ 114
5．1 场景分析与建模策略 / 115
5．1．1 感知机 / 115
5．1．2 自编码器 / 119
5．1．3 限制玻尔兹曼机 /123
5．1．4 深度信念神经网络 / 127
5．1．5 卷积神经网络 / 129
5．2 人工智能应用概况 / 137
5．2．1 深度学习的历史 /137
5．2．2 人工智能的杰作 / 140
5．3 实例讲解 / 146
5．3．1 学习识别手写数字 / 146
5．3．2 让机器认识一只猫 / 151
6 大数据分析 / 160
6．1 常用组件介绍 / 160
6．1．1 数据传输 / 165
6．1．3 数据计算 / 174
6．1．4 数据展示 / 180
6．2 大数据处理架构 / 188
6．2．1 Lambda 架构 / 189
6．2．2 Kappa 架构 / 192
6．2．3 ELK 架构 / 193
6．3 项目设计 / 194
参考文献 / 202