学习《用户网络行为画像》PDF+《社会媒体挖掘》PDF课件

 如何能紧紧地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展相当重要甚相当乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各类更新维护等管理操做；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、整体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

《用户网络行为画像：大数据中的用户网络行为画像分析与内容推荐应用》PDF，235页，带书签目录，文字能够复制。《用户故事地图》中文PDF，255页，带书签目录，文字能够复制。

《用户网络行为画像》PDF+《用户故事地图》PDF

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

提取码: 8kim

用户故事地图做为一种有效的需求工具，愈来愈普遍地应用于开发实践中。本书以用户故事地图为主题，强调以合做沟通的方式来全面理解用户需求，涉及的主题包括怎么以故事地图的方式来说用户需求，如何分解和优化需求，若是经过团队协同工做的方式来积极吸收经验教训，从中洞察用户的需求，开发真正有价值的、小而美的产品和服务。适合产品经理、用户体验设计师、产品负责人、业务分析师、IT项目经理、敏捷教练和精益教练阅读和参考，也更适合用做企业培训手册，打造高效能的团队协做能力。

数据挖掘的理论知识能够用于挖掘社会媒体数据。社会媒体挖掘用于解决社会媒体数据的问题，涉及网络分析和数据挖掘的基本概念、新问题以及有效的算法。

社会媒体挖掘培养出了一类新的数据科学家（data scientist），这些科学家精通社会学和计算科学理论，可以分析棘手的社会媒体数据，而且熟练地运用已经掌握的技能和理论（社会学和计算科学理论）以及一些计算工具，帮助咱们探索广阔的社会媒体世界。

《社会媒体挖掘》中文PDF+英文PDF+课件+Social Media Mining An Introduction

《社会媒体挖掘》中文PDF，257页，带目录，文字能够复制；英文PDF，338页，带目录，文字能够复制

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

提取码: gx8m

《社会媒体挖掘》集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。

《社会媒体挖掘》介绍一些基本概念以及适用于研究大规模社会媒体数据的主要算法，并从不一样的学科（如计算机科学、数据挖掘、机器学习、社会网络分析、网络科学、社会学、人种学、统计学、最优化以及数学）视角讨论相关理论和方法。此外介绍一些有用的工具，这些工具可以从大规模社会媒体数据中形式化地表示、衡量、建模和挖掘有意义的模式。

《推荐系统实践》采用数据分类的方法，每一章都介绍了一种能够用于推荐系统设计的、新类型的用户数据，而后介绍如何经过各类方法利用该数据，最后在公开数据集上评测这些方法。固然，不是全部数据都有公开的数据集，而且不是全部算法均可以进行离线评测。所以，在遇到没有数据集或没法进行离线评测的问题时，引用一些著名学者的实验结果来讲明各类方法的效果。

《推荐系统实践》高清PDF，215页，带书签目录，文字能够复制，项亮著。

《数学之美第2版》PDF，345页，带书签，文字能够复制，吴军著。

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

提取码: 3gmw

读了《数学之美第2版》，才发现大学时学的数学知识，好比马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，而且栩栩如生，才发现天然语言和信息处理这么有趣。在纸本书的创做中，做者吴军博士几乎把全部文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者经过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思惟不断去思考创新。新版增长了大数据和机器学习等最新内容，以知足人们对当下技术的学习需求；同时，根据专家和读者的反馈更正了错漏，并更新了部份内容。

 《Python数据分析实战》展现了如何利用Python 语言的强大功能，以最小的编程代价进行数据的提取、处理和分析。

《Python数据分析实战》中文PDF+英文PDF+源代码
《Python数据分析实战》中文PDF，302页，带书签目录，文字能够复制。英文PDF，350页，带书签目录，文字能够复制。配套源代码。

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

提取码: hp88

主要内容包括：数据分析和Python 的基本介绍，NumPy 库，pandas 库，如何使用pandas 读写和提取数据，用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习，以实例演示如何从原始数据得到信息、D3 库嵌入和手写体数字的识别。

将深度学习技术应用到推荐系统当中，效果如何，《推荐系统与深度学习》进行了探讨。内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。

《推荐系统与深度学习》PDF+代码；《推荐系统与深度学习》PDF，215页，带书签目录，文字能够复制。配套源代码。

下载: https://pan.baidu.com/s/1ICrbQxvvMqzIDk4y0zs_dA
提取码: 4bpz

 

《推荐系统与深度学习》在大型互联网公司从事与推荐系统相关的实践与研究，经过这本书，把推荐系统工做经验予以总结，以帮助想从事推荐系统的工做者或推荐系统爱好者。区别于其余推荐算法书籍，《推荐系统与深度学习》引入了已被实践证实效果较好的深度学习推荐技术，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何搭建。

以Python为工具，以商业实战为导向的数据科学家养成手册《Python数据科学技术详解与商业实践》，从技术、业务、商业实战3个维度为有志成为数据科学家的朋友提供了系统化的学习路径。

3位做者是数据科学和金融领域的资深专家，不只技术精湛、经验丰富，并且在本书的写做上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展示，尽量下降读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。

《Python数据科学技术详解与商业实践》PDF+源代码+八大案例
《Python数据科学技术详解与商业实践》PDF，436页，文字能够复制。配套源代码；配套八大案例。

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

提取码: uyw7

一共19章：内容依次围绕技术、业务和商业实战3个维度展开：

技术维度：较为系统和深度地讲解了数据挖掘、数据分析以及机器学习等数据科学中核心的技术。

业务维度：围绕宏观业务分析和微观客户分析展示了数据科学在市场研究、企业管理、客户画像与分析、精准营销、风险度量、流失预警等方面的知识点。

实战维度：以案例的形式全面展示了著名咨询公司从事客户量化分析的方法论，为读者提供了标准的数据科学工做模板。