學習《用戶網絡行爲畫像》PDF+《社會媒體挖掘》PDF課件

 如何能緊緊地黏住老用戶、吸引新用戶、讀懂用戶的偏好興趣和喜怒哀樂，這都是對企業發展相當重要甚相當乎生死存亡的問題，解決這個問題的方法就是推薦系統。本書分爲上中下三篇，共13章，上篇爲用戶畫像知識工程基礎，包括表徵建模、畫像計算、存儲及各類更新維護等管理操做；中篇爲推薦系統與用戶畫像，包括傳統協同過濾等經典推薦算法的介紹，以及涉及用戶畫像的推薦方法；下篇爲應用案例分析，包括Netflix、阿里等數據競賽的經典數據案例，以及在具體工程開發過程的具體案例，分別從系統需求、整體結構、算法設計、運行流程及測試結果等五個方面提供詳細案例指導。

《用戶網絡行爲畫像：大數據中的用戶網絡行爲畫像分析與內容推薦應用》PDF，235頁，帶書籤目錄，文字能夠複製。《用戶故事地圖》中文PDF，255頁，帶書籤目錄，文字能夠複製。

《用戶網絡行爲畫像》PDF+《用戶故事地圖》PDF

下載: https://pan.baidu.com/s/1EWgxGXi4jzUPfm-iTpZ78g

提取碼: 8kim

用戶故事地圖做爲一種有效的需求工具，愈來愈普遍地應用於開發實踐中。本書以用戶故事地圖爲主題，強調以合做溝通的方式來全面理解用戶需求，涉及的主題包括怎麼以故事地圖的方式來說用戶需求，如何分解和優化需求，若是經過團隊協同工做的方式來積極吸收經驗教訓，從中洞察用戶的需求，開發真正有價值的、小而美的產品和服務。適合產品經理、用戶體驗設計師、產品負責人、業務分析師、IT項目經理、敏捷教練和精益教練閱讀和參考，也更適合用做企業培訓手冊，打造高效能的團隊協做能力。

數據挖掘的理論知識能夠用於挖掘社會媒體數據。社會媒體挖掘用於解決社會媒體數據的問題，涉及網絡分析和數據挖掘的基本概念、新問題以及有效的算法。

社會媒體挖掘培養出了一類新的數據科學家（data scientist），這些科學家精通社會學和計算科學理論，可以分析棘手的社會媒體數據，而且熟練地運用已經掌握的技能和理論（社會學和計算科學理論）以及一些計算工具，幫助咱們探索廣闊的社會媒體世界。

《社會媒體挖掘》中文PDF+英文PDF+課件+Social Media Mining An Introduction

《社會媒體挖掘》中文PDF，257頁，帶目錄，文字能夠複製；英文PDF，338頁，帶目錄，文字能夠複製

下載: https://pan.baidu.com/s/1mncD8w22rw-Q2ditLFa4Uw

提取碼: gx8m

《社會媒體挖掘》集成了近年來社會媒體、社會網絡分析以及數據挖掘的前沿成果，爲學生、從業者、研究人員和項目經理提供了一個方便的平臺，以便理解社會媒體挖掘的基礎知識和潛能。

《社會媒體挖掘》介紹一些基本概念以及適用於研究大規模社會媒體數據的主要算法，並從不一樣的學科（如計算機科學、數據挖掘、機器學習、社會網絡分析、網絡科學、社會學、人種學、統計學、最優化以及數學）視角討論相關理論和方法。此外介紹一些有用的工具，這些工具可以從大規模社會媒體數據中形式化地表示、衡量、建模和挖掘有意義的模式。

《推薦系統實踐》採用數據分類的方法，每一章都介紹了一種能夠用於推薦系統設計的、新類型的用戶數據，而後介紹如何經過各類方法利用該數據，最後在公開數據集上評測這些方法。固然，不是全部數據都有公開的數據集，而且不是全部算法均可以進行離線評測。所以，在遇到沒有數據集或沒法進行離線評測的問題時，引用一些著名學者的實驗結果來講明各類方法的效果。

