ApacheCN 数据科学译文集 20210313 更新

新增了五个教程：

• Python 和 Jupyter 机器学习入门
  • 零、前言
  • 一、Jupyter 基础知识
  • 二、数据清理和高级机器学习
  • 三、Web 爬取和交互式可视化
• Python 数据科学和机器学习实践指南
  • 零、前言
  • 一、入门
  • 二、统计和概率回顾和 Python 实践
  • 三、Matplotlib 和高级概率概念
  • 四、预测模型
  • 五、Python 机器学习
  • 六、推荐系统
  • 七、更多数据挖掘和机器学习技术
  • 八、处理真实数据
  • 九、Apache Spark-大数据机器学习
  • 十、测试与实验设计
• 精通 Python 数据科学
  • 零、前言
  • 一、原始数据入门
  • 二、推断统计
  • 三、大海捞针
  • 四、通过高级可视化感知数据
  • 五、发现机器学习
  • 六、使用线性回归执行预测
  • 七、估计事件的可能性
  • 八、使用协同过滤生成建议
  • 九、使用集成模型扩展边界
  • 十、通过 K 均值聚类应用细分
  • 十一、通过文本挖掘分析非结构化数据
  • 十二、在大数据世界中利用 Python
• Python 数据科学本质论
  • 零、前言
  • 一、第一步
  • 二、数据整理
  • 三、数据管道
  • 四、机器学习
  • 五、可视化，见解和结果
  • 六、社交网络分析
  • 七、超越基础的深度学习
  • 八、大数据和 Spark
  • 九、加强您的 Python 基础
• 数据科学思想
  • 零、前言
  • 一、开发人员对数据科学的看法
  • 二、使用 Jupyter 笔记本和 PixieDust 的大规模数据科学
  • 三、PixieApp 深入了解
  • 四、使用 PixieGateway 服务器将 PixieApp 部署到 Web
  • 五、最佳实践和高级 PixieDust 概念
  • 六、TensorFlow 图像识别
  • 七、大数据和 Twitter 情感分析
  • 八、金融时间序列分析和预测
  • 九、使用图的美国国内航班数据分析
  • 十、最终思想
  • 十一、附录 A：PixieApp 快速参考

下载

Docker

docker pull apachecn0/apachecn-cv-zh
docker run -tid -p <port>:80 apachecn0/apachecn-cv-zh
# 访问 http://localhost:{port} 

PYPI

pip install apachecn-cv-zh
apachecn-cv-zh <port>
# 访问 http://localhost:{port} 

NPM

npm install -g apachecn-cv-zh
apachecn-cv-zh <port>
# 访问 http://localhost:{port} 

贡献指南

本项目需要校对，欢迎大家提交 Pull Request。

请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）