●譯者序作者簡介技術審核員簡介致謝第1章  簡介0011.1  為何選擇Python0011.2  何時避免使用Python0021.3  Python中的面向對像編程0021.4  在Python中調用其他語言0101.5  將Python模型作為微服務0111.6  高性能API和並發編程014第2章  Python結構化數據提取、轉換和加載0192.1  MySQL0202.1.1  如何安裝MySQLdb0202.1.2  數據庫連接0202.1.3  INSERT操作0202.1.4  READ操作0212.1.5  DELETE操作0222.1.6  UPDATE操作0232.1.7  COMMIT操作0232.1.8  ROLL-BACK操作0242.2  Elasticsearch0262.3  Neo4j Python驅動0292.4  neo4j-rest-client0292.5  內存數據庫0292.6  Python版本MongoDB0302.6.1  將數據導入集合0312.6.2  使用pymongo創建連接0312.6.3  訪問數據庫對像0322.6.4  插入數據0322.6.5  更新數據0322.6.6  刪除數據0322.7  Pandas0332.8  Python非結構化數據提取、轉換和加載0342.8.1  電子郵件解析0342.8.2  主題爬取036第3章  基於Python的監督學習0433.1  使用Python實現降維0433.1.1  相關性分析0443.1.2  主成分分析0463.1.3  互信息0483.2  使用Python進行分類0493.3  半監督學習0503.4  決策樹0503.4.1  哪個屬性優先0503.4.2  隨機森林分類器0523.5  樸素貝葉斯分類器0523.6  支持向量機0543.7  最近鄰分類器0553.8  情緒分析0563.9  圖像識別0573.10  使用Python進行回歸0583.10.1  最小二乘估計0593.10.2  邏輯回歸0603.11  分類和回歸0603.12  使模型高估或低估0613.13  處理分類型數據062第4章  無監督學習—聚類0674.1  K均值聚類0684.2  選擇K—肘部法則0714.3  距離或相似性度量0714.3.1  屬性0724.3.2  一般及歐氏距離0724.3.3  平方歐氏距離0744.3.4  字符串之間的編輯距離0744.4  文檔上下文的相似性0764.5  什麼是層次聚類0774.5.1  自下而上的方法0784.5.2  聚類之間的距離0794.5.3  自上而下的方法0804.5.4  圖論方法0844.6  如何判斷聚類結果是否良好085第5章  深度學習和神經網絡0875.1  反向傳播0885.1.1  反向傳播方法0885.1.2  廣義Delta規則0885.1.3  輸出層權重更新0895.1.4  隱藏層權重更新0905.1.5  反向傳播網絡小結0915.2  反向傳播算法0925.3  其他算法0945.4  TensorFlow0945.5  遞歸神經網絡099第6章  時間序列1076.1  變化的分類1076.2  包含趨勢的序列分析1076.2.1  曲線擬合1086.2.2  從時間序列中去除趨勢1096.3  包含周期性的序列數據分析1106.4  從時間序列中去除周期性1116.4.1  濾波1116.4.2  差分1126.5  轉換1126.5.1  穩定方差1126.5.2  使周期效應累加1136.5.3  使數據呈正態分布1136.6  平穩時間序列1146.6.1  平穩過程1146.6.2  自相關和相關圖1146.6.3  自協方差和自相關函數的估計1156.7  使用Python進行時間序列分析1166.7.1  有用的方法1166.7.2  自回歸過程1186.7.3  估計AR過程的參數1196.8  混合ARMA模型1226.9  集成ARMA模型1236.10  傅裡葉變換1246.11  一個特殊的場景1256.12  數據缺失127第7章  大數據分析1297.1  Hadoop1297.1.1  MapReduce編程1297.1.2  partitioning函數1307.1.3  combiner函數1317.1.4  HDFS文件繫統1407.1.5  MapReduce設計模式1407.2  Spark1467.3  雲分析1487.4  物聯網156

本書介紹高級數據分析概念的廣泛基礎，以及*近的數據庫革命，如Neo4j、彈性搜索和MongoDB。本書討論了如何實現包括局部爬取在內的ETL技術，並應用於高頻算法交易和目標導向的對話繫統等領域。還有一些機器學習概念的例子，如半監督學習、深度學習和NLP。本書還涵蓋了重要的傳統數據分析技術，如時間序列和主成分分析等。

[印] 薩揚·穆霍帕迪亞（Sayan khopadhyay） 著 羅佳 譯