¥38.30¶¨¼Û£º¥79.00 (4.85ÕÛ)
¥38.70¶¨¼Û£º¥79.00 (4.9ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս µËÁ¢¹úÖø Ç廪´óѧ³ö°æÉç ¡¾Ð»ªÈ«ÐÂÕý°æÊé¼®¡¿
¥38.70¶¨¼Û£º¥79.00 (4.9ÕÛ)
¥44.50¶¨¼Û£º¥89.00 (5ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥10.00¶¨¼Û£º¥23.00 (4.35ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս £¨µÚ2°æ£© ¡¾Õý°æ¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
±¾ÊéÊÇPythonÊý¾Ý·ÖÎöÓëÍÚ¾òÁìÓòµÄ¹«ÈϵÄÊÂʵ±ê×¼£¬µÚ°æÏúÊÛ³¬¹ý0Íò²á£¬ÏúÊÛÊÆÍ·ÒÀȻǿ¾¢£¬±»¹úÄÚ00ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±Ò²±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä¡£×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ0ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã£¬ÕâΪ±¾ÊéµÄÄÚÈݺÍÐÎʽÌṩÁËÇ¿ÓÐÁ¦µÄ±£ÕÏ£¬ÕâÊDZ¾ÊéµÚ°æÄÜ´ó»ñ³É¹¦µÄ¹Ø¼üÒòËØ¡£È«Êé¹²3Õ£¬·ÖΪÈý¸ö²¿·Ö£¬´Ó¼¼ÊõÀíÂÛ¡¢¹¤³Ìʵ¼ùºÍ½ø½×ÌáÉýÈý¸öά¶È¶ÔÊý¾Ý·ÖÎöÓëÍÚ¾ò½øÐÐÁËÏêϸµÄ½²½â¡£²¿·Ö»ù´¡Æª£¨µÚ¡«5Õ£©Ö÷Òª½²½âÁËPythonÊý¾Ý·ÖÎöÓëÍÚ¾òµÄ¹¤¾ßºÍ¼¼ÊõÀíÂÛ£¬°üÀ¨Êý¾ÝÍÚ¾òµÄ»ù´¡ÖªÊ¶¡¢PythonÊý¾ÝÍÚ¾òÓ뽨칤¾ß¡¢Êý¾ÝÍÚ¾òµÄ½¨Ä£¹ý³Ì£¬ÒÔ¼°ÍÚ¾ò½¨Ä£µÄ³£ÓÃËã·¨ºÍÔÀíµÈÄÚÈÝ¡£µÚ¶þ²¿·Öʵսƪ£¨µÚ6¡«2Õ£©Í¨¹ý¹¤³Ìʵ¼ù°¸Àý½²½âÁËÊý¾ÝÍÚ¾ò¼¼
¥12.05¶¨¼Û£º¥60.33 (2ÕÛ)
±¾ÊéÒÔÊý¾Ý·ÖÎöÓëÍÚ¾òÎå´ó»·½Ú£¨Êý¾Ý²É¼¯¡¢Êý¾ÝÔ¤´¦Àí¡¢Ì½Ë÷·ÖÎö¡¢ÍÚ¾ò½¨Ä£¡¢Ä£ÐÍÆÀ¹À£©ÎªÖáÏߣ¬ÅäÒÔ·ÖÎöÓõÄÊý¾ÝÓëÔ´´úÂ룬ϵͳµØ½éÉÜÊý¾Ý·ÖÎöÓëÍÚ¾ò½¨Ä£ÁìÓòµÄ¿ÆÑ§Ë¼Î¬¡¢ÍƼö֪ʶ¡¢×¨Òµ¹¤¾ß¡¢ÍêÕûÁ÷³ÌÒÔ¼°±à³Ì¼¼ÇÉ£¬ÈÃÄãÄܹ»¿ìËÙʤÈÎÊý¾Ý·ÖÎöʦ¸Úλ¡£
¥56.18¶¨¼Û£º¥113.36 (4.96ÕÛ)
Ã÷ÐǵêÆÌ лªÊéµê×ܵêÆì½¢µê
±¾ÊéÒÔÊý¾Ý·ÖÎöÓëÍÚ¾òÎå´ó»·½Ú£¨Êý¾Ý²É¼¯¡¢Êý¾ÝÔ¤´¦Àí¡¢Ì½Ë÷·ÖÎö¡¢ÍÚ¾ò½¨Ä£¡¢Ä£ÐÍÆÀ¹À£©ÎªÖáÏߣ¬ÅäÒÔ·ÖÎöÓõÄÊý¾ÝÓëÔ´´úÂ룬ϵͳµØ½éÉÜÊý¾Ý·ÖÎöÓëÍÚ¾ò½¨Ä£ÁìÓòµÄ¿ÆÑ§Ë¼Î¬¡¢ÖªÊ¶¡¢×¨Òµ¹¤¾ß¡¢ÍêÕûÁ÷³ÌÒÔ¼°±à³Ì¼¼ÇÉ£¬ÈÃÄãÄܹ»¿ìËÙʤÈÎÊý¾Ý·ÖÎöʦ¸Úλ¡£
¥56.18¶¨¼Û£º¥117.36 (4.79ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥12.80¶¨¼Û£º¥134.60 (0.96ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս £¨µÚ2°æ£© ¡¾Õý°æ¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
