跟随机器学习最佳实践，探秘金融中的科技思维Key Features配套代码+彩色图片帮助读者快速上手详细的理论推到和算法分析，引导读者了解机器学习的内核知识点与代码示例环环相扣，理论与编程实践完美结合Book Description机器学习是设计与应用算法的科学，可从数据中进行学习和预测，其应用已经非常普遍。金融领域集中了大量的交易数据，为人工智能技术的运用奠定了良好的数据基础。本书面向金融领域的读者，介绍了机器学习技术的原理与实践。 本书包括10章，介绍了神经网络算法、结构化数据的处理、计算机视觉处理技术、时间序列分析、自然语言处理、生成模型的应用、强化学习技术、数据建模与调试、贝叶斯推理和概率编程等内容。 本书由资深金融从业者编写，融合了其在金融项目中关于机器学习的实践经验，适合金融领域的数据科学家、数据分析师、金融科技公司的技术研发人员以及对金融领域的机器学习技术感兴趣的读者阅读。What you will learn

学习流行的开源Python模块，掌握强大的数据分析技术Key Features最实用的Python开源模块的大集合；简单易懂、示例丰富的数据分析教程；掌握数据可视化、机器学习等高端主题；新手变身数据分析专家的最佳读本；Book Description作为一种高级程序设计语言，Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组、matplotlib和pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的最后，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。 本书示例丰富、简单易懂，非常适合对Python语言感...

用Java代码释放神经网络无穷力量Key Features本书完整地演示了使用Java开发神经网络的过程既有非常基础的实例也有高级实例。Book Description神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的最合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有“一次编写，随处运行”的可移植性。 本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 最后，你将学习实时优化和自适应神经网络的方法。 本书所有的示例都提供了说明性的源代码，这些源代码综合了面向对象编程（OOP）概念和神经网络特性，以帮助你更好的学习。What you will learn

基于Python语言的预测分析实战Key Features涵盖从问题识别到模型部署的预测分析全过程基于Python语言实现，辅以实例，侧重于实战用Python实现高性能预测分析方案用Keras构建可实现精准预测的神经网络模型Book Description本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。 本书适合想要学习预测建模并对用 Python 工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。What you will learn学习...

拥抱机器学习，用Python实现无监督学习算法，构建高效且实用的解决方案Key Features包含多个示例和讲解全面揭示了无监督学习的内涵与实现技巧Book Description机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式，是数据科学的一个重要分支，常用于数据挖掘领域，通过构建模型来为业务决策提供依据。 本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。 本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。What you will learn

PyMC3和ArviZ的核心开发者教你用Python实现统计建模和概率编程Key Features来自核心开发者的经验总结经典好书，全彩升级图文并茂，通俗易懂Book Description本书是一本概率编程的入门书。本书使用概率编程库 PyMC3以及可视化库 ArviZ对贝叶斯统计分析的相关知识进行讲解，包括概率思维、概率编程、线性回归建模、广义线性模型、模型比较、混合模型、高斯过程以及推断引擎等知识。全书图文并茂，通俗易懂，适合具备一定 Python基础的读者学习使用。学完本书，读者可以利用概率思维建立贝叶斯模型并解决自己的数据分析问题。What you will learn掌握高斯分布、组间比较、分层模型、泊松回归、鲁棒逻辑回归、GLM模型、后验预测检查、信息准则、WAIC、有限混合模型、非有限混合模型、Cox过程、推断引擎等内容可以利用概率思维建立贝叶斯模型并解决自己的数据分析问题

使用PyTorch开发神经网络的实用指南 提供本书彩图和源代码下载Key Features使用PyTorch构建神经网络模型的实用指南从PyTorch的安装讲起，介绍为现代深度学习提供驱动力的多个基础模块，以及使用CNN、RNN、LSTM以及其他网络模型解决问题的方法Book Description深度学习为世界上的智能系统（比如Google Voice、Siri和Alexa）提供了动力。随着硬件（如GPU）和软件框架（如PyTorch、Keras、TensorFlow和CNTK）的进步以及大数据的可用性，人们在文本、视觉和高级分析等领域更容易实施相应问题的解决方案。 本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络...

MATLAB机器学习实战Key Features知名MATLAB用 MATLAB 进行机器学习建模的入门书。真实案例+图表展示多种回归模型，真实再现用MATLAB实现数据应用，且侧重于实际应用。中国量化投资学会MATLAB技术分会会长、MATLAB技术论坛联合创始人李洋领衔翻译，在原书基础上增加了专业、细致的修订。Book DescriptionMATLAB为机器学习领域提供了必要的工具。用户可以借助MATLAB环境提供的强大交互式图形界面，非常轻松地解决机器学习问题。 本书在介绍每个主题前，会简要概述其理论基础，然后辅以实际案例进行阐释。通过阅读本书，读者能够应用机器学习方法，并能充分利用MATLAB的功能解决实际问题。 本书前3章主要介绍MATLAB机器学习的基础知识、使用MATLAB导入数据和组织数据的方法以及从数据到知识发掘的方法，中间3章主要介绍回归分析、分类分析以及无监督学习，最后3章介绍人工神经网络、降维变换的方法以及机器学习实战的...

