|
000
|
01760nam 2200325 450
|
|
001
|
012022000357
|
|
005
|
20220620171713.2
|
|
010
|
|
@a978-7-111-69650-6@dCNY109.00
|
|
100
|
|
@a20211231d2022 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPython金融数据挖掘与分析实战@APythonjin rong shu ju wa jue yu fen xi shi zhan@d= Financial data mining and analysis by Python@f刘鹏 ... [等] 著@zeng
|
|
210
|
|
@a北京@c机械工业出版社@d2022.1
|
|
215
|
|
@a405页@c图@d24cm
|
|
225
|
2
|
@a金融科技@Ajin rong ke ji
|
|
304
|
|
@a题名页题: 刘鹏, 高中强, 王一凡, 杨语蒙, 夏春蒙等著; 封面题: 刘鹏, 高中强等著
|
|
314
|
|
@a刘鹏, 教授, 清华大学博士, 云计算、大数据和人工智能领域的知名专家。高中强, 人工智能与大数据领域技术专家, 擅长机器学习和自然语言处理。
|
|
320
|
|
@a有书目 (第403-405页)
|
|
330
|
|
@a这是一本面向金融行业的以实战为导向的数据挖掘著作, 全书共14章, 第1-3章为Python数据分析基础; 第4章讲解经典数据挖掘方法; 第5章主要介绍网络舆情的采集和热点分析; 第6章详细介绍舆情分析的重中之重: 情感分类; 第7章和第8章讲解利用传统的机器学习算法以及深度学习中的循环神经网络对股价趋势进行预测, 重点阐述了SVM算法和ARIMA算法; 第9-11章详细介绍了个人信用评分及企业信用评分的技术与方法; 第12章主要讲解用户画像; 第13章讲解搭建目标客户运营体系的流程、目标客户的挖掘与分类等; 第14章讲解智能推荐的方法与具体应用。
|
|
410
|
0
|
@12001 @a金融科技
|
|
510
|
1
|
@aFinancial data mining and analysis by Python@zeng
|
|
606
|
0
|
@a软件工具@Aruan jian gong ju@x程序设计@x应用@x金融@x数据处理
|
|
690
|
|
@aF830@v5
|
|
701
|
0
|
@a刘鹏@Aliu peng@4著
|
|
701
|
0
|
@a高中强@Agao zhong qiang@4著
|
|
701
|
0
|
@a王一凡@Awang yi fan@4著
|
|
801
|
0
|
@aCN@bCDNYKJZYXY@c20220620
|
|
905
|
|
@aCDNYKJZYXY@b300661710-1@dF830@e922@f2
|
|
|
|
|
| |
| Python金融数据挖掘与分析实战= Financial data mining and analysis by Python/刘鹏 ... [等] 著.-北京：机械工业出版社，2022.1 |
| 405页：图；24cm.-(金融科技) |
| |
| |
| ISBN 978-7-111-69650-6：CNY109.00 |
| 这是一本面向金融行业的以实战为导向的数据挖掘著作, 全书共14章, 第1-3章为Python数据分析基础; 第4章讲解经典数据挖掘方法; 第5章主要介绍网络舆情的采集和热点分析; 第6章详细介绍舆情分析的重中之重: 情感分类; 第7章和第8章讲解利用传统的机器学习算法以及深度学习中的循环神经网络对股价趋势进行预测, 重点阐述了SVM算法和ARIMA算法; 第9-11章详细介绍了个人信用评分及企业信用评分的技术与方法; 第12章主要讲解用户画像; 第13章讲解搭建目标客户运营体系的流程、目标客户的挖掘与分类等; 第14章讲解智能推荐的方法与具体应用。 |
| ● |
正题名：Python金融数据挖掘与分析实战
索取号：F830/922
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
661710
|
300661710
|
流通六库五楼/
[索取号:F830/922]
|
在馆
|
|
|
2
|
661711
|
300661711
|
流通六库五楼/
[索取号:F830/922]
|
在馆
|
|