±¾ÊéÊÇPythonÊý¾Ý·ÖÎöÓëÍÚ¾òÁìÓòµÄ¹«ÈϵÄÊÂʵ±ê×¼£¬µÚ°æÏúÊÛ³¬¹ý0Íò²á£¬ÏúÊÛÊÆÍ·ÒÀȻǿ¾¢£¬±»¹úÄÚ00ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±Ò²±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä¡£×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ0ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã£¬ÕâΪ±¾ÊéµÄÄÚÈݺÍÐÎʽÌṩÁËÇ¿ÓÐÁ¦µÄ±£ÕÏ£¬ÕâÊDZ¾ÊéµÚ°æÄÜ´ó»ñ³É¹¦µÄ¹Ø¼üÒòËØ¡£È«Êé¹²3Õ£¬·ÖΪÈý¸ö²¿·Ö£¬´Ó¼¼ÊõÀíÂÛ¡¢¹¤³Ìʵ¼ùºÍ½ø½×ÌáÉýÈý¸öά¶È¶ÔÊý¾Ý·ÖÎöÓëÍÚ¾ò½øÐÐÁËÏêϸµÄ½²½â¡£²¿·Ö»ù´¡Æª£¨µÚ¡«5Õ£©Ö÷Òª½²½âÁËPythonÊý¾Ý·ÖÎöÓëÍÚ¾òµÄ¹¤¾ßºÍ¼¼ÊõÀíÂÛ£¬°üÀ¨Êý¾ÝÍÚ¾òµÄ»ù´¡ÖªÊ¶¡¢PythonÊý¾ÝÍÚ¾òÓ뽨칤¾ß¡¢Êý¾ÝÍÚ¾òµÄ½¨Ä£¹ý³Ì£¬ÒÔ¼°ÍÚ¾ò½¨Ä£µÄ³£ÓÃËã·¨ºÍÔÀíµÈÄÚÈÝ¡£µÚ¶þ²¿·Öʵսƪ£¨µÚ6¡«2Õ£©Í¨¹ý¹¤³Ìʵ¼ù°¸Àý½²½âÁËÊý¾ÝÍÚ¾ò¼¼
¥10.94¶¨¼Û£º¥62.82 (1.75ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥13.00¶¨¼Û£º¥129.00 (1.01ÕÛ)
ǰ ÑÔ »ù ´¡ ƪ Õ Êý¾ÝÍÚ¾ò»ù´¡2 1.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó2 1.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò3 1.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ4 1.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì4 1.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê4 1.4.2 Êý¾ÝÈ¡Ñù5 1.4.3 Êý¾Ý̽Ë÷6 1.4.4 Êý¾ÝÔ¤´¦Àí7 1.4.5 ÍÚ¾ò½¨Ä£7 1.4.6 Ä£ÐÍÆÀ¼Û7 1.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß7 1.6 С½á9 µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é10 2.1 ´î½¨Python¿ª·¢Æ½Ì¨12 2.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ12 2.1.2 »ù´¡Æ½Ì¨µÄ´î½¨12 2.2 PythonʹÓÃÈëÃÅ13 2.2.1 ÔËÐз½Ê½14 2.2.2 »ù±¾ÃüÁî15 2.2.3 Êý¾Ý½á¹¹17 2.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó20 2.3 PythonÊý¾Ý·ÖÎö¹¤¾ß22 2.3.1 Numpy23 2.3.2 Scipy24 2.3.3 Matplotlib24 2.3.4 Pandas26 2.3.5 StatsModels27 2.3.6 Scikit-Learn28 2.3.7 Keras29 2.3.8 Gensim30 2.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ31 2.5 С½á32 µÚ3Õ Êý¾Ý̽Ë÷33 3.1 Êý¾ÝÖÊÁ¿·ÖÎö33 3.1.1 ȱʧֵ·ÖÎö34 3.1.2 Òì³£Öµ·ÖÎö34 3.1.3 Ò»ÖÂÐÔ·ÖÎö37 3.2
¥13.70¶¨¼Û£º¥29.24 (4.69ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥16.00¶¨¼Û£º¥120.00 (1.34ÕÛ)
±¾ÊéÊÇPythonÊý¾Ý·ÖÎöÓëÍÚ¾òÁìÓòµÄ¹«ÈϵÄÊÂʵ±ê×¼£¬µÚ1°æÏúÊÛ³¬¹ý10Íò²á£¬ÏúÊÛÊÆÍ·ÒÀȻǿ¾¢£¬±»¹úÄÚ100ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±Ò²±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä¡£ ×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ10ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã£¬ÕâΪ±¾ÊéµÄÄÚÈݺÍÐÎʽÌṩÁËÇ¿ÓÐÁ¦µÄ±£ÕÏ£¬ÕâÊDZ¾ÊéµÚ1°æÄÜ´ó»ñ³É¹¦µÄ¹Ø¼üÒòËØ¡£ È«Êé¹²13Õ£¬·ÖΪÈý¸ö²¿·Ö£¬´Ó¼¼ÊõÀíÂÛ¡¢¹¤³Ìʵ¼ùºÍ½ø½×ÌáÉýÈý¸öά¶È¶ÔÊý¾Ý·ÖÎöÓëÍÚ¾ò½øÐÐÁËÏêϸµÄ½²½â¡£ µÚÒ»²¿·Ö »ù´¡Æª£¨µÚ1¡«5Õ£© Ö÷Òª½²½âÁËPythonÊý¾Ý·ÖÎöÓëÍÚ¾òµÄ¹¤¾ßºÍ¼¼ÊõÀíÂÛ£¬°üÀ¨Êý¾ÝÍÚ¾òµÄ»ù´¡ÖªÊ¶¡¢PythonÊý¾ÝÍÚ¾òÓ뽨칤¾ß¡¢Êý¾ÝÍÚ¾òµÄ½¨Ä£¹ý³Ì£¬ÒÔ¼°ÍÚ¾ò½¨Ä£µÄ³£ÓÃËã·¨ºÍÔÀíµÈÄÚÈÝ¡£ µÚ¶þ²¿·Ö ʵսƪ£¨µÚ6¡«12Õ£© ͨ¹ý¹¤³Ìʵ