《推薦系統實踐》高清PDF，215頁，帶書籤目錄，文字能夠複製，項亮著。

《數學之美第2版》PDF，345頁，帶書籤，文字能夠複製，吳軍著。

下載: https://pan.baidu.com/s/1pKqW4ilQCzdy1SIlk9V7vw

提取碼: 3gmw

讀了《數學之美第2版》，才發現大學時學的數學知識，好比馬爾可夫鏈、矩陣計算，甚至餘弦函數原來都如此親切，而且栩栩如生，才發現天然語言和信息處理這麼有趣。在紙本書的創做中，做者吳軍博士幾乎把全部文章都重寫了一遍，爲的是把高深的數學原理講得更加通俗易懂，讓非專業讀者也能領略數學的魅力。讀者經過具體的例子學到的是思考問題的方式 —— 如何化繁爲簡，如何用數學去解決工程問題，如何跳出固有思惟不斷去思考創新。新版增長了大數據和機器學習等最新內容，以知足人們對當下技術的學習需求；同時，根據專家和讀者的反饋更正了錯漏，並更新了部份內容。

 《Python數據分析實戰》展現瞭如何利用Python 語言的強大功能，以最小的編程代價進行數據的提取、處理和分析。

《Python數據分析實戰》中文PDF+英文PDF+源代碼
《Python數據分析實戰》中文PDF，302頁，帶書籤目錄，文字能夠複製。英文PDF，350頁，帶書籤目錄，文字能夠複製。配套源代碼。

下載: https://pan.baidu.com/s/1SI6Tx8jQVmOXYvJ01CrpKw

提取碼: hp88

主要內容包括：數據分析和Python 的基本介紹，NumPy 庫，pandas 庫，如何使用pandas 讀寫和提取數據，用matplotlib 庫和scikit-learn 庫分別實現數據可視化和機器學習，以實例演示如何從原始數據得到信息、D3 庫嵌入和手寫體數字的識別。

將深度學習技術應用到推薦系統當中，效果如何，《推薦系統與深度學習》進行了探討。內容設置由淺入深，從傳統的推薦算法過渡到近年興起的深度學習技術。

《推薦系統與深度學習》PDF+代碼；《推薦系統與深度學習》PDF，215頁，帶書籤目錄，文字能夠複製。配套源代碼。

下載: https://pan.baidu.com/s/1ICrbQxvvMqzIDk4y0zs_dA
提取碼: 4bpz

 

《推薦系統與深度學習》在大型互聯網公司從事與推薦系統相關的實踐與研究，經過這本書，把推薦系統工做經驗予以總結，以幫助想從事推薦系統的工做者或推薦系統愛好者。區別於其餘推薦算法書籍，《推薦系統與深度學習》引入了已被實踐證實效果較好的深度學習推薦技術，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技術應用，並給出了相關的實踐代碼；除了在算法層面講解推薦系統的實現，還從工程層面詳細闡述推薦系統如何搭建。

以Python爲工具，以商業實戰爲導向的數據科學家養成手冊《Python數據科學技術詳解與商業實踐》，從技術、業務、商業實戰3個維度爲有志成爲數據科學家的朋友提供了系統化的學習路徑。

3位做者是數據科學和金融領域的資深專家，不只技術精湛、經驗豐富，並且在本書的寫做上也頗下功夫：首先，將數學和算法等複雜的技術用圖形化的方式來展示，儘量下降讀者的理解難度；其次，本書不是一本教科書或案例集，而是針對數據科學家的能力模型提供系統化的解決方案。

《Python數據科學技術詳解與商業實踐》PDF+源代碼+八大案例
《Python數據科學技術詳解與商業實踐》PDF，436頁，文字能夠複製。配套源代碼；配套八大案例。

下載: https://pan.baidu.com/s/1bKCIZAnYvCa5FnhYa-Yyng 

提取碼: uyw7

一共19章：內容依次圍繞技術、業務和商業實戰3個維度展開：

技術維度：較爲系統和深度地講解了數據挖掘、數據分析以及機器學習等數據科學中核心的技術。

業務維度：圍繞宏觀業務分析和微觀客戶分析展示了數據科學在市場研究、企業管理、客戶畫像與分析、精準營銷、風險度量、流失預警等方面的知識點。

實戰維度：以案例的形式全面展示了著名諮詢公司從事客戶量化分析的方法論，爲讀者提供了標準的數據科學工做模板。