The method of how firmly stick the old customers and attract new users, read the user's interests and preferences of emotions, which are crucial to the development of enterprises related to issues of life and death even, to solve this problem is the recommended system. This book is divided on the lower three, a total of 13 chapters, Part users portraits knowledge engineering fundamentals, including characterization modeling, portrait computing, storage and various updates and maintenance management operations; medium-length portrait of the recommended system and user, including traditional classics such as collaborative filtering recommendation algorithm introduced, as well as the recommended method involves user portrait; next application case studies, including the classic case of data Netflix, Ali, contests and other data, as well as specific cases in specific project development process, respectively, from five aspects of the system requirements, the overall structure, algorithm design, operating procedures and test results provide detailed guidance case.
"User network behavior picture: big data user network behavior analysis and content recommendation application portrait" PDF, 235 pages, with a bookmark directory, text can be copied. "User Story Map" Chinese PDF, 255 pages, with a bookmark directory, text can be copied.
"User network behavior portrait" PDF + "user story map" PDF
Download: https://pan.baidu.com/s/1EWgxGXi4jzUPfm-iTpZ78g
Extraction code: 8kim
User story map as an effective tool for demand, more and more widely used in development practice. The book maps the user story as the theme, emphasizing cooperation and communication way to a comprehensive understanding of user requirements, topics covered include how to map story of the way in terms of user needs, how to decompose and optimize demand, if by way of a team working in cooperation to actively draw lessons from insight into the needs of users, the development of real value, small but beautiful products and services. For product managers, user experience designers, product owners, business analysts, project managers, lean and agile coach and trainer reading a reference, but also more suitable for corporate training manuals, create efficient teamwork possible.
Theoretical knowledge of data mining can be used to mine social media data. Mining Social Media for solving the problem of social media data, involving the basic concept of network analysis and data mining, new issues and effective algorithms.
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，能够分析棘手的社会媒体数据，并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，帮助我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，文字可以复制；英文PDF，338页，带目录，文字可以复制
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，并从不同的学科（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，这些工具能够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可以用于推荐系统设计的、新类型的用户数据，然后介绍如何通过各种方法利用该数据，最后在公开数据集上评测这些方法。当然，不是所有数据都有公开的数据集，并且不是所有算法都可以进行离线评测。因此，在遇到没有数据集或无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说明各种方法的效果。
《推荐系统实践》高清PDF，215页，带书签目录，文字可以复制，项亮著。
《数学之美第2版》PDF，345页，带书签，文字可以复制，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，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。在纸本书的创作中，作者吴军博士几乎把所有文章都重写了一遍，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。读者通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，如何跳出固有思维不断去思考创新。新版增加了大数据和机器学习等最新内容，以满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，并更新了部分内容。
《Python数据分析实战》展示了如何利用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，文字可以复制。英文PDF，350页，带书签目录，文字可以复制。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获得信息、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，文字可以复制。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，通过这本书，把推荐系统工作经验予以总结，以帮助想从事推荐系统的工作者或推荐系统爱好者。区别于其他推荐算法书籍，《推荐系统与深度学习》引入了已被实践证明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位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；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，文字可以复制。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现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现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作模板。