¥16.00¶¨¼Û£º¥120.00 (1.34ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Êé¼®·ÇȫР85-99³ÉУ¬ÒÔʵÅÄͼΪ׼·¢»õ£¬½éÒâÎðÅÄ
¥14.40¶¨¼Û£º¥15.84 (9.1ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս£¨µÚ2°æ£©¡¾Õý°æÍ¼Ê飬´ï¶î¼õ£¬µç×Ó·¢Æ±¡¿ Õý°æ
±¾ÊéÊÇPythonÊý¾Ý·ÖÎöÓëÍÚ¾òÁìÓòµÄ¹«ÈϵÄÊÂʵ±ê×¼£¬µÚ°æÏúÊÛ³¬¹ý0Íò²á£¬ÏúÊÛÊÆÍ·ÒÀȻǿ¾¢£¬±»¹úÄÚ00ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±Ò²±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä¡£×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ0ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã£¬ÕâΪ±¾ÊéµÄÄÚÈݺÍÐÎʽÌṩÁËÇ¿ÓÐÁ¦µÄ±£ÕÏ£¬ÕâÊDZ¾ÊéµÚ°æÄÜ´ó»ñ³É¹¦µÄ¹Ø¼üÒòËØ¡£È«Êé¹²3Õ£¬·ÖΪÈý¸ö²¿·Ö£¬´Ó¼¼ÊõÀíÂÛ¡¢¹¤³Ìʵ¼ùºÍ½ø½×ÌáÉýÈý¸öά¶È¶ÔÊý¾Ý·ÖÎöÓëÍÚ¾ò½øÐÐÁËÏêϸµÄ½²½â¡£²¿·Ö»ù´¡Æª£¨µÚ¡«5Õ£©Ö÷Òª½²½âÁËPythonÊý¾Ý·ÖÎöÓëÍÚ¾òµÄ¹¤¾ßºÍ¼¼ÊõÀíÂÛ£¬°üÀ¨Êý¾ÝÍÚ¾òµÄ»ù´¡ÖªÊ¶¡¢PythonÊý¾ÝÍÚ¾òÓ뽨칤¾ß¡¢Êý¾ÝÍÚ¾òµÄ½¨Ä£¹ý³Ì£¬ÒÔ¼°ÍÚ¾ò½¨Ä£µÄ³£ÓÃËã·¨ºÍÔÀíµÈÄÚÈÝ¡£µÚ¶þ²¿·Öʵսƪ£¨µÚ6¡«2Õ£©Í¨¹ý¹¤³Ìʵ¼ù°¸Àý½²½âÁËÊý¾ÝÍÚ¾ò¼¼
¥16.00¶¨¼Û£º¥32.00 (5ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥18.50¶¨¼Û£º¥140.70 (1.32ÕÛ)
±¾ÊéÊÇPythonÊý¾Ý·ÖÎöÓëÍÚ¾òÁìÓòµÄ¹«ÈϵÄÊÂʵ±ê×¼£¬µÚ1°æÏúÊÛ³¬¹ý10Íò²á£¬ÏúÊÛÊÆÍ·ÒÀȻǿ¾¢£¬±»¹úÄÚ100ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±Ò²±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä¡£ ×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ10ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã£¬ÕâΪ±¾ÊéµÄÄÚÈݺÍÐÎʽÌṩÁËÇ¿ÓÐÁ¦µÄ±£ÕÏ£¬ÕâÊDZ¾ÊéµÚ1°æÄÜ´ó»ñ³É¹¦µÄ¹Ø¼üÒòËØ¡£ È«Êé¹²13Õ£¬·ÖΪÈý¸ö²¿·Ö£¬´Ó¼¼ÊõÀíÂÛ¡¢¹¤³Ìʵ¼ùºÍ½ø½×ÌáÉýÈý¸öά¶È¶ÔÊý¾Ý·ÖÎöÓëÍÚ¾ò½øÐÐÁËÏêϸµÄ½²½â¡£ µÚÒ»²¿·Ö »ù´¡Æª£¨µÚ1¡«5Õ£© Ö÷Òª½²½âÁËPythonÊý¾Ý·ÖÎöÓëÍÚ¾òµÄ¹¤¾ßºÍ¼¼ÊõÀíÂÛ£¬°üÀ¨Êý¾ÝÍÚ¾òµÄ»ù´¡ÖªÊ¶¡¢PythonÊý¾ÝÍÚ¾òÓ뽨칤¾ß¡¢Êý¾ÝÍÚ¾òµÄ½¨Ä£¹ý³Ì£¬ÒÔ¼°ÍÚ¾ò½¨Ä£µÄ³£ÓÃËã·¨ºÍÔÀíµÈÄÚÈÝ¡£ µÚ¶þ²¿·Ö ʵսƪ£¨µÚ6¡«12Õ£© ͨ¹ý¹¤³Ìʵ
¥17.00¶¨¼Û£º¥122.00 (1.4ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥17.00¶¨¼Û£º¥122.00 (1.4ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս¡¾Õý°æÍ¼Ê飬µç×Ó·¢Æ±¡¿