用简单易学的示例，带你驶入机器学习的快车道Key Features书中示例浅显易懂，涵盖多种应用场景讲解方式生动有趣。Book Description本书开篇介绍Python语言和机器学习开发环境的搭建方法。后续章节介绍相关的重要概念，比如数据分析、数据预处理、特征抽取、数据可视化、聚类、分类、回归和模型性能度量等。本书包含多个项目案例，涉及几种重要且有趣的机器学习算法，引导读者从头实现自己的模型。学完本书，你将了解机器学习生态系统的全貌，并掌握机器学习技术的实践和应用。 在本书的帮助下，你将学会用强大却很简单的Python语言来处理数据科学难题，并构建自己的解决方案。书中示例浅显易懂，涵盖多种应用场景：新闻话题分类、垃圾邮件过滤、在线广告点击率预测和股票价格预测等，讲解方式生动有趣。 • 本书包括以下内容： • 利用Python语言抽取数据、处理数据和探索数据； • 用Python对多维数据进行可视化，并抽取有用特征； • 深入钻研数据分析技术，正确预测发展趋势...

让数据科学的学习有趣又自然；数据科学入门的概念手册和实用手册；集数据思维、概率统计基础、主流机器学习技术、应用案例和实操代码于一体的“数据科学百宝书”Key Features由浅入深，通过案例和Python代码讲解内容涵盖数据科学的全过程Book Description数据科学家是目前最热门的职业之一。本书的目的是帮助你掌握数学、编程和商业分析的综合技能。通过本书，你将能够自信地提出并解答复杂的数据问题，从抽象和原始的统计信息发掘并完善可执行的想法。通过将数学和计算机编程技能相结合，你将踏上成为数据科学家的激动人心的旅程。 本书介绍了数据科学的全过程，包括数据准备、数据清洗，以及如何选择有效的数据挖掘策略和技巧，从而深入理解数据科学的方方面面。你将学到数学和统计学的核心知识，以及数据科学家和分析师经常使用的代码。你将了解机器学习，学会用常见的统计学模型分析稠密数据集，创建有说服力的可视化图表，并和他人交流分析结果。 本书适合有志于成为数据科学家的师生或业界新手，同...

一周掌握常用的数据科学算法 本书提供完整源代码实现，案例式辅助讲解Key Features7种数据科学算法高效进行数据分类及预测从简单的例子开始讲解算法的基本概念与知识通过对案例进行扩展以讲解一些特殊的分析算法Book Description机器学习的应用是高度自度化且自动修正的。学习到的数据越多，机器学习应用需要的人工干预就越少。为了解决现实世界中复杂的数据问题，科学家们开发出专门的机器学习算法来解决这些问题。数据科学正是通过算法和统计分析来帮助读者从现有数据中获取新知识的。 本书将解决如何精确且高效地进行数据分类及预测的问题。本书主要讲解7种数据科学算法，有k最近邻算法、朴素贝叶斯算法、决策树、随机森林，k-means聚类、回归分析和时间序列分析。 此外，你还会掌握如何对数据进行预聚类，以便针对大型数据集进行优化和分类。最后，你将了解如何根据数据集中的现有趋势来预测数据。本书的各章还有配套的练习题，以帮助你夯实内容，扩展相关知识。 本书适合数...

利用Python设计模式解决软件架构和设计中的实际问题Key FeaturesPython软件基金会董事会成员Anand B Pillai倾情作序本书全面揭示有关设计模式的内容结合Python语言进行示例化的解析Book Description随着人们对优化软件架构和设计的关注度的不断提高，软件架构师也愈发认识到在架构和设计层面，对象创建、代码结构和对象之间的交互优化的重要性。因为这样不仅能够降低软件的维护成本，而且还能确保代码的可重用性，提高代码适应变化的能力。在上一版成功的基础上，本书的第2版将利用Python 3.5来帮助读者实现现实世界的各种场景。 本书首先从Python的角度对各种设计模式进行了介绍。然后，逐步带领读者深入学习单例模式、工厂模式和门面模式。之后，还介绍了如何使用代理模式来控制对象访问。此外，本书还讲解了观察者模式、命令模式和复合模式。通过阅读本书，读者能够进一步提高其在软件架构、设计和开发方面的专业技能。 本书的目标读者...