新書推薦：
《
中国早期民法新论：案例、法规、概念与法律之外
》
售價：HK$
52.8
《
六星纪元：盟战时代
》
售價：HK$
85.8
《
富足人生指南：用十年时间实现富而喜悦
》
售價：HK$
85.8
《
少女杂货铺 Procreate可爱质感插画教程
》
售價：HK$
76.8
《
数理人文（第1辑）
》
售價：HK$
107.8
《
俘虏危机：大英帝国崛起的背面（1600～1850）
》
售價：HK$
130.9
《
家庭心理健康指南：孩子一生幸福的基石
》
售價：HK$
65.8
《
舍勒的心灵（中国现象学文库·现象学原典译丛）
》
售價：HK$
79.2
|
| 編輯推薦： |
※ 深入剖析ChatGPT，掌握其在各领域的强大应用，提升工作效率与创新思维。
※ 系统学习高效利用ChatGPT的策略，优化复杂问题的解决过程，释放潜能。
※ 构建数据分析框架，借助ChatGPT提升数据处理精准度，优化决策制定。
※ 利用ChatGPT处理海量数据，洞察数据背后的深刻含义，发现关键趋势。
※ 通过丰富案例，学习ChatGPT在数据分析中的应用，将理论转化为实战技能，实现能力飞跃。
|
| 內容簡介： |
本书从ChatGPT的基础原理讲起，逐步深入ChatGPT的基础使用和插件功能，并结合各种数据分析实战案例，重点介绍了ChatGPT在各种数据分析场景中的应用方法，让读者不但可以系统地学习ChatGPT相关知识，而且能对ChatGPT在数据分析中的实战应用有更为深入的理解。本书分为12章，涵盖的主要内容有：ChatGPT简介与基本原理；ChatGPT使用方法；ChatGPT插件应用；ChatGPT构建指标体系、ChatGPT 数据采集与清洗、ChatGPT探索性数据分析和可视化、ChatGPT推断性统计分析、ChatGPT预测分析、ChatGPT文本分析、ChatGPT分类和聚类分析、ChatGPT推荐算法、ChatGPT行业数据分析等的应用方法和实战项目案例。
本书内容通俗易懂、案例丰富、实用性强，特别适合对数据分析和人工智能感兴趣的读者，包括但不限于数据分析师、数据科学家、数据工程师、有数据分析需求的业务人员、研究人员、学生以及所有想要利用ChatGPT进行数据分析的读者。另外，本书也适合作为相关培训机构的教材使用。
|
| 關於作者： |
史浩然：浙江大学硕士，具有多年数据分析工作经验，曾先后在阿里巴巴、高露洁等公司从事数据分析、数据科学等相关工作，现为某世界500强企业数据分析专家。在数据分析和数据挖掘等领域有深厚的理论基础和丰富的实战经验，同时曾参与多部数字化转型相关教材的编写和审稿，并参与人力资源社会保障部人工智能训练师考试题目编写。 赵辛：博士，入选《福布斯》科技榜U30、深圳市孔雀计划海外高层次人才，人工智能产业协会专家，高级工程师。新南威尔士大学全奖博士，SCI论文10余篇，授权专利20余项。带领团队成功研发了全球首台“手、脑、眼、脚”一体化纺织络筒机器人，曾与全球知名企业如埃森哲、富士康、固高科技等合作开展AI研究项目10余项，致力于AI赋能工业与新能源电力行业。
吴志成：平安科技高级算法工程师，6年人工智能与数据分析开发经验，从事机器学习、深度学习、自然语言处理等领域的项目开发工作。
|
| 目錄：
|
第1章 ChatGPT简介与基本原理
1.1 ChatGPT简介 001
1.1.1 ChatGPT前世今生 001
1.1.2 ChatGPT的特点 003
1.2 ChatGPT和数据分析 005
1.2.1 数据分析的基本概念 005
1.2.2 ChatGPT在数据分析中的应用场景 006
第2章 ChatGPT使用方法
2.1 基础用法：从注册账号到谈笑风生 008
2.1.1 注册和登录ChatGPT 008
2.1.2 ChatGPT对话初体验 011
2.1.3 识别和处理ChatGPT的错误输出 012
2.2 ChatGPT提示工程：prompt的艺术 014
2.2.1 提示工程的概念 014
2.2.2 提示的设计 016
2.2.3 提示的优化技巧 018
2.3 实用ChatGPT应用 020
2.3.1 python简介、下载安装和环境配置 020
2.3.2 ChatGPT辅助编程 024
2.3.3 ChatGPT辅助文章生成 028
第3章 ChatGPT插件应用
3.1 插件的基本使用 031
3.1.1 插件概述 031
3.1.2 安装和启用插件 032
3.2 Code Interpreter功能用法详解 034