ǰ ÑÔ »ù ´¡ ƪ Õ Êý¾ÝÍÚ¾ò»ù´¡2 1.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó2 1.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò3 1.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ4 1.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì4 1.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê4 1.4.2 Êý¾ÝÈ¡Ñù5 1.4.3 Êý¾Ý̽Ë÷6 1.4.4 Êý¾ÝÔ¤´¦Àí7 1.4.5 ÍÚ¾ò½¨Ä£7 1.4.6 Ä£ÐÍÆÀ¼Û7 1.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß7 1.6 С½á9 µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é10 2.1 ´î½¨Python¿ª·¢Æ½Ì¨12 2.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ12 2.1.2 »ù´¡Æ½Ì¨µÄ´î½¨12 2.2 PythonʹÓÃÈëÃÅ13 2.2.1 ÔËÐз½Ê½14 2.2.2 »ù±¾ÃüÁî15 2.2.3 Êý¾Ý½á¹¹17 2.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó20 2.3 PythonÊý¾Ý·ÖÎö¹¤¾ß22 2.3.1 Numpy23 2.3.2 Scipy24 2.3.3 Matplotlib24 2.3.4 Pandas26 2.3.5 StatsModels27 2.3.6 Scikit-Learn28 2.3.7 Keras29 2.3.8 Gensim30 2.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ31 2.5 С½á32 µÚ3Õ Êý¾Ý̽Ë÷33 3.1 Êý¾ÝÖÊÁ¿·ÖÎö33 3.1.1 ȱʧֵ·ÖÎö34 3.1.2 Òì³£Öµ·ÖÎö34 3.1.3 Ò»ÖÂÐÔ·ÖÎö37 3.2
¥17.00¶¨¼Û£º¥114.00 (1.5ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ¡¾Õý°æ±£Ö¤¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥20.90¶¨¼Û£º¥88.83 (2.36ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Êé¼®·ÇȫУ¬8-99³ÉÐÂ×óÓÒ(ʵÅÄͼÒÔͼƬΪ׼·¢»õ)
¥19.80¶¨¼Û£º¥20.80 (9.52ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ¡¾Õý°æ¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥20.18¶¨¼Û£º¥87.96 (2.3ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ¡¾Õý°æ±£Ö¤¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥21.42¶¨¼Û£º¥91.23 (2.35ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ¡¾Õý°æÊé¼®¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥21.70¶¨¼Û£º¥91.56 (2.38ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ¡¾Õý°æ±£Ö¤¡¿ ¡¾µêÖ÷ÍÆ¼ö£¬Õý°æÊé·ÅÐĹºÂò£¬¿É¿ª·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥21.86¶¨¼Û£º¥90.30 (2.43ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Êé¼®·ÇȫУ¬8-99³ÉÐÂ×óÓÒ(ʵÅÄͼÒÔͼƬΪ׼·¢»õ)
