亚洲一区二区三区在线网址_青草草97超级碰碰碰_黄又色又污又爽又高潮动态图_国产亚洲精品久久久久9999 _国产精品青草久久福利不卡_18禁止观看强奷网站播放器_亚洲人成网站18禁止中文字幕_日本亚洲精品无码区国产电影_欧美一本大道高清视频_国外亚洲成av人片在线观看

1.目錄

1編程和數(shù)據(jù)科學(xué)——一個(gè)新的工具集1
什么是數(shù)據(jù)科學(xué)1
數(shù)據(jù)科學(xué)會(huì)長(zhǎng)期存在嗎？2
為什么數(shù)據(jù)科學(xué)正在興起？3
數(shù)據(jù)科學(xué)與開(kāi)發(fā)人員有什么關(guān)系？4
將這些概念付諸實(shí)踐5
深入研究一個(gè)具體的示例6
數(shù)據(jù)管道藍(lán)圖7
數(shù)據(jù)科學(xué)家應(yīng)該具備什么技能？9
IBM Watson Deep QA10
回到Twitter帶#標(biāo)簽的情感分析項(xiàng)目13
從構(gòu)建第一條企業(yè)級(jí)數(shù)據(jù)管道中汲取的經(jīng)驗(yàn)教訓(xùn)15
數(shù)據(jù)科學(xué)策略16
Jupyter Notebook是我們的戰(zhàn)略核心18
為什么Notebook這么流行？19
本章小結(jié)21
2Python和Jupyter Notebook為數(shù)據(jù)分析提供動(dòng)力23
為什么選擇Python？23
PixieDust入門(mén)27
SampleData——一個(gè)用于加載數(shù)據(jù)的簡(jiǎn)單API31
用pixiedust_rosie整理數(shù)據(jù)36
Display——一個(gè)簡(jiǎn)單的交互式數(shù)據(jù)可視化API42
過(guò)濾50
用PixieApp消除開(kāi)發(fā)人員和數(shù)據(jù)科學(xué)家之間的壁壘52
操作化數(shù)據(jù)科學(xué)分析的體系結(jié)構(gòu)55
本章小結(jié)59
3使用Python庫(kù)加速數(shù)據(jù)分析60
PixieApp深度剖析61
路由62
生成路由請(qǐng)求65
GitHub項(xiàng)目跟蹤示例程序67
在表格中顯示搜索結(jié)果70
使用pd_entity屬性調(diào)用PixieDust display()API78
使用pd_調(diào)用任意Python代碼85
用pd_refresh讓?xiě)?yīng)用程序更具響應(yīng)性90
創(chuàng)建可重用的小部件93
本章小結(jié)94
4用PixieApp工具發(fā)布數(shù)據(jù)分析結(jié)果95
Kubernetes概述96
安裝和配置PixieGateway服務(wù)器97
PixieGateway服務(wù)器配置101
PixieGateway體系結(jié)構(gòu)105
發(fā)布應(yīng)用程序108
PixieApp URL中的編碼狀態(tài)112
通過(guò)將圖表發(fā)布為網(wǎng)頁(yè)來(lái)共享它們114
PixieGateway管理控制臺(tái)118
Python控制臺(tái)120
顯示PixieApp的預(yù)熱和運(yùn)行代碼121
本章小結(jié)121
5Python和PixieDust最佳實(shí)踐與高級(jí)概念122
使用@captureOutput裝飾器集成第三方Python庫(kù)的輸出123
使用@captureOutput創(chuàng)建詞云圖像123
增加模塊化和代碼重用126
使用pd_widget創(chuàng)建小部件128
PixieDust中的流式數(shù)據(jù)支持130
向PixieApp添加流處理功能134
添加帶有PixieApp事件的儀表盤(pán)下鉆功能136
擴(kuò)展PixieDust可視化141
調(diào)試148
使用pdb調(diào)試Jupyter Notebook148
使用PixieDebugger進(jìn)行可視化調(diào)試152
使用PixieDebugger調(diào)試PixieApp路由154
使用PixieDust日志記錄排除問(wèn)題157
客戶(hù)端調(diào)試159
在Python筆記本中運(yùn)行Node.js161
本章小結(jié)165
6分析案例：人工智能與TensorFlow圖像識(shí)別167
什么是機(jī)器學(xué)習(xí)？168
什么是深度學(xué)習(xí)？169
開(kāi)始使用TensorFlow172
