本书采用案例式编写模式，包括7个单元，其中，单元1介绍数据分析的基本概念、流程和常用工具包，单元2介绍数据标注的分类、基本流程及工具的使用，单元3介绍ndarray数组及Python科学计算库NumPy，单元4介绍数据分析处理库pandas，单元5介绍数据可视化工具包Matplotlib和seaborn，单元6介绍分类和回归模型及评价指标，单元7通过两个综合案例讲解数据分析的具体处理过程。 

 本书可作为各类职业院校人工智能技术应用及相关专业的教材，也可作为人工智能爱好者的自学参考用书。

 本书配有电子课件，选用本书作为授课教材的教师可登录机械工业出版社教育服务网（wwwcmpeducom）注册后免费下载，或联系编辑（010-88379807）咨询。

目录

前言

单元1了解数据分析

11数据分析简介

12数据分析的应用案例

13数据分析步骤

单元总结

单元2数据标注

21数据标注的概念

22数据标注的分类

23数据标注的基本流程

24常用数据标注工具

25案例实施：数据标注

单元总结

评价考核

习题

单元3数据统计

31ndarray数组

32NumPy切片与索引

33对ndarray进行数学运算

34案例实施：基于NumPy的股票统计分析

单元总结

评价考核

习题

单元4数据处理

41pandas数据结构

42运用pandas进行数据处理

43运用pandas进行数据统计

44案例实施：药品销售数据分析

单元总结

评价考核

习题

单元5数据可视化

51Matplotlib的两种绘图接口

52Matplotlib面向多种图形的接口

53seaborn库

54案例实施：超市数据分析

单元总结

评价考核

习题

单元6数据建模

61scikit-learn介绍

62KNN算法

63决策树分类算法

64支持向量机

65度量分类模型的性能

66度量回归模型的性能

67案例实施：手写数字识别

单元总结

评价考核

习题

单元7数据分析综合案例

案例1：泰坦尼克号幸存者预测

案例2：房价预测

单元总结

参考文献