《数据新闻实战》紧密围绕数字媒体环境下新闻工作者在数据新闻制作中的实际需求，基于案例全面介绍了数据新闻制作的流程。《数据新闻实战》理论和实践结合，内容包括数据新闻的概念和制作流程，公开数据的获取、申请和搜索方法，数据转换和存储方法，“脏数据”的成因及其表现形式，常见的数据清理和分析工具，基于OpenRefine环境清理“脏数据”的过程和方法，数据清理原则，数据合理性分析，缺失数据的预测和时间序列预测等。《数据新闻实战》同时阐明了数据可视化的概念，详细介绍了Tableau制作数据新闻的方法和技巧，最后介绍了其他常用的数据新闻制作工具。 《数据新闻实战》通俗易懂、结构严谨、层次清晰、案例丰富，特别适合网络编辑、新媒体记者、大中专院校相关专业师生阅读，有一定工作经验的数据新闻工作者也可以从《数据新闻实战》中学习到大量高级实用的功能和技巧。

本书称得上是国际数据新闻设计领域的鼎力之作，不仅将数据新闻设计的基本元素、常用的设计手法及几种相对复杂的设计形式娓娓道来，同时囊括了国内外大量的作品案例。 这些作品大多出自美国、英国、意大利、巴西、法国等知名设计师之手，他们拥有十几年甚至几十年的从业经验，其中不乏来自知名报纸和杂志如《阿曼时报》（Times of Oman）和《24小时太阳报》（Il Sole 24 Ore）的专业设计师。 作品中不仅运用了极具创意的图形，插画，还结合了手绘图案及手工制品设计。无论对于专业设计师或者学生，亦或对可视化设计感兴趣的读者，本书绝对是上上之选！ 目录

本书称得上是国际数据新闻设计领域的鼎力之作，不仅将数据新闻设计的基本元素、常用的设计手法及几种相对复杂的设计形式娓娓道来，同时囊括了国内外大量的作品案例。 这些作品大多出自美国、英国、意大利、巴西、法国等知名设计师之手，他们拥有十几年甚至几十年的从业经验，其中不乏来自知名报纸和杂志如《阿曼时报》（Times of Oman）和《24小时太阳报》（Il Sole 24 Ore）的专业设计师。 作品中不仅运用了极具创意的图形，插画，还结合了手绘图案及手工制品设计。无论对于专业设计师或者学生，亦或对可视化设计感兴趣的读者，本书绝对是上上之选！ 目录

本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

在越来越多的企业开始利用数据科学来驱动业务，本书将依托 TalkingData公司在大数据领域的多年实际经验，从数据、人才、工具三个维度帮助企业数据团队完成端到端的数据科学项目部署。 本书的内容包括数据科学项目的基础概念、准备工作、团队人才及端到端的实战案例等，适合正面临数字化转型的企业决策者、数据团队负责人，以及从事数据科学工作的数据工程师、数据科学家、数据工程师等阅读。

Anaconda是一个强大的开源数据科学平台，它将很多好的工具整合在一起，极大地简化了使用者的工作流程，并能够帮助使用者解决一系列数据科学难题。《Anaconda数据科学实战》旨在通过一系列示例，引导读者在编码和图表中了解Anaconda的强大之处。本书包括12章，结合R、Python、Octave和Julia等4种编程语言，从平台的安装和配置开始，循序渐进地引导读者掌握数据集的获取、数据可视化、统计建模、管理包、Anaconda的优化、无监督学习、监督学习、数据预测分析、云、分布式计算等内容。本书示例丰富，讲解细致，作者不仅在金融领域有着深厚的积累，还有着丰富的教学经验。对于那些有兴趣了解金融领域数据科学的读者，以及普通的数据分析师或数据科学从业者，本书都是一个不错的选择。在阅读本书之前，我们希望读者具备R或Python的基本编程知识，以及线性代数相关的基本知识。

本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。

本书旨在成为读者进入数据科学领域的指南。全书共20章，涵盖了数据科学及其应用的各个方面，引入经典数据集将理论与实践相结合，采用Jupyter等工具，以Python语言由浅入深地介绍了数据科学及相关学科的基本概念、数据预处理、机器学习及时间序列等内容，并提供了不同的案例研究，以达到学以致用的效果。通过阅读本书，读者将获得成为一名数据科学家所需的基本知识和技能。本书适合有Python或其他编程语言基础，并对数据科学感兴趣的人员阅读。

本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。