用DNNClassifier進(jìn)行簡(jiǎn)單分類(lèi)176
圖像識(shí)別示例應(yīng)用程序187
第1部分——加載預(yù)訓(xùn)練的MobileNet模型188
第2部分——為我們的圖像識(shí)別示例應(yīng)用程序創(chuàng)建一個(gè)PixieApp196
第3部分——集成TensorBoard圖形可視化200
第4部分——使用自定義訓(xùn)練數(shù)據(jù)重新訓(xùn)練模型206
本章小結(jié)217
7分析案例:自然語(yǔ)言處理、大數(shù)據(jù)與Twitter情感分析218
ApacheSpark入門(mén)218
Apache Spark體系結(jié)構(gòu)219
將Notebook配置為使用Spark220
“Twitter情感分析”應(yīng)用程序222
第1部分——以Spark Structured Streaming獲取數(shù)據(jù)223
數(shù)據(jù)管道的體系結(jié)構(gòu)圖224
Twitter的身份驗(yàn)證224
創(chuàng)建Twitter流226
創(chuàng)建Spark Streaming DataFrame229
創(chuàng)建和運(yùn)行結(jié)構(gòu)化查詢(xún)232
監(jiān)控活動(dòng)流式查詢(xún)234
從Parquet文件創(chuàng)建批量DataFrame236
第2部分——用情感和提取的最相關(guān)實(shí)體來(lái)豐富數(shù)據(jù)238
IBM Watson Natural Language Undersanding服務(wù)入門(mén)239
第3部分——?jiǎng)?chuàng)建實(shí)時(shí)儀表盤(pán)246
將分析重構(gòu)為它們自己的方法246
創(chuàng)建PixieApp249
第4部分——使用Apache Kafka和IBM Streams Designer添加可伸縮性258
將原始推文流到Kafka259
使用Streaming Analytics服務(wù)豐富推文數(shù)據(jù)263
使用Kafka輸入源創(chuàng)建Spark Streaming DataFrame270
本章小結(jié)273
8分析案例:預(yù)測(cè)——金融時(shí)間序列分析與預(yù)測(cè)274
NumPy入門(mén)275
創(chuàng)建NumPy數(shù)組278
ndarray運(yùn)算280
NumPy數(shù)組的選擇操作282
廣播284
時(shí)間序列的統(tǒng)計(jì)探索286
虛擬投資293
自相關(guān)函數(shù)(ACF)和偏自相關(guān)函數(shù)(PACF)294
將它們與StockExplorer PixieApp放在一起297
BaseSubApp——所有子PixieApp的基類(lèi)302
StockExploreSubApp——第一個(gè)子PixieApp304
MovingAverageSubApp——第二個(gè)子PixieApp306
AutoCorrelationsubApp——第三個(gè)子PixieApp309
ARIMA模型在時(shí)間序列預(yù)測(cè)中的應(yīng)用312
建立MSFT股票時(shí)間序列的ARIMA模型314
StockExplorer PixieApp第2部分——使用ARIMA模型添加時(shí)間序列預(yù)測(cè)323
本章小結(jié)336
9分析案例:圖形算法——美國(guó)國(guó)內(nèi)航班數(shù)據(jù)分析338
圖形概述338
圖形表示340
圖形算法341
圖形和大數(shù)據(jù)344
networkx圖形庫(kù)入門(mén)345
創(chuàng)建圖形345
可視化圖形347
第1部分——將美國(guó)國(guó)內(nèi)航班數(shù)據(jù)加載到圖中348
圖的中心性357
第2部分——?jiǎng)?chuàng)建USFlightsAnalysis PixieApp366
第3部分——向USFlightsAnalysis PixieApp添加數(shù)據(jù)探索功能376
第4部分——?jiǎng)?chuàng)建預(yù)測(cè)航班延誤的ARIMA模型386
本章小結(jié)399
10數(shù)據(jù)分析的未來(lái)與拓展技能的途徑400
前瞻性思考——人工智能與數(shù)據(jù)科學(xué)的未來(lái)展望401
參考資料403
附錄PixieApp快速參考405
注釋405
自定義HTML屬性408
方法413