出现在书名中的结果
共 0 条
新媒体文案写作从小白到高手：盈利思维、AI应用与自我增值的96个技巧
41人今日阅读 推荐值 88.4%
本书为专注于新媒体文案创作的指导书籍，旨在帮助读者从写作新手成长为高手。全书共分为七章，详细介绍了96个实用技巧，涵盖了从理解写作的核心，到提炼文案，再到如何有效利用AI工具辅助写作等多个方面。本书不仅教授写作技巧，还重点关注如何将写作技能转化为盈利模式，帮助读者在数字时代实现靠写作打造个人品牌的目标，快速成长。 作者结合自己的写作和教学经历，以及对学员写作挑战的观察，提出了多种针对性策略。书中强调，写作不仅是一项技能，更是一种思维方式和自我表达的工具，能够帮助人们更好地理解和处理生活中的问题。作者分享了如何避开常见写作误区，如何克服写作障碍，并提供了多种写作模板以及根据不同平台需求的文案写作方法，帮助读者快速提升写作水平，塑造品牌影响力。 本书适合文案写作初学者和经验丰富的写作者，特别是文案策划者、文案写作人员、视频编导等，还可以作为电子商务等专业的教材。
41
Python极简讲义：一本书入门数据分析与机器学习
37人今日阅读 推荐值 86.2%
本书以图文并茂的方式介绍了Python的基础内容，并深入浅出地介绍了数据分析和机器学习领域的相关入门知识。 第1章至第5章以极简方式讲解了Python的常用语法和使用技巧，包括数据类型与程序控制结构、自建Python模块与第三方模块、Python函数和面向对象程序设计等。第6章至第8章介绍了数据分析必备技能，如NumPy、Pandas和Matplotlib。第9章和第10章主要介绍了机器学习的基本概念和机器学习框架sklearn的基本用法。 对人工智能相关领域、数据科学相关领域的读者而言，本书是一本极简入门手册。对于从事人工智能产品研发的工程技术人员，本书亦有一定的参考价值。
37
电商数据分析与数据化运营
34人今日阅读 推荐值 74.1%
内容介绍 本书从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事电商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的经验总结。 为了增强本书的趣味性和读者的角色代入感，本书采用了纪实和叙事的写作手法，书中虚拟了3个核心人物： ?Alex：临危受命、勇挑重担、运筹帷幄的BI部门经理（资深数据分析师）。 ?叶子：有电商行业从业经验但是不懂数据分析的业务员。 ?大白：从其他行业转型到电商行业的数据分析师。 全书有两条主线： ?暗线：叶子和大白在Alex的指导和帮助下成长为“精业务、精数据、精运营”的“三精”数据分析师的经历，这对数据分析师的职业规划和成长有重要借鉴意义。 ?明线：Alex将自己在电商数据分析与数据化运营方面的经验用16堂课的形式保无保留地传授给了叶子和大白，内容涵盖电商业务、数据分析、数据化运营的所有核心知识点。 能让读者仿佛置身于一个虚拟而真实的电商公司，经历着书中主人公所经历的一切，进而可以轻松地将文字与故事场景中精深的业务模型与实战案例转化为自己的知识！ 本书采用了理论与业务模型相结合、理论与实践案例相结合的讲解方法，系统、充分地讲解了电商行业的运营框架、数据运营指标、数据分析方法、经典实用案例，以及业务模型等。
34
利用Python进行数据分析（原书第2版）
26人今日阅读 推荐值 83.8%
阅读本书可以获得关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第2版针对Python 3.6进行了更新，并增加了实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到最新版本的pandas、NumPy、IPython和Jupyter。
26
深入浅出Pandas：利用Python进行数据处理与分析
26人今日阅读 推荐值 82.1%
如果你想充分发挥Python的强大作用，如果你想成为一名好的Python工程师，你应该先学好Pandas。这是一本全面覆盖了Pandas使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解，既是初学者系统学习Pandas难得的入门书，又是有经验的Python工程师案头必不可少的查询手册。本书共17章，分为七部分。1部分（1～2章） Pandas入门：首先介绍了Pandas的功能、使用场景和学习方法，然后详细讲解了Python开发环境的搭建，Z后介绍了Pandas的大量基础功能，旨在引领读者快速入门。二部分（3～5章） Pandas数据分析基础：详细讲解了Pandas读取与输出数据、索引作、数据类型转换、查询筛选、统计计算、排序、位移、数据修改、数据迭代、函数应用等内容。三部分（6～9章） 数据形式变化：讲解了Pandas的分组聚合作、合并作、对比作、数据透视、转置、归一化、标准化等，以及如何利用多层索引对数据进行升降维。部分（10～12章） 数据清洗：讲解了缺失值和重复值的识别、删除、填充，数据的替换、格式转换，文本的提取、连接、匹配、切分、替换、格式化、虚拟变量化等，以及分类数据的应用场景和作方法。五部分（13～14章）时序数据分析：讲解了Pandas中对于各种时间类型数据的处理和分析，以及在时序数据处理中经常使用的窗口计算。六部分（15～16章） 可视化：讲解了Pandas的样式功能如何让数据表格更有表现力，以及Pandas的绘图功能如何让数据自己说话。七部分（17章） 实战案例：介绍了从需求到代码的思考过程，如何利用链式编程思想提高代码编写和数据分析效率，以及数据分析的基本方法与需要掌握的数据分析工具和技术栈，此外还从数据处理和数据分析两个角度给出了大量的应用案例及代码详解。
26