3.2.1 Code Interpreter功能介绍 034
3.2.2 Code Interpreter功能实战 037
3.3 其他数据分析常用插件介绍 048
3.3.1 Noteable插件的基本使用 048
3.3.2 其他常用插件介绍 053
第4章 ChatGPT构建指标体系实战
4.1 案例背景和任务 055
4.2 指标体系知识提要 056
4.2.1 常用指标 056
4.2.2 指标体系构建方法 061
4.2.3 指标字典 062
4.3 使用ChatGPT搭建指标体系 063
4.3.1 选择北极星指标 064
4.3.2 搭建指标体系 065
4.3.3 输出指标字典 070
4.4 ChatGPT指标体系搭建实战总结 074
第5章 ChatGPT数据采集与清洗实战
5.1 案例背景和任务 077
5.2 数据采集和数据清洗知识提要 078
5.2.1 数据采集概念 078
5.2.2 网络爬虫 079
5.2.3 问卷调查 081
5.2.4 其他常见数据采集方式 082
5.2.5 数据清洗概念 082
5.2.6 数据清洗主要方法 083
5.3 ChatGPT数据采集实战 085
5.3.1 ChatGPT爬虫实战分析 085
5.3.2 ChatGPT调查问卷设计实战 091
5.4 ChatGPT数据清洗实战 097
5.4.1 ChatGPT一致性检查实战 097
5.4.2 使用ChatGPT处理缺失值＆重复数据 100
5.5 ChatGPT数据采集和清洗实战总结 105
5.5.1 数据采集重点知识总结 105
5.5.2 数据清洗重点知识总结 105
5.5.3 重点实操总结 105
第6章 ChatGPT探索性数据分析和可视化实战
6.1 案例背景和任务 107
6.2 探索性数据分析和可视化知识提要 108
6.2.1 探索性数据分析概念 108
6.2.2 探索性数据分析流程 110
6.2.3 数据可视化图表应用 112
6.3 ChatGPT探索性数据分析实战 113
6.3.1 ChatGPT数据解读实战 113
6.3.2 ChatGPT描述性统计实战 116
6.3.3 ChatGPT相关性分析实战 123
6.3.4 ChatGPT数据可视化实战 125
6.3.5 ChatGPT探索性数据分析总结 129
第7章 ChatGPT推断性统计分析实战
7.1 案例背景和任务 131
7.2 推断性统计分析知识回顾 132
7.2.1 推断性统计分析重点概念 132
7.2.2 参数估计 134
7.2.3 假设检验和方差分析 137
7.3 ChatGPT参数估计实战 139
7.3.1 ChatGPT点估计实战 139
7.3.2 ChatGPT区间估计实战 145
7.4 ChatGPT假设检验和方差分析实战 148
7.4.1 ChatGPT假设检验实战 148
7.4.2 ChatGPT方差分析实战 151
7.5 ChatGPT推断性统计分析实战总结 154
第8章 ChatGPT预测分析实战
8.1 案例背景和任务 157
8.1.1 任务一 157
8.1.2 任务二 158
8.2 预测模型知识提要 158
8.2.1 预测模型重点概念 158
8.2.2 回归分析步骤 164
8.2.3 时间序列预测分析步骤 166
8.2.4神经网络预测分析步骤 166
8.2.5决策树和随机森林预测分析步骤 167
8.3ChatGPT数据预测实战 168
8.3.1 ChatGPT回归分析实战 168
8.3.2 ChatGPT时间序列分析实战 177
8.3.3 ChatGPT神经网络预测分析实战 184
8.3.4 ChatGPT决策树和随机森林分析实战 189
8.4 ChatGPT预测分析实战总结 193
8.4.1 重点概念总结 193
8.4.2 重点实操总结 194
第9章 ChatGPT文本分析实战
9.1 案例背景和任务 197
9.2 文本分析知识提要 198
9.2.1 文本预处理 198
9.2.2 文本特征工程 199
9.2.3 文本情感分析 201
9.2.4 文本关键词分析和主题建模 202
9.3 ChatGPT评论文本分析实战 205
9.3.1 评论数据预处理 205
9.3.2 评论数据关键词分析 206
9.3.3 评论数据主题建模 210
9.3.4 评论数据情感分析 212
9.4 ChatGPT文本分析实战总结 216
9.4.1 文本预处理重点概念 216
9.4.2 文本特征工程重点概念 217
