共计 1078 个字符，预计需要花费 3 分钟才能阅读完成。
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 数据迷信和机器学习实际指南
- 零、前言
- 一、入门
- 二、统计和概率回顾和 Python 实际
- 三、Matplotlib 和高级概率概念
- 四、预测模型
- 五、Python 机器学习
- 六、举荐零碎
- 七、更多数据挖掘和机器学习技术
- 八、解决实在数据
- 九、Apache Spark- 大数据机器学习
- 十、测试与实验设计
-
精通 Python 数据迷信
- 零、前言
- 一、原始数据入门
- 二、推断统计
- 三、海底捞针
- 四、通过高级可视化感知数据
- 五、发现机器学习
- 六、应用线性回归执行预测
- 七、预计事件的可能性
- 八、应用协同过滤生成倡议
- 九、应用集成模型扩大边界
- 十、通过 K 均值聚类利用细分
- 十一、通过文本开掘剖析非结构化数据
- 十二、在大数据世界中利用 Python
-
Python 数据迷信本质论
- 零、前言
- 一、第一步
- 二、数据整顿
- 三、数据管道
- 四、机器学习
- 五、可视化，见解和后果
- 六、社交网络分析
- 七、超过根底的深度学习
- 八、大数据和 Spark
- 九、增强您的 Python 根底
-
数据迷信思维
- 零、前言
- 一、开发人员对数据迷信的认识
- 二、应用 Jupyter 笔记本和 PixieDust 的大规模数据迷信
- 三、PixieApp 深刻理解
- 四、应用 PixieGateway 服务器将 PixieApp 部署到 Web
- 五、最佳实际和高级 PixieDust 概念
- 六、TensorFlow 图像识别
- 七、大数据和 Twitter 情感剖析
- 八、金融工夫序列剖析和预测
- 九、应用图的美国国内航班数据分析
- 十、最终思维
- 十一、附录 A：PixieApp 疾速参考
下载
Docker
docker pull apachecn0/apachecn-cv-zh
docker run -tid -p <port>:80 apachecn0/apachecn-cv-zh
# 拜访 http://localhost:{port}
PYPI
pip install apachecn-cv-zh
apachecn-cv-zh <port>
# 拜访 http://localhost:{port}
NPM
npm install -g apachecn-cv-zh
apachecn-cv-zh <port>
# 拜访 http://localhost:{port}
奉献指南
本我的项目须要校对，欢送大家提交 Pull Request。
请您怯懦地去翻译和改良翻译。尽管咱们谋求卓越，但咱们并不要求您做到美中不足，因而请不要放心因为翻译上犯错——在大部分状况下，咱们的服务器曾经记录所有的翻译，因而您不用放心会因为您的失误受到无法挽回的毁坏。（改编自维基百科）
正文完
