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。

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
3.1 ndarray数组
3.2 NumPy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
4.1 pandas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
5.1 Matplotlib的两种绘图接口
5.2 Matplotlib面向多种图形的接口
5.3 seaborn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
6.1 scikit-learn介绍
6.2 KNN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