¥25.20¶¨¼Û£º¥69.00 (3.66ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս¡¾Õý°æ¡¿ ¡¾Õý°æÍ¼Ê飬´ï¶î¼õ£¬µç×Ó·¢Æ±¡¿
0ÓàλÊý¾ÝÍÚ¾òÁìÓòר¼ÒºÍ¿ÆÑÐÈËÔ±£¬0ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£±¾Êé¹²5Õ£¬·ÖÁ½¸ö²¿·Ö »ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£»ù´¡Æª£¨µÚ¡«5Õ£©£¬µÚÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷ µÚ3Õ¡¢µÚ4Õ¡¢µÚ5Õ¶ÔÊý¾ÝÍÚ¾òµÄ½¨Ä£
¥25.00¶¨¼Û£º¥51.00 (4.91ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս(µÚ2°æ) Êé¼®·ÇȫУ¬8-99³ÉÐÂ×óÓÒ(ʵÅÄͼÒÔͼƬΪ׼·¢»õ)
¥28.80¶¨¼Û£º¥79.00 (3.65ÕÛ)
£¨1£©×÷Õß±³¾°È¨Íþ£ºÌ©µÏÖÇÄܿƼ¼¹É·ÝÓÐÏÞ¹«Ë¾¶Ê³¤£¬»ªÄÏʦ·¶´óѧ¡¢ÖÐÄϲƾÕþ·¨´óѧµÈ30ÓàËù¸ßУ¼æÖ°½ÌÊÚ»ò˶µ¼¡£ £¨2£©×÷Õß¾Ñé·á¸»£ºÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöÁìÓòÓÐ10ÓàÄ깤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµ¾Ñ飬³Ðµ£¹ú¼Ò¼¶ÏîÄ¿1Ïʡ²¿¼¶ÏîÄ¿4ÏÈÙ»ñÖйú²úѧÑкÏ×÷´Ù½ø½±¡¢Êý×ÖÐÅ·ÃÖØ´óÍ»ÆÆ½±¡¢ÄÏ·½µçÍø·¢Ã÷רÀû½±¡¢Ê¡¿Æ¼¼½ø²½½±¡¢Ê¡½Ìѧ³É¹û½±µÈ10ÓàÏîÊ¡²¿¼¶½±Ïî¡£ £¨3£©¹«ÈϾµäÖø×÷£ºÔºÐ£Ê¦ÉúºÍÊý¾Ý¿ÆÑ§¹¤×÷Õß¹«ÈϵÄÊý¾ÝÍÚ¾ò¾µäÖø×÷£¬ÊǸÃÁìÓòµÄÊÂʵ±ê×¼¡£ £¨4£©³©ÏúÊéÈ«ÐÂÉý¼¶£ºÇ°2°æÏúÊÛ³¬¹ý15Íò²á£¬±»¹úÄÚ100ÓàËùԺУ²ÉÓÃΪ½Ì²Ä£¬ºÃÆÀÈç³±¡£ £¨5£©ÅäÌ××ÊÔ´·á¸»£ºÌṩÊý¾ÝÎļþ¡¢³ÌÐòÔ´Âë¡¢½Ìѧ¿Î¼þ¡¢½Ìѧ´ó¸ÙµÈ¸÷ÖÖ×ÊÔ´£¬±ãÓÚ¶ÁÕß×ÔѧºÍ½Ìѧ¡£
¥65.00¶¨¼Û£º¥89.00 (7.31ÕÛ) µç×ÓÊ飺¥53.00
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս¡¾´ï¶îÁ¢¼õ¡¿ ¡¾ÕýÆ·±£Ö¤£¬½øÈëµêÆÌ¸ü¶àÓŻݣ¡¡¿
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥34.10¶¨¼Û£º¥356.20 (0.96ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս¡¾·ÅÐĹºÂò¡¿ ¡¾ÕýÆ·±£Ö¤£¬½øÈëµêÆÌ¸ü¶àÓŻݣ¡¡¿
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥34.50¶¨¼Û£º¥247.00 (1.4ÕÛ)
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥37.08¶¨¼Û£º¥75.16 (4.94ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Õý°æÍ¼Êé,ϵ¥ËÙ·¢,¿É¿ª·¢Æ±
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥37.63¶¨¼Û£º¥76.26 (4.94ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Õý°æÍ¼Êé,ϵ¥ËÙ·¢,¿É¿ª·¢Æ±
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥37.63¶¨¼Û£º¥76.26 (4.94ÕÛ)
¥39.50¶¨¼Û£º¥79.00 (5ÕÛ)
Ã÷ÐǵêÆÌ ±±·½Í¼Êé³ÇÆì½¢µê
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥43.70¶¨¼Û£º¥88.40 (4.95ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥43.70¶¨¼Û£º¥88.40 (4.95ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս Õý°æÍ¼Êé,ϵ¥ËÙ·¢,¿É¿ª·¢Æ±