9.4.3 文本情感分析重点概念 217
9.4.4 文本关键词分析和主题建模重点概念 218
9.4.5 重点实操总结 218
第10章 ChatGPT分类和聚类分析实战
10.1 案例背景和任务 220
10.1.1 任务一 220
10.1.2 任务二 221
10.2 分类和聚类知识提要 221
10.2.1 分类方法概述 221
10.2.2 分类方法评估指标 225
10.2.3 聚类方法概述和效果评价 228
10.3 ChatGPT分类和聚类分析应用实战 232
10.3.1 ChatGPT分类任务实战 232
10.3.2 ChatGPT聚类任务实战 241
10.4 ChatGPT分类和聚类分析实战总结 248
第11章 ChatGPT推荐算法实战
11.1 案例背景和任务 250
11.1.1 任务一 250
11.1.2 任务二 251
11.2 推荐算法知识提要 251
11.2.1 基于内容的推荐算法 251
11.2.2 协同过滤推荐 254
11.3 ChatGPT推荐算法应用实战 255
11.3.1 ChatGPT基于内容的推荐算法实战 255
11.3.2 ChatGPT协同过滤推荐实战 261
11.4 ChatGPT推荐算法实战总结 267
11.4.1 重点概念总结 267
11.4.2 重点实操总结 268
第12章 ChatGPT行业数据分析实战
12.1 电商行业分析实战 269
12.1.1 分析方法回顾 269
12.1.2 用户分析 271
12.1.3 商品分析 280
12.2 金融行业分析实战 286
12.2.1 股价预测分析 286
12.2.2 投资组合分析 289
12.3 ChatGPT行业数据分析实战总结 291
12.3.1 分析方法总结 291
12.3.2 重点实操总结 292
|
| 內容試閱：
|
2022年11月30日，OpenAI宣布正式发布ChatGPT 3.5，人工智能在理解和生成人类语言方面的能力达到了一个新的高度；2023年3月24日凌晨，OpenAI发布ChatGPT Plugins（ChatGPT插件集），它能将ChatGPT连接到第三方应用程序，为数据分析提供了全新的可能性。
而在信息化和数字化的今天，数据早已成为企业和组织的重要资产。数据分析作为一种从数据中提取有价值信息的方法，已经在各个行业中发挥了重要作用，无论是金融、医疗、教育，还是电商、媒体、政府，数据分析都在其中扮演着重要的角色。
因此，掌握如何通过ChatGPT进行数据分析，不仅能够帮助专业的数据从业者事半功倍地提升数据分析效率，还能够有效地帮助非数据从业者降低数据分析的门槛，从而轻轻松松在实战中进行数据分析。
编者的使用体会
在使用ChatGPT进行数据分析的过程中，编者深深叹服于ChatGPT的强大功能和高效。无论是在前期的数据采集和清洗环节，还是在预测分析、文本分析等具体的分析挖掘环节，ChatGPT都可以高效且富有逻辑地输出分析过程和分析结果。可以说，ChatGPT几乎可以在数据分析的每一个环节都起到巨大的作用。
对于有数据基础的读者而言，掌握ChatGPT进行数据分析无疑可以进一步解放人力和提高效率；对于缺少数据基础的读者而言，掌握ChatGPT则可以大大降低数据分析的门槛，让“人人都是数据分析师”不再是一句空话。
这本书的特色
·从零开始：从ChatGPT的基础使用讲起，降低学习和运用数据分析的门槛。
·深入浅出：深入探讨ChatGPT在数据分析中的高级应用，并用简明的语言进行介绍，帮助数据分析人员快速上手ChatGPT辅助实战。
·着眼实际：重点关注数据分析人员在工作中遇到的具体问题和挑战，通过ChatGPT解决复杂的数据分析问题。
·应用案例：提供有深度、与数据分析密切相关的应用案例，帮助数据分析人员在实际工作中通过ChatGPT节省时间、提高准确性和效率。
这本书包括什么内容
本书内容可以分为两大部分：第一部分是ChatGPT基础入门，第二部分是ChatGPT数据分析实战。
第一部分主要介绍了ChatGPT的发展历程、基础使用、插件使用、提示词编写方法等。
第二部分主要介绍了ChatGPT在数据分析的各个模块中的应用方法，该部分将理论和实践结合。
本书读者对象
·数据分析师、数据科学家、数据工程师
·有数据分析需求的业务人员、研究人员、学生
·所有想要利用ChatGPT进行数据分析的读者
·数据分析培训学员
编者
2024年5月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
