内容简介
这是一本以项目实战案例为驱动的数据挖掘著作，它能帮助完全没有Python编程基础和数据挖掘基础的读者快速掌握Python数据挖掘的技术、流程与方法。
在写作方式上，本书与传统的“理论与实践结合”的入门书不同，它以数据挖掘领域的知名赛事“泰迪杯”数据挖掘挑战赛（已举办10届）和“泰迪杯”数据分析技能赛（已举办5届）（累计1500余所高校的10余万师生参赛）为依托，精选了11个经典赛题，将Python编程知识、数据挖掘知识和行业知识三者融合，让读者在实践中快速掌握电商、教育、交通、传媒、电力、旅游、制造等7大行业的数据挖掘方法。
本书不仅适用于零基础的读者自学，还适用于教师教学，为了帮助读者更加高效地掌握本书的内容，本书提供了以下10项附加价值：
（1）建模平台：提供一站式大数据挖掘建模平台，免配置，包含大量案例工程，边练边学，告别纸上谈兵
（2）视频讲解：提供不少于600分钟Python编程和数据挖掘相关教学视频，边看边学，快速收获经验值
（3）精选习题：精心挑选不少于60道数据挖掘练习题，并提供详细解答，边学边练，检查知识盲区
（4）作者答疑：学习过程中有任何问题，通过“树洞”小程序，纸书拍照，一键发给作者，边问边学，事半功倍
（5）数据文件：提供各个案例配套的数据文件，与工程实践结合，开箱即用，增强实操性
（6）程序代码：提供书中代码的电子文件及相关工具的安装包，代码导入平台即可运行，学习效果立竿见影
（7）教学课件：提供配套的PPT课件，使用本书作为教材的老师可以申请，节省备课时间
（8）模型服务：提供不少于10个数据挖掘模型，模型提供完整的案例实现过程，助力提升数据挖掘实践能力
（9）教学平台：泰迪科技为本书提供的附加资源提供一站式数据化教学平台，附有详细操作指南，边看边学边练，节省时间
（10）就业推荐：提供大量就业推荐机会，与1500+企业合作，包含华为、京东、美的等知名企业
通过学习本书，读者可以理解数据挖掘的原理，迅速掌握大数据技术的相关操作，为后续数据分析、数据挖掘、深度学习的实践及竞赛打下良好的技术基础。

泰迪科技董事长20余年教学、科研与实践经验总结，100%零基础入门
以“泰迪杯”数据挖掘挑战赛和数据分析技能赛为依托，15届大赛累计1500余所高校10余万师生参赛，将数据挖掘的技术、流程、方法融入11个经典赛题中，100%以项目实战为导向
为提升学习效率、降低学习门槛并帮助读者就业，本书提供10大附加价值，超值！
（1）建模平台：提供一站式大数据挖掘建模平台，免配置，包含大量案例工程，边练边学，告别纸上谈兵。
（2）视频讲解：提供不少于600分钟Python编程和数据挖掘相关教学视频，边看边学，快速收获经验值。
（3）精选习题：精心挑选不少于60道数据挖掘练习题，并提供详细解答，边学边练，检查知识盲区。
（4）作者答疑：学习过程中有任何问题，通过“树洞”小程序，纸书拍照，一键发给作者，边问边学，事半功倍。
（5）数据文件：提供各个案例配套的数据文件，与工程实践结合，开箱即用，增强实操性。
（6）程序代码：提供书中代码的电子文件及相关工具的安装包，代码导入平台即可运行，学习效果立竿见影。
（7）教学课件：提供配套的PPT课件，使用本书作为教材的老师可以免费申请，节省备课时间。
（8）模型服务：提供不少于10个数据挖掘模型，模型提供完整的案例实现过程，助力提升数据挖掘实践能力。
（9）教学平台：泰迪科技为本书提供一站式数字化教学平台，附有详细操作指南，边看边学边练，节省时间。
（10）就业推荐：超千家合作企业，可提供大量就业推荐机会。

计算机\程序设计

阅读本书的收获：
掌握数据挖掘的通用流程、常用工具以及环境配置。
掌握Python编程基础、数据分析与处理常用库、数据挖掘建模常用框架和库。
运用简单的数据分析技术剖析数据信息，挖掘业务现象，解决业务问题。
运用数据挖掘技术构建相关的分析模型，更理性、更快捷地进行预测和分析。
运用深度学习技术训练网络和构建模型，实现智能化、自动化的事物识别与检测。
掌握电商、教育、交通、传媒、电力、旅游、制造等7大行业的数据挖掘方法。
掌握去编程化的TipDM大数据挖掘建模平台的使用，用自定义组件和拖曳式的方式实现数据挖掘过程。