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥47.00¶¨¼Û£º¥95.00 (4.95ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս ʹÓÃPython½øÐÐÊý¾Ý·ÖÎöÓëÊý¾ÝÍÚ¾ò
±¾ÊéÒÔÊý¾Ý·ÖÎöÓëÍÚ¾òÎå´ó»·½Ú£¨Êý¾Ý²É¼¯¡¢Êý¾ÝÔ¤´¦Àí¡¢Ì½Ë÷·ÖÎö¡¢ÍÚ¾ò½¨Ä£¡¢Ä£ÐÍÆÀ¹À£©ÎªÖáÏߣ¬ÅäÒÔ·ÖÎöÓõÄÊý¾ÝÓëÔ´´úÂ룬ϵͳµØ½éÉÜÊý¾Ý·ÖÎöÓëÍÚ¾ò½¨Ä£ÁìÓòµÄ¿ÆÑ§Ë¼Î¬¡¢ÖªÊ¶¡¢×¨Òµ¹¤¾ß¡¢ÍêÕûÁ÷³ÌÒÔ¼°±à³Ì¼¼ÇÉ£¬ÈÃÄãÄܹ»¿ìËÙʤÈÎÊý¾Ý·ÖÎöʦ¸Úλ¡£
¥62.40¶¨¼Û£º¥79.00 (7.9ÕÛ)
ÅäÌ×ÊÓÆµ½Ì³Ì ÊÖ°ÑÊÖ½ÌÄãѧPython ÌáÁ¶±Ü¿ÓÐÄ·¨ ¼òÃ÷¡¢¸ßЧ¶®Python ʵս°¸Àý·ÖÎö ÇáËÉ¡¢¿ìËÙÍæPython ½²½â ʵ¼ù °¸Àý ÊÓÆµ Ô´´úÂë Ô´Êý¾Ý Õë¶ÔPythonÐÂÊÖÁ¿Éí¶¨×ö£¬ÈëÃŵÄÕæ°®Ö®Ñ¡ ×÷Õß¼ò½é£ºÓà±¾¹ú£¬²©Ê¿£¬Ë¶Ê¿Ñо¿Éúµ¼Ê¦¡£ÓÚÖб±´óѧÀíѧϵÈν̣¬Ö÷½²ÏßÐÔ´úÊý¡¢Î¢»ý·Ö¡¢PythonÓïÑÔ¡¢´óÊý¾Ý·ÖÎö»ù´¡µÈ¿Î³Ì¡£2012Äêµ½¼ÓÄôóYork University×ö·ÃÎÊѧÕß¡£³ö°æÓС¶PythonÊý¾Ý·ÖÎö»ù´¡¡·µÈÖø×÷¡£
¥52.70¶¨¼Û£º¥69.80 (7.56ÕÛ)
£¨1£©×÷Õß±³¾°È¨Íþ£ºÌ©µÏÖÇÄܿƼ¼¹É·ÝÓÐÏÞ¹«Ë¾¶Ê³¤£¬¹ú¼Ò¿Æ¼¼²¿Èë¿â¼¼Êõר¼Ò¡¢½ÌÓý.²¿È«¹úרҵѧλˮƽÆÀ¹Àר¼Ò£¬»ªÄÏʦ·¶´óѧ¡¢ÖÐÄϲƾÕþ·¨´óѧµÈ30ÓàËù¸ßУ¼æÖ°½ÌÊÚ»ò˶µ¼¡££¨2£©×÷Õß¾Ñé·á¸»£ºÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöÁìÓòÓÐ10ÓàÄ깤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµ¾Ñ飬³Ðµ£¹ú¼Ò¼¶ÏîÄ¿1Ïʡ²¿¼¶ÏîÄ¿4ÏÈÙ»ñÖйú²úѧÑкÏ×÷´Ù½ø½±¡¢Êý×ÖÐÅ·ÃÖØ´óÍ»ÆÆ½±¡¢ÄÏ·½µçÍø·¢Ã÷רÀû½±¡¢Ê¡¿Æ¼¼½ø²½½±¡¢Ê¡½Ìѧ³É¹û½±µÈ10ÓàÏîÊ¡²¿¼¶½±Ïî
¥53.84¶¨¼Û£º¥89.00 (6.05ÕÛ)
Ã÷ÐǵêÆÌ лªÊéµê×ܵêÆì½¢µê
£¨1£©×÷Õß±³¾°È¨Íþ£ºÌ©µÏÖÇÄܿƼ¼¹É·ÝÓÐÏÞ¹«Ë¾¶Ê³¤£¬¹ú¼Ò¿Æ¼¼²¿Èë¿â¼¼Êõר¼Ò¡¢½ÌÓý.²¿È«¹úרҵѧλˮƽÆÀ¹Àר¼Ò£¬»ªÄÏʦ·¶´óѧ¡¢ÖÐÄϲƾÕþ·¨´óѧµÈ30ÓàËù¸ßУ¼æÖ°½ÌÊÚ»ò˶µ¼¡££¨2£©×÷Õß¾Ñé·á¸»£ºÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöÁìÓòÓÐ10ÓàÄ깤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµ¾Ñ飬³Ðµ£¹ú¼Ò¼¶ÏîÄ¿1Ïʡ²¿¼¶ÏîÄ¿4ÏÈÙ»ñÖйú²úѧÑкÏ×÷´Ù½ø½±¡¢Êý×ÖÐÅ·ÃÖØ´óÍ»ÆÆ½±¡¢ÄÏ·½µçÍø·¢Ã÷רÀû½±¡¢Ê¡¿Æ¼¼½ø²½½±¡¢Ê¡½Ìѧ³É¹û½±µÈ10ÓàÏîÊ¡²¿¼¶½±Ïî
¥53.84¶¨¼Û£º¥89.00 (6.05ÕÛ)
£¨1£©×÷Õß±³¾°È¨Íþ£ºÌ©µÏÖÇÄܿƼ¼¹É·ÝÓÐÏÞ¹«Ë¾¶Ê³¤£¬¹ú¼Ò¿Æ¼¼²¿Èë¿â¼¼Êõר¼Ò¡¢½ÌÓý.²¿È«¹úרҵѧλˮƽÆÀ¹Àר¼Ò£¬»ªÄÏʦ·¶´óѧ¡¢ÖÐÄϲƾÕþ·¨´óѧµÈ30ÓàËù¸ßУ¼æÖ°½ÌÊÚ»ò˶µ¼¡££¨2£©×÷Õß¾Ñé·á¸»£ºÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöÁìÓòÓÐ10ÓàÄ깤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµ¾Ñ飬³Ðµ£¹ú¼Ò¼¶ÏîÄ¿1Ïʡ²¿¼¶ÏîÄ¿4ÏÈÙ»ñÖйú²úѧÑкÏ×÷´Ù½ø½±¡¢Êý×ÖÐÅ·ÃÖØ´óÍ»ÆÆ½±¡¢ÄÏ·½µçÍø·¢Ã÷רÀû½±¡¢Ê¡¿Æ¼¼½ø²½½±¡¢Ê¡½Ìѧ³É¹û½±µÈ10ÓàÏîÊ¡²¿¼¶½±Ïî
