Python 數據分析專案的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

PyTorch深度學習實作：利用PyTorch實際演練神經網路模型

為了解決Python 數據分析專案的問題，作者VishnuSubramanian 這樣論述：

　　PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。 　　本書是使用PyTorch建構神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。 　　本書適合對深度學習領域感興趣且希望一探PyTo

rch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。 　　本書範例檔： 　　github.com/PacktPublishing/Deep-Learning-with-PyTorch

Python 數據分析專案進入發燒排行的影片

ERP日誌分析-以A公司為例

為了解決Python 數據分析專案的問題，作者吳志能 這樣論述：

本研究個案公司現在所面臨問題，如同其他家公司類似問題。投資可觀金錢,人力、物力只為保存一堆不知如何使用的日誌。為了只是內外部稽核證明的確依法規執行。真正要從這些日誌中找出有用資訊卻不知如何下手。市面上大數據商業用分析軟體除了價錢昂貴，再者數據可能需要給廠商進行分析，這相關個資是企業最不想流露。 近幾年，科技創新是為帶動經濟成長和國家進步的主要動力。尤其人工智慧。正在快速改變全球的產業發展，是未來的重要趨勢。台灣為了與世界科技同步，已選定AI為我國下世代的發展主力計畫。個案公司發現同業中已開始佈局，不論是人才培訓或硬體投資皆以起步。勢必開始對這塊領域有所涉略，畢竟科技軍備競賽是沒有停止的一天

。 那要收集那些數據，有了數據那下一步要分析什麼？企業營運是需資金所支持，每一次的人力、物力投資都是成本，投入的成本必需有利益產出，產出的利益如果有其發展性才會有更進一步的投資計畫。個案公司想到公司每年面對外部大大小稽核，如客戶稽核、海關稽核和ISO14000資訊安全管理稽核。這些稽核有相同的項目都是針對關鍵營運系統，如ERP。舉凡稽核人員都會問到帳號使用紀錄。這反映出公司內控是否有做好。依據過往紀錄，常常是缺失結尾。這些問題的答案就在這些成千萬筆的紀錄中，但偏偏面對稽核員稽核當下往往拿不出來。後續接踵而來是一連串改善缺失計畫，這到還是輕微，有些歐美客戶認為這是重大缺失，直接取消訂單，這損失

實在無法估計。 個案公司決定以收集ERP 日誌資料為主。對外面對稽核單位提出跟ERP 使用者記錄相關問題，答案能從這些資料擷取出來。稽核零缺失帶來實質效益訂單穩定，公司聲譽高標準。對內管理者目前是無法得知系統真實上線人數，針對下一年年度帳號預算規劃，帳號追加購買這一項往往無法有一數據輔助決策。買多是浪費開銷，帳號不足使用者抱怨連連，延遲公司日常作業。基於上述兩項原因，個案公司預期大數據分析目前帳號使用分佈能帶來實質效益，打聽同業已經執行大數據分析專案過程，另外公司在最近一年來聘請如工研院或大學教授幫同仁上大數據相關課程。發現都是使用Python作為大數據分析工具，一來開源無須再付出額外授權費

用，再者相關套件成熟。業界使用頻繁，容易找到參考範例，彼此溝通有相同語言。決定使用Python 作為此次日誌分析工具。