本书案例的结构：
本书通过电商、教育、交通、传媒、电力、旅游、制造等7个行业的11个综合案例，讲解了数据挖掘的技术、流程和方法。每个案例首先介绍案例背景，接着提出案例目标，然后阐述分析方法与过程，最后完成整个案例，并将相关的知识点嵌入相应的操作过程中。

附加价值的获取：
为帮助读者快速学习和掌握书中内容，本书提供了建模平台、视频讲解、精选习题、作者答疑、数据文件、程序代码、教学课件、模型服务、教学平台、就业推荐等10项附加价值，扫描下面的二维码即可获取。

卢滔，张良均，戴浩，李曼，陈四德 著：张良均
资深大数据专家，高级信息系统项目管理师，广东泰迪智能科技股份有限公司董事长。中国信访大数据学术与应用研究联盟副理事长，中国信息协会医疗卫生和健康产业分会医学人工智能学组常委，广东省工业与应用数学学会常务理事，“泰迪杯”数据挖掘挑战赛发起人。
华南师范大学、中南财经政法大学、广东工业大学、西安理工大学、广西科技大学、重庆交通大学、桂林电子科技大学、五邑大学等30余所高校兼职教授或硕导。
入选国家科技专家库、广东省综合评标专家库、广州市大数据/人工智能专家库、广东省创新基金专家库、广州市科技专家库、广州市节能专家库、广州公共资源交易中心专家库、广东省科技咨询专家库。
在国内外重要学术刊物上发表论文12（其中作为第一作者的论文有7篇）；主导编写图书专著70余部，其中获“十三五”职业教育国家规划教材一部；承担国家级项目1项，省部级项目4项。获得SAS、SPSS数据挖掘认证及Hadoop开发工程师证书，具有信访、电力、电信、银行、制造企业、电子商务和电子政务的项目经验和行业背景，并荣获中国产学研合作促进奖、中国南方电网公司发明专利一等奖、广东省农业技术推广二等奖、广州市荔湾区科学技术进步奖。

目录
第一篇 基础篇
第1章 数据挖掘概述
1.1 数据挖掘发展史
1.2 数据挖掘的基本任务
1.3 数据挖掘的通用流程
1.3.1 目标分析
1.3.2 数据抽取
1.3.3 数据探索
1.3.4 数据预处理
1.3.5 分析与建模
1.3.6 模型评价
1.4 常用数据挖掘工具
1.5 Python数据挖掘环境配置
小结
第2章 Python数据挖掘编程基础
2.1 Python使用入门
2.1.1 基本命令
2.1.2 数据结构
2.1.3 库的导入与添加
2.2 Python数据分析及预处理常用库
2.2.1 NumPy
2.2.2 pandas
2.2.3 Matplotlib
2.3 Python数据挖掘建模常用库
2.3.1 scikit-learn
2.3.2 深度学习
2.3.3 其他
小结
第二篇 入门篇
第3章 电商平台手机销售数据采集与分析
3.1 背景与目标
3.2 数据获取
3.3 数据探索
3.4 数据预处理
3.5 数据可视化分析
3.6 销售策略分析
小结
第4章 自动售货机商务数据分析与应用
4.1 背景与目标
4.2 数据探索
4.3 数据预处理
4.4 数据可视化分析
4.5 项目分析报告
小结
第三篇 中阶篇
第5章 教育平台的线上课程智能推荐策略
5.1 背景与目标
5.2 数据探索
5.3 数据预处理
5.4 数据可视化分析
5.5 模型构建
5.6 模型评价
5.7 课程推荐策略分析
小结
第6章 电视产品的营销推荐
6.1 背景与目标
6.2 数据预处理
6.3 数据可视化分析
6.4 模型构建
6.5 模型评价
6.6 电视产品营销建议
小结
第7章 运输车辆安全驾驶行为的分析
7.1 背景与目标
7.2 数据探索
7.3 数据预处理
7.4 特征提取
7.5 模型构建
7.6 模型评价
小结
第8章 基于非侵入式负荷检测与分解的电力数据挖掘
8.1 背景与目标
8.2 数据预处理
8.3 特征提取
8.4 模型构建
8.5 模型评价
小结
第9章 游客目的地印象分析
9.1 背景与目标
9.2 数据预处理
9.3 数据可视化分析
9.4 模型构建
9.5 旅游建议
小结
第四篇 高阶篇
第10章 智能阅读模型的构建
10.1 背景与目标
10.2 数据探索
10.3 数据预处理
10.4 分析与建模
10.5 模型评价
小结
第11章 岩石样本智能识别
11.1 背景与目标
11.2 数据探索
11.3 数据预处理
11.4 分析与建模
11.5 模型评价
小结
第12章 电力巡检智能缺陷检测
12.1 背景与目标
12.2 数据探索
12.3 数据预处理
12.4 分析与建模
12.5 模型评价
小结
第13章 电商平台图片中文字的识别
13.1 背景与目标
13.2 数据探索
13.3 数据预处理
13.4 分析与建模
13.5 模型评价
小结
第五篇 拓展篇
第14章 基于TipDM平台实现自动售货机商务数据分析与应用
14.1 背景与目标
14.2 数据探索
14.3 数据预处理
14.4 分析与建模
14.5 模型评价
小结


