顶部
收藏

人工智能数据处理基础


作者:
谭昶 王保成 于俊
定价:
55.00元
ISBN:
978-7-04-059658-8
版面字数:
470.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-03-10
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类
三级分类:
计算机应用技术

本书为1+X 职业技能等级证书配套系列教材之一,根据《人工智能数据处理职业技能等级标准》编写,为该职业技能的初级配套教材。

本书汲取科大讯飞高教人才培养业务实验室产品AILAB 的实验成果,结合人才培养项目式教学经验,按照新形态一体化教材的开发标准,由浅入深、循序渐进地引导读者使用Python 进行人工智能数据处理。全书共分为9 章,涵盖数据处理基础、Python 编程基础、Python 数据操作基础、数据采集、数据存储、数据预处理、数据标注、数据分析基础、数据可视化基础等内容。

本书能同时满足读者人工智能数据处理知识学习、职业技能培训及1+X 证书考核等需求,为读者进入人工智能数据处理职业技能初级岗位提供专业支持。

本书配有教学课件、编程样例、实验及编程类习题、源代码、课后习题答案等丰富的数字化学习资源,与本书配套的数字课程在“智慧职教”平台(www.icve.com.cn)上线,学习者可以登录平台进行在线学习,教师也可以发邮件至编辑邮箱1548103297@qq.com 获取相关资源。

本书可作为人工智能数据处理1+X 证书的初级认证相关教学和培训的教材,也可作为高等职业院校或应用型本科院校的大数据技术和人工智能技术应用相关专业的教材,还可作为从事大数据相关工作人员的自学参考书。

