回覆列表
-
1 # 一休三十三
-
2 # 修煉IT基本功
Python吧,如果從根本上講跟需要沒啥大關係,需要是自己的邏輯思維,資料敏感度等,還有一個是勤練習,多動手,python只是更加方便入手,更快實現
-
3 # TD905
謝謝邀請,統計學專業當然要學python了諾貝爾經濟學獎獲得者托馬斯·薩金特(Thomas J. Sargent)在於北京舉辦的世界科技創新論壇上表示,人工智慧其實就是統計學,只不過用了一個很華麗的辭藻,其實就是統計學。好多的公式都非常老,但是所有的人工智慧利用的都是統計學來解決問題。python之所以火是因為人工智慧的發展,個人整理學習經驗僅供參考!
感覺有本書比較適合你,不過可惜的是這本書沒有電子版,只有紙質的。
第 1章 從數學建模到人工智慧
1.1 數學建模1.1.1 數學建模與人工智慧1.1.2 數學建模中的常見問題1.2 人工智慧下的數學1.2.1 統計量1.2.2 矩陣概念及運算1.2.3 機率論與數理統計1.2.4 高等數學——導數、微分、不定積分、定積分第2章 Python快速入門2.1 安裝Python2.1.1 Python安裝步驟2.1.2 IDE的選擇2.2 Python基本操作2.2.1 第 一個小程式2.2.2 註釋與格式化輸出2.2.3 列表、元組、字典2.2.4 條件語句與迴圈語句2.2.5 break、continue、pass2.3 Python高階操作2.3.1 lambda2.3.2 map2.3.3 filter第3章 Python科學計算庫NumPy3.1 NumPy簡介與安裝3.1.1 NumPy簡介3.1.2 NumPy安裝3.2 基本操作3.2.1 初識NumPy3.2.2 NumPy陣列型別3.2.3 NumPy建立陣列3.2.4 索引與切片3.2.5 矩陣合併與分割3.2.6 矩陣運算與線性代數3.2.7 NumPy的廣播機制3.2.8 NumPy統計函式3.2.9 NumPy排序、搜尋3.2.10 NumPy資料的儲存第4章 常用科學計算模組快速入門4.1 Pandas科學計算庫4.1.1 初識Pandas4.1.2 Pandas基本操作4.2 Matplotlib視覺化相簿4.2.1 初識Matplotlib4.2.2 Matplotlib基本操作4.2.3 Matplotlib繪圖案例4.3 SciPy科學計算庫4.3.1 初識SciPy4.3.2 SciPy基本操作4.3.3 SciPy影象處理案例第5章 Python網路爬蟲5.1 爬蟲基礎5.1.1 初識爬蟲5.1.2 網路爬蟲的演算法5.2 爬蟲入門實戰5.2.1 呼叫API5.2.2 爬蟲實戰5.3 爬蟲進階—高效率爬蟲5.3.1 多程序5.3.2 多執行緒5.3.3 協程5.3.4 小結第6章 Python資料儲存6.1 關係型資料庫MySQL6.1.1 初識MySQL6.1.2 Python操作MySQL6.2 NoSQL之MongoDB6.2.1 初識NoSQL6.2.2 Python操作MongoDB6.3 本章小結6.3.1 資料庫基本理論6.3.2 資料庫結合6.3.3 結束語第7章 Python資料分析7.1 資料獲取7.1.1 從鍵盤獲取資料7.1.2 檔案的讀取與寫入7.1.3 Pandas讀寫操作7.2 資料分析案例7.2.1 普查資料統計分析案例7.2.2 小結第8章 自然語言處理8.1 Jieba分詞基礎8.1.1 Jieba中文分詞8.1.2 Jieba分詞的3種模式8.1.3 標註詞性與新增定義詞8.2 關鍵詞提取8.2.1 TF-IDF關鍵詞提取8.2.2 TextRank關鍵詞提取8.3 word2vec介紹8.3.1 word2vec基礎原理簡介8.3.2 word2vec訓練模型8.3.3 基於gensim的word2vec實戰第9章 從迴歸分析到演算法基礎9.1 迴歸分析簡介9.1.1 “迴歸”一詞的來源9.1.2 迴歸與相關9.1.3 迴歸模型的劃分與應用9.2 線性迴歸分析實戰9.2.1 線性迴歸的建立與求解9.2.2 Python求解迴歸模型案例9.2.3 檢驗、預測與控制第10章 從K-Means聚類看演算法調參10.1 K-Means基本概述10.1.1 K-Means簡介10.1.2 目標函式10.1.3 演算法流程10.1.4 演算法優缺點分析10.2 K-Means實戰第11章 從決策樹看演算法升級11.1 決策樹基本簡介11.2 經典演算法介紹11.2.1 資訊熵11.2.2 資訊增益11.2.3 資訊增益率11.2.4 基尼係數11.2.5 小結11.3 決策樹實戰11.3.1 決策樹迴歸11.3.2 決策樹的分類第12章 從樸素貝葉斯看演算法多變 19312.1 樸素貝葉斯簡介12.1.1 認識樸素貝葉斯12.1.2 樸素貝葉斯分類的工作過程12.1.3 樸素貝葉斯演算法的優缺點12.2 3種樸素貝葉斯實戰第13章 從推薦系統看演算法場景13.1 推薦系統簡介13.1.1 推薦系統的發展13.1.2 協同過濾13.2 基於文字的推薦13.2.1 標籤與知識圖譜推薦案例13.2.2 小結第14章 從TensorFlow開啟深度學習之旅14.1 初識TensorFlow14.1.1 什麼是TensorFlow14.1.2 安裝TensorFlow14.1.3 TensorFlow基本概念與原理14.2 TensorFlow資料結構14.2.1 階14.2.2 形狀14.2.3 資料型別14.3 生成資料十二法14.3.1 生成Tensor14.3.2 生成序列14.3.3 生成隨機數14.4 TensorFlow實戰希望對你有幫助!!!
貴在堅持,自己掌握一些,在工作中不斷打磨,高薪不是夢!!! -
4 # tayo2000
建議python,java不適合統計學專業的同學。如果搞軟體開發就學java,如果科學計算或者人工智慧就學pythpn
-
5 # 合肥新華電腦
優秀的資料分析師需要具備這樣一些素質:有紮實的 SQL 基礎,熟練使用 Excel,有統計學基礎,至少掌握一門資料探勘語言(R、SAS、Python、SPSS),有良好的溝通和表達能力,做好不斷學習的準備,有較強的資料敏感度和邏輯思維能力,深入瞭解業務,有管理者思維,能站在管理者的角度考慮問題。
這個首推Python。
主要Python的語法簡潔,並且使用動態型別,這樣帶來很多優勢,由於是動態型別,型別會在解釋時進行確定,所以在Python中可以輕易做這樣的事情,相較於Java,在Python中做虛擬碼中描述的像類傳遞,函式傳遞,實現起來容易的多,並且在傳遞過程中相較於java,在程式實現這個層面上,更容易理解其原理。Python常被用作系統管理,搭建Web服務,網路爬蟲,統計分析等多個方面,是一門用途廣泛的膠水語言