本书在 Python 数据分析与建模方面,既是本人门书,也是一本提高书,它提炼总结了作者从Python 小白到 Python 建模工程师的历程。如果读者有志于数据分析、建模领域,那么它一定会带给读者惊喜。书中代码具有很高的可移植性,可供读者直接使用。 全书共分为8章,从Python的环境搭建到基本语法结构,从趣味应用到分析与建模,最后以社交网络分析结束。 适用于银行业或互联网金融行业中的风控人员，金本书附有教学视频、源代码、课件等配套资源融行业中的数据分析师(或想转行数据分析师的学习者),以及正在学习机器学习的从业人员。
本书共分三部分，第一部分主要讲述机器学习、深度学习和人工智能的基本方法，并给出了使用基于TensorFlow后台的Keras库做深度学习的实践案例；第二部分主要讲述做信用债投资面临的困难，并给出了实用的解决方案；第三部分主要讲述解决做信用债投资的困难的实用方法，并给出了全部的Python源代码。 本书适合在银行、证券、保险、基金等金融机构从事对公信贷和债券投资等工作的相关从业者阅读。
金融风险管理师（FRM）；哈尔滨工业大学自动化专业工学学士，中国科学院模式识别与智能系统专业工学硕士，香港中文大学商学院金融MBA；先后工作于穆迪、平安证券、安信证券，主要从事信用债投资研究及信用风险的计量和管理工作；2015年初被评为“深圳市高层次人才”，享受高层次人才补贴。
本站基于Calibre构建，感谢开源界的力量。所有资源搜集于互联网，如有侵权请邮件联系。
Github | Docker | Project
本书在 Python 数据分析与建模方面,既是本人门书,也是一本提高书,它提炼总结了作者从Python 小白到 Python 建模工程师的历程。如果读者有志于数据分析、建模领域,那么它一定会带给读者惊喜。书中代码具有很高的可移植性,可供读者直接使用。
全书共分为8章,从Python的环境搭建到基本语法结构,从趣味应用到分析与建模,最后以社交网络分析结束。
适用于银行业或互联网金融行业中的风控人员，金本书附有教学视频、源代码、课件等配套资源融行业中的数据分析师(或想转行数据分析师的学习者),以及正在学习机器学习的从业人员。