¥53.84¶¨¼Û£º¥89.00 (6.05ÕÛ)
£¨1£©³©ÏúÊéÈ«ÐÂÉý¼¶£¬µÚ1°æÏúÊÛ³¬¹ý10Íò²á£¬±»¹úÄÚ100ÓàËù¸ßµÈԺУ²ÉÓÃΪ½Ì²Ä£¬Í¬Ê±±»¹ã´óÊý¾Ý¿ÆÑ§¹¤×÷Õß·îΪ¾µä£¬ÊǸÃÁìÓò¹«ÈϵÄÊÂʵ±ê×¼¡££¨2£©×÷ÕßÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöµÈÁìÓòÓÐ10ÓàÄêµÄ¹¤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµµÄ¾Ñ飬²»½öÕÆÎÕÐÐÒµµÄ×îм¼ÊõºÍʵ¼ù·½·¨£¬¶øÇÒ¶´Ï¤Ñ§ÉúºÍÀÏʦµÄÐèÇóÓëÍ´µã¡££¨3£©±¾ÊéÌṩ·á¸»µÄÅäÌ××ÊÔ´£¬ÈçÉÏ»ú»·¾³¡¢PythonÔ´´úÂë¡¢°¸Àý½¨Ä£Êý¾Ý¡¢½ÌѧPPT¡£
¥53.84¶¨¼Û£º¥89.00 (6.05ÕÛ)
¥56.10¶¨¼Û£º¥89.00 (6.31ÕÛ)
Ã÷ÐǵêÆÌ ±±·½Í¼Êé³ÇÆì½¢µê
¥59.20¶¨¼Û£º¥79.00 (7.5ÕÛ)
±¾ÊéÒÔÊý¾Ý·ÖÎöÓëÍÚ¾òÎå´ó»·½Ú£¨Êý¾Ý²É¼¯¡¢Êý¾ÝÔ¤´¦Àí¡¢Ì½Ë÷·ÖÎö¡¢ÍÚ¾ò½¨Ä£¡¢Ä£ÐÍÆÀ¹À£©ÎªÖáÏߣ¬ÅäÒÔ·ÖÎöÓõÄÊý¾ÝÓëÔ´´úÂ룬ϵͳµØ½éÉÜÊý¾Ý·ÖÎöÓëÍÚ¾ò½¨Ä£ÁìÓòµÄ¿ÆÑ§Ë¼Î¬¡¢ÖªÊ¶¡¢×¨Òµ¹¤¾ß¡¢ÍêÕûÁ÷³ÌÒÔ¼°±à³Ì¼¼ÇÉ£¬ÈÃÄãÄܹ»¿ìËÙʤÈÎÊý¾Ý·ÖÎöʦ¸Úλ¡£
¥56.18¶¨¼Û£º¥79.00 (7.12ÕÛ)
PYTHONÊý¾Ý·ÖÎöÓëÍÚ¾òʵս µÚ3°æÕÅ´º¸£ °×æº ÕÅÁ¼¾ù ·¶ÁÖÔª Î⽨ƽ Öø»úе¹¤Òµ³ö°æÉç9787111764793
£¨1£©×÷Õß±³¾°È¨Íþ£ºÌ©µÏÖÇÄܿƼ¼¹É·ÝÓÐÏÞ¹«Ë¾¶Ê³¤£¬»ªÄÏʦ·¶´óѧ¡¢ÖÐÄϲƾÕþ·¨´óѧµÈ30ÓàËù¸ßУ¼æÖ°½ÌÊÚ»ò˶µ¼¡£ £¨2£©×÷Õß¾Ñé·á¸»£ºÔÚ´óÊý¾ÝÍÚ¾òÓë·ÖÎöÁìÓòÓÐ10ÓàÄ깤³Ìʵ¼ù¡¢½ÌѧºÍ´´°ìÆóÒµ¾Ñ飬³Ðµ£¹ú¼Ò¼¶ÏîÄ¿1Ïʡ²¿¼¶ÏîÄ¿4ÏÈÙ»ñÖйú²úѧÑкÏ×÷´Ù½ø½±¡¢Êý×ÖÐÅ·ÃÖØ´óÍ»ÆÆ½±¡¢ÄÏ·½µçÍø·¢Ã÷רÀû½±¡¢Ê¡¿Æ¼¼½ø²½½±¡¢Ê¡½Ìѧ³É¹û½±µÈ10ÓàÏîÊ¡²¿¼¶½±Ïî¡£ £¨3£©¹«ÈϾµäÖø×÷£ºÔºÐ£Ê¦ÉúºÍÊý¾Ý¿ÆÑ§¹¤×÷Õß¹«ÈϵÄÊý¾ÝÍÚ¾ò¾µäÖø×÷£¬ÊǸÃÁìÓòµÄÊÂʵ±ê×¼¡£ £¨4£©³©ÏúÊéÈ«ÐÂÉý¼¶£ºÇ°2°æÏúÊÛ³¬¹ý15Íò²á£¬±»¹úÄÚ100ÓàËùԺУ²ÉÓÃΪ½Ì²Ä£¬ºÃÆÀÈç³±¡£ £¨5£©ÅäÌ××ÊÔ´·á¸»£ºÌṩÊý¾ÝÎļþ¡¢³ÌÐòÔ´Âë¡¢½Ìѧ¿Î¼þ¡¢½Ìѧ´ó¸ÙµÈ¸÷ÖÖ×ÊÔ´£¬±ãÓÚ¶ÁÕß×ÔѧºÍ½Ìѧ¡£
¥67.64¶¨¼Û£º¥89.00 (7.6ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս µÚ3°æ ÕÅ´º¸£ °×æº ÕÅÁ¼¾ù ·¶ÁÖÔª Î⽨ƽ »úе¹¤Òµ³ö°æÉç
¥67.20¶¨¼Û£º¥89.00 (7.56ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս µÚ3°æ ÕÅ´º¸£ °×æº ÕÅÁ¼¾ù ·¶ÁÖÔª Î⽨ƽ »úе¹¤Òµ³ö°æÉç
¥67.20¶¨¼Û£º¥89.00 (7.56ÕÛ)
Õý°æ PYTHONÊý¾Ý·ÖÎöÓëÍÚ¾òʵս µÚ3°æ 9787111764793 ÕÅ´º¸£ °×æº ÕÅÁ¼¾ù ·¶ÁÖÔª Î⽨ƽ Öø ÅúÁ¿
¥66.75¶¨¼Û£º¥89.00 (7.5ÕÛ)
¥7.00¶¨¼Û£º¥21.00 (3.34ÕÛ)