第一篇 基础篇
第1章 数据挖掘概述
1.1 数据挖掘发展史
1.2 数据挖掘的基本任务
1.3 数据挖掘的通用流程
1.3.1 目标分析
1.3.2 数据抽取
1.3.3 数据探索
1.3.4 数据预处理
1.3.5 分析与建模
1.3.6 模型评价
1.4 常用数据挖掘工具
1.5 Python数据挖掘环境配置
Python简介，安装anaconda
小结
第2章 Python数据挖掘编程基础
2.1 Python使用入门
2.1.1 基本命令
基本运算、判断与循环、函数
2.1.2 数据结构
2.1.3 库的导入与添加
2.2 Python数据分析及预处理常用库
2.2.1 NumPy
2.2.2 pandas
2.2.3 Matplotlib
2.3 Python数据挖掘建模常用库
2.3.1 scikit-learn
2.3.2 深度学习
Keras
PyTorch
TensorFlow
PaddlePadd
Caffe
2.3.3 其他
小结
第二篇 入门篇
第3章 电商平台手机销售数据采集与分析
3.1 背景与目标
3.2 数据获取
3.3 数据探索
3.4 数据预处理
3.5 数据可视化分析
3.6 销售策略分析
小结
第4章 自动售货机商务数据分析与应用
4.1 背景与目标
4.2 数据探索
4.3 数据预处理
4.4 数据可视化分析
4.5 项目分析报告
小结
第三篇 中阶篇
第5章 教育平台的线上课程智能推荐策略
5.1 背景与目标
5.2 数据探索
5.3 数据预处理
5.4 数据可视化分析
5.5 模型构建
5.6 模型评价
5.7 课程推荐策略分析
小结
第6章 电视产品的营销推荐
6.1 背景与目标
6.2 数据预处理
6.3 数据可视化分析
6.4 模型构建
6.5 模型评价
6.6 电视产品营销建议
小结

第7章 运输车辆安全驾驶行为的分析
7.1 背景与目标
7.2 数据探索
7.3 数据预处理
7.4 特征提取
7.5 模型构建
7.6 模型评价
小结
第8章 基于非侵入式负荷检测与分解的电力数据挖掘
8.1 背景与目标
8.2 数据预处理
8.3 特征提取
8.4 模型构建
8.5 模型评价
小结
第9章 游客目的地印象分析
9.1 背景与目标
9.2 数据预处理
9.3 数据可视化分析
9.4 模型构建
9.5 旅游建议
小结
第四篇 高阶篇
第10章 智能阅读模型的构建
10.1 背景与目标
10.2 数据探索
10.3 数据预处理
10.4 分析与建模
10.5 模型评价
小结

第11章 岩石样本智能识别
11.1 背景与目标
11.2 数据探索
11.3 数据预处理
11.4 分析与建模
11.5 模型评价
小结

第12章 电力巡检智能缺陷检测
12.1 背景与目标
12.2 数据探索
12.3 数据预处理
12.4 分析与建模
12.5 模型评价
小结

第13章 电商平台图片中文字的识别
13.1 背景与目标
13.2 数据探索
13.3 数据预处理
13.4 分析与建模
13.5 模型评价
小结
第五篇 拓展篇
第14章 基于TipDM平台实现自动售货机商务数据分析与应用
14.1 背景与目标
14.2 数据探索
14.3 数据预处理
14.4 分析与建模
14.5 模型评价
小结