  • 前辅文
  • 第1章 数据处理基础
    • 1.1 数据
      • 1.1.1 数据的定义
      • 1.1.2 数据的分类
      • 1.1.3 数据的常见属性
      • 1.1.4 数据的编码与解码
    • 1.2 数据处理
      • 1.2.1 数据处理概述
      • 1.2.2 数据处理中的常见名词
    • 1.3 常用数据处理工具
    • 1.4 数据处理流程
    • 1.5 本章小结
    • 1.6 课后习题
  • 第2章 Python 编程基础
    • 2.1 Python 介绍与安装配置
      • 2.1.1 Python 与Anaconda
      • 2.1.2 Anaconda 安装
      • 2.1.3 PyCharm 安装与基本使用
      • 2.1.4 pip 与Conda
    • 2.2 Python 语言基础
      • 2.2.1 控制台与脚本
      • 2.2.2 注释
      • 2.2.3 缩进规则
      • 2.2.4 编程规范
      • 2.2.5 标识符命名规范
      • 2.2.6 内置函数
      • 2.2.7 基本运算符
    • 2.3 Python 语句结构
      • 2.3.1 条件语句
      • 2.3.2 循环语句
    • 2.4 Python 基本数据类型与运算符
      • 2.4.1 Python 变量的赋值与使用
      • 2.4.2 数值类型
      • 2.4.3 字符串与布尔类型
      • 2.4.4 运算符
    • 2.5 Python 基本数据结构
      • 2.5.1 列表
      • 2.5.2 元组
      • 2.5.3 字典
      • 2.5.4 集合
    • 2.6 Python 模块化设计
      • 2.6.1 自定义函数
      • 2.6.2 类和对象
      • 2.6.3 模块和包
      • 2.6.4 常用语句
    • 2.7 Python 编程基础实验
      • 2.7.1 实验1:基于Python 循环语句的质数打印
      • 2.7.2 实验2:基于Python 条件语句的数据分类
      • 2.7.3 实验3:基于Python 实现成绩等级查询功能
      • 2.7.4 实验4:基于Python 搭建学生信息管理系统
    • 2.8 本章小结
    • 2.9 课后习题
  • 第3章 Python 数据操作基础
    • 3.1 Python 数据类型的转换
    • 3.2 Python 数据结构的基本操作
      • 3.2.1 字符串
      • 3.2.2 列表
      • 3.2.3 元组
      • 3.2.4 字典
      • 3.2.5 集合
    • 3.3 Python 文件操作
      • 3.3.1 文件的打开与关闭
      • 3.3.2 文件的编码格式
      • 3.3.3 文件的读写操作
      • 3.3.4 文件的数据读取方式
      • 3.3.5 文件的其他操作
    • 3.4 常见数据文件读写
      • 3.4.1 CSV 文件数据读写
      • 3.4.2 TXT 文件数据读写
      • 3.4.3 Excel 文件数据读写
      • 3.4.4 JSON 文件数据读写
    • 3.5 Python 数据操作基础实验
      • 3.5.1 实验1:基于Python 的简易电影信息系统
      • 3.5.2 实验2:基于Python 列表的电影信息存储与显示
    • 3.6 本章小结
    • 3.7 课后习题
  • 第4章 数据采集
    • 4.1 数据采集概述
      • 4.1.1 采集数据分类
      • 4.1.2 数据采集方法
      • 4.1.3 开源数据集
    • 4.2 数据采集基础
      • 4.2.1 常用数据采集工具
      • 4.2.2 HTML
      • 4.2.3 URL
      • 4.2.4 HTTP 和HTTPS
      • 4.2.5 AJAX
    • 4.3 数据采集相关法律及工具
      • 4.3.1 数据采集相关法律
      • 4.3.2 页面数据采集工具
      • 4.3.3 页面数据解析工具
    • 4.4 数据采集实验
      • 4.4.1  实验1:使用Requests 获取“科普中国”网站的安全知识
      • 4.4.2  实验2:使用Scrapy 获取二手房交易信息
      • 4.4.3  实验3:使用Scrapy 获取新房交易信息
    • 4.5 本章小结
    • 4.6 课后习题
  • 第5章 数据存储
    • 5.1 数据存储的方式
      • 5.1.1 文件存储
      • 5.1.2 数据库存储
    • 5.2 数据库的安装与使用
      • 5.2.1 MySQL 安装
      • 5.2.2 Navicat 安装
      • 5.2.3 Navicat 使用
      • 5.2.4 SQL 语句基本操作
    • 5.3 Python 与数据库
      • 5.3.1 连接数据库
      • 5.3.2 创建数据表
      • 5.3.3 对数据表进行增删查改
    • 5.4 数据存储实验
      • 实验: 将Excel 数据表格插入到MySQL 数据库中
    • 5.5 本章小结
    • 5.6 课后习题
  • 第6章 数据预处理
    • 6.1 数据预处理概述
      • 6.1.1 数据预处理的形式
      • 6.1.2 数据预处理的任务
    • 6.2 常用数据预处理工具
      • 6.2.1 Excel
      • 6.2.2 SQL
      • 6.2.3 NumPy
      • 6.2.4 Pandas
      • 6.2.5 Python 其他模块
    • 6.3 Python 数据预处理
      • 6.3.1 缺失数据处理
      • 6.3.2 删除重复数据
      • 6.3.3 数据转换
      • 6.3.4 替换值
      • 6.3.5 重命名轴索引
      • 6.3.6 连续数据离散化
      • 6.3.7 异常值检测和处理
      • 6.3.8 随机排列和采样
      • 6.3.9 计算指标/ 哑变量
    • 6.4 文本数据预处理
      • 6.4.1 正则表达式
      • 6.4.2 re 模块
      • 6.4.3 文本的字符串处理
      • 6.4.4 语言文本预处理
    • 6.5 音频数据预处理
      • 6.5.1 音频数据的读写
      • 6.5.2 音频数据的转换
      • 6.5.3 音频的录音和播放
    • 6.6 图像数据预处理
      • 6.6.1  图像数据预处理基本操作
      • 6.6.2 其他模块工具
    • 6.7 数据预处理实验
      • 6.7.1  实验1:上网行为日志数据的预处理
      • 6.7.2  实验2:中文文本数据预处理
    • 6.8 本章小结
    • 6.9 课后习题
  • 第7章 数据标注
    • 7.1 数据标注概述
      • 7.1.1 数据标注的定义
      • 7.1.2 数据标注分类
      • 7.1.3 数据标注流程
      • 7.1.4 数据标注的应用场景
    • 7.2 数据标注模板制作
      • 7.2.1 登录平台
      • 7.2.2 模板管理
      • 7.2.3 新建模板
      • 7.2.4 编辑模板
      • 7.2.5 标注结果
    • 7.3 数据标注操作规范
      • 7.3.1 图片标注规范
      • 7.3.2 文本标注规范
      • 7.3.3 语音标注规范
    • 7.4 数据标注质量评估分析
      • 7.4.1 数据标注质量标准
      • 7.4.2 数据标注质量检验方法
    • 7.5 数据标注实例
      • 7.5.1 语音标注
      • 7.5.2 图像标注
      • 7.5.3 文本标注
    • 7.6 本章小结
    • 7.7 课后习题
  • 第8章 数据分析基础
    • 8.1 数据分析
      • 8.1.1 数据分析概念
      • 8.1.2 数据分析的应用场景
    • 8.2 数据分析理论基础
      • 8.2.1 数据分析的对象
      • 8.2.2 数据的计算
      • 8.2.3 计算结果的分析
      • 8.2.4 数据分析中的常见名词
    • 8.3 数据分析基础操作
      • 8.3.1 数据分析常用工具
      • 8.3.2 SQL 数据分析基础操作
      • 8.3.3 Python 内置数据分析函数
      • 8.3.4 NumPy 数据分析基础操作
      • 8.3.5 Pandas 数据分析基础操作
      • 8.3.6 Math 数据分析操作
    • 8.4 数据分析实验
      • 实验:电影评分数据分析
    • 8.5 本章小结
    • 8.6 课后习题
  • 第9 章 数据可视化基础
    • 9.1 数据可视化的基础知识
      • 9.1.1 数据可视化概述
      • 9.1.2 数据可视化的相关概念
      • 9.1.3 不同维度的可视化处理手段
      • 9.1.4 数据可视化的基本流程
      • 9.1.5 数据可视化的基本原则
      • 9.1.6 数据可视化的应用
    • 9.2 常见可视化工具
      • 9.2.1 Microsoft Office 套件
      • 9.2.2 Python 数据可视化模块
    • 9.3 常见可视化图表以及绘制方法
      • 9.3.1 柱状图与条形图
      • 9.3.2 折线图
      • 9.3.3 饼图
      • 9.3.4 散点图
      • 9.3.5 雷达图
      • 9.3.6 箱形图
      • 9.3.7 瀑布图
    • 9.4 数据可视化基础实验
      • 实验: 电影评分数据分析与可视化
    • 9.5 本章小结
    • 9.6 课后习题
  • 参考文献

相关图书