10ÓàλÊý¾ÝÍÚ¾òÁìÓò×ÊÉîר¼ÒºÍ¿ÆÑÐÈËÔ±£¬10ÓàÄê´óÊý¾ÝÍÚ¾ò×ÉѯÓëʵʩ¾Ñé½á¾§¡£´ÓÊý¾ÝÍÚ¾òµÄÓ¦Óóö·¢£¬ÒÔµçÁ¦¡¢º½¿Õ¡¢Ò½ÁÆ¡¢»¥ÁªÍø¡¢Éú²úÖÆÔìÒÔ¼°¹«¹²·þÎñµÈÐÐÒµÕæÊµ°¸ÀýΪÖ÷Ïߣ¬ÉîÈëdz³ö½éÉÜPythonÊý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì£¬Êµ¼ùÐÔ¼«Ç¿¡£ ±¾Êé¹²15Õ£¬·ÖÁ½¸ö²¿·Ö£º»ù´¡Æª¡¢ÊµÕ½Æª¡£»ù´¡Æª½éÉÜÁËÊý¾ÝÍÚ¾òµÄ»ù±¾ÔÀí£¬ÊµÕ½Æª½éÉÜÁËÒ»¸ö¸öÕæÊµ°¸Àý£¬Í¨¹ý¶Ô°¸ÀýÉîÈëdz³öµÄÆÊÎö£¬Ê¹¶ÁÕßÔÚ²»Öª²»¾õÖÐͨ¹ý°¸Àýʵ¼ù»ñµÃÊý¾ÝÍÚ¾òÏîÄ¿¾Ñ飬ͬʱ¿ìËÙÁìÎò¿´ËÆÄѶ®µÄÊý¾ÝÍÚ¾òÀíÂÛ¡£¶ÁÕßÔÚÔĶÁ¹ý³ÌÖУ¬Ó¦³ä·ÖÀûÓÃËæÊéÅäÌ׵ݸÀý½¨Ä£Êý¾Ý£¬½èÖúÏà¹ØµÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß£¬Í¨¹ýÉÏ»úʵÑ飬ÒÔ¿ìËÙÀí½âÏà¹ØÖªÊ¶ÓëÀíÂÛ¡£ »ù´¡Æª£¨µÚ1¡«5Õ£©£¬µÚ1ÕµÄÖ÷ÒªÄÚÈÝÊÇÊý¾ÝÍÚ¾ò¸ÅÊö£»µÚ2Õ¶Ա¾ÊéËùÓõ½µÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ßPythonÓïÑÔ½øÐÐÁ˼òÃ÷¶óÒªµÄ˵Ã÷£»µÚ3Õ¡¢µÚ4
¥11.32¶¨¼Û£º¥22.64 (5ÕÛ)
PythonÊý¾Ý·ÖÎöÓëÍÚ¾òʵս¡¾Õý°æÊé¼®£¬Âú¶î¼õ£¬¿É¿ª·¢Æ±¡¿ Õý°æ
ǰ ÑÔ»ù ´¡ ƪÕ Êý¾ÝÍÚ¾ò»ù´¡21.1 ij֪ÃûÁ¬Ëø²ÍÒûÆóÒµµÄÀ§»ó21.2 ´Ó²ÍÒû·þÎñµ½Êý¾ÝÍÚ¾ò31.3 Êý¾ÝÍÚ¾òµÄ»ù±¾ÈÎÎñ41.4 Êý¾ÝÍÚ¾ò½¨Ä£¹ý³Ì41.4.1 ¶¨ÒåÍÚ¾òÄ¿±ê41.4.2 Êý¾ÝÈ¡Ñù51.4.3 Êý¾Ý̽Ë÷61.4.4 Êý¾ÝÔ¤´¦Àí71.4.5 ÍÚ¾ò½¨Ä£71.4.6 Ä£ÐÍÆÀ¼Û71.5 ³£ÓõÄÊý¾ÝÍÚ¾ò½¨Ä£¹¤¾ß71.6 С½á9µÚ2Õ PythonÊý¾Ý·ÖÎö¼ò½é102.1 ´î½¨Python¿ª·¢Æ½Ì¨122.1.1 ËùÒª¿¼ÂǵÄÎÊÌâ122.1.2 »ù´¡Æ½Ì¨µÄ´î½¨122.2 PythonʹÓÃÈëÃÅ132.2.1 ÔËÐз½Ê½142.2.2 »ù±¾ÃüÁî152.2.3 Êý¾Ý½á¹¹172.2.4 ¿âµÄµ¼ÈëÓëÌí¼Ó202.3 PythonÊý¾Ý·ÖÎö¹¤¾ß222.3.1 Numpy232.3.2 Scipy242.3.3 Matplotlib242.3.4 Pandas262.3.5 StatsModels272.3.6 Scikit-Learn282.3.7 Keras292.3.8 Gensim302.4 ÅäÌ××ÊԴʹÓÃÉèÖÃ312.5 С½á32µÚ3Õ Êý¾Ý̽Ë÷333.1 Êý¾ÝÖÊÁ¿·ÖÎö333.1.1 ȱʧֵ·ÖÎö343.1.2 Òì³£Öµ·ÖÎö343.1.3 Ò»ÖÂÐÔ·ÖÎö373.2 Êý¾ÝÌØÕ÷·ÖÎö373.2.1 ·Ö²¼·ÖÎö
¥16.00¶¨¼Û£º¥62.00 (2.59ÕÛ)
¥38.70¶¨¼Û£º¥79.00 (4.9ÕÛ)
PythonÍøÂçÅÀ³æÓëÊý¾Ý¿ÉÊÓ»¯Ó¦ÓÃʵս PythonÎı¾Êý¾Ý·ÖÎöÓëÍÚ¾ò Êý¾Ý·ÖÎö Êý¾ÝÖ®µÀ python ´óÊý¾Ý ÍøÂç
±¾ÊéÓôóÁ¿µÄÖÐСʵÀýºÍʵս°¸Àý½éÉÜÁËPythonÔÚÍøÂçÅÀ³æÓëÊý¾Ý¿ÉÊÓ»¯ÖеľßÌåÓ¦Ó㬽éÉÜÁË´óÊý¾Ýʱ´ú¹¤³ÌʦµÄÊý¾Ý»ñÈ¡ºÍ·ÖÎö¼¼Êõ¡£ ¡ò º¸ÇÃæ¹ã£ºº¸ÇÊý¾Ý»ñÈ¡¡¢Êý¾ÝÇåÏ´¡¢Êý¾Ý·ÖÎö¼°¿ÉÊÓ»¯ÖªÊ¶£¬¿É¸ßЧÍê³ÉÊý¾ÝµÄ»ñÈ¡¼°³ÊÏÖ¡£ ¡ò ½²½âÏêϸ£ºÏêϸ½éÉܸ÷ÀàPythonÈí¼þ°üµÄʹÓ÷½·¨ºÍʹÓó¡ºÏ¡£ »ñÈ¡¾²Ì¬ÍøÒ³Êý¾Ý CSSÑ¡ÔñÆ÷£«Beautiful Soup ¼°lxml »ñÈ¡Javascript¶¯Ì¬ÍøÒ³Êý¾Ý Selenium »ñÈ¡Õû¸öÍøÕ¾Êý¾Ý Scrapy¿ò¼Ü Êý¾Ý¿ÉÊÓ»¯ Matplotlib¡¢Pandas¡¢Seaborn¡¢Bokeh ¡ò ʵÀý·á¸»£ºÈ«ÊéÓдóÁ¿µÄÖÐСʵÀýºÍʵս°¸Àý£¬¿É¹®¹ÌËùѧ֪ʶ²¢Ìá¸ßʵ¼Ê¶¯ÊÖÄÜÁ¦¡£
¥54.50¶¨¼Û£º¥109.00 (5ÕÛ)
¥44.50¶¨¼Û£º¥89.00 (5ÕÛ)
Ã÷ÐǵêÆÌ ±±·½Í¼Êé³ÇÆì½¢µê
¥43.70¶¨¼Û£º¥89.00 (4.92ÕÛ)
¥44.70¶¨¼Û£º¥89.00 (5.03ÕÛ)