大數(shù)據(jù)科學(xué)基礎(chǔ)

定　價(jià)：￥48.00

作　者：	張利
出版社：	中南大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787548751670	出版時(shí)間：	2023-08-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	236	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　第1章首先從大數(shù)據(jù)的發(fā)展歷史出發(fā)，介紹了大數(shù)據(jù)的概念與性質(zhì)，并且介紹了大數(shù)據(jù)專業(yè)體系的需求和未來(lái)展望，系統(tǒng)性地概述了大數(shù)據(jù)的定義。第2章介紹了數(shù)據(jù)的采集方式、數(shù)據(jù)可視化的作用手段以及數(shù)據(jù)可視化的具體運(yùn)用。第3章首先從機(jī)器學(xué)習(xí)的基礎(chǔ)入手，講述了化問(wèn)題的三個(gè)經(jīng)典算法，包括梯度下降法、牛頓法和遺傳算法。然后介紹了機(jī)器學(xué)習(xí)的算法，包括有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)等算法，介紹了機(jī)器學(xué)習(xí)的常用方法。第4章主要介紹深度學(xué)習(xí)，從Numpy的基礎(chǔ)開始，完整地講解了Python的擴(kuò)展程序庫(kù)Numpy。隨后介紹了CNN和RNN這兩種經(jīng)典的神經(jīng)網(wǎng)絡(luò)。介紹了包括AlexNet模型等幾種經(jīng)典的深度學(xué)習(xí)網(wǎng)絡(luò)模型。第5章主要介紹了TensorFlow和PyTorch這兩種框架的安裝和搭建，并通過(guò)一些小例子來(lái)熟悉它們的基礎(chǔ)組件，后介紹了Keras這個(gè) 神經(jīng)網(wǎng)絡(luò)API。第6章介紹了醫(yī)療大數(shù)據(jù)、天文大數(shù)據(jù)以及金融大數(shù)據(jù)這三個(gè)大數(shù)據(jù)技術(shù)熱門領(lǐng)域，分別講述了這三個(gè)領(lǐng)域的基礎(chǔ)概述、理論技術(shù)以及未來(lái)的目標(biāo)和挑戰(zhàn)。本書適用于對(duì)大數(shù)據(jù)領(lǐng)域感興趣的讀者，中職學(xué)歷及以上學(xué)生、工程師、企業(yè)家、研究人員等都可以從中獲益。讀者能夠了解到大數(shù)據(jù)技術(shù)的價(jià)值和應(yīng)用前景，獲得基本的數(shù)據(jù)分析和處理能力，對(duì)大數(shù)據(jù)在不同領(lǐng)域中的應(yīng)用力和未來(lái)的發(fā)展趨勢(shì)有加全面、深入的認(rèn)識(shí)，服務(wù)于大數(shù)據(jù) 戰(zhàn)略。

作者簡(jiǎn)介

暫缺《大數(shù)據(jù)科學(xué)基礎(chǔ)》作者簡(jiǎn)介

圖書目錄

第1章大數(shù)據(jù)概述
1.1 大數(shù)據(jù)發(fā)展歷史
1.1.1 大數(shù)據(jù)產(chǎn)生背景
1.1.2 大數(shù)據(jù)發(fā)展前景
1.2 大數(shù)據(jù)的概念和性質(zhì)
1.2.1 大數(shù)據(jù)的概念
1.2.2 大數(shù)據(jù)的特征與性質(zhì)
1.2.3 數(shù)據(jù)處理與編程
1.2.4 數(shù)據(jù)挖掘與統(tǒng)計(jì)
1.3 大數(shù)據(jù)應(yīng)用
1.4 大數(shù)據(jù)專業(yè)技能體系需求
1.4.1 崗位能力需求
1.4.2 知識(shí)與能力需求
1.5 總結(jié)
第2章數(shù)據(jù)采集與數(shù)據(jù)可視化
2.1 數(shù)據(jù)的采集與處理
2.1.1 數(shù)據(jù)采集方式
2.1.2 數(shù)據(jù)爬取
2.1.3 數(shù)據(jù)預(yù)處理
2.2 數(shù)據(jù)可視化
2.2.1 數(shù)據(jù)可視化的發(fā)展歷史
2.2.2 數(shù)據(jù)、圖形與可視化
2.2.3 數(shù)據(jù)可視化的作用
2.2.4 數(shù)據(jù)可視化的手段
2.2.5 數(shù)據(jù)可視化技術(shù)的特征與應(yīng)用
2.3 總結(jié)
第3章機(jī)器學(xué)習(xí)
3.1 機(jī)器學(xué)習(xí)基礎(chǔ)
3.2 化問(wèn)題
3.2.1 梯度下降法
3.2.2 卜頓法
3.2.3 遺傳算法
3.3 機(jī)器學(xué)習(xí)算法
3.3.1 有監(jiān)督學(xué)習(xí)
3.3.2 無(wú)監(jiān)督學(xué)習(xí)
3.3.3 半監(jiān)督學(xué)習(xí)
3.3.4 強(qiáng)化學(xué)習(xí)
3.4 機(jī)器學(xué)習(xí)常用方法
3.4.1 集成學(xué)習(xí)
3.4.2 表示學(xué)習(xí)
3.5 總結(jié)
第4章深度學(xué)習(xí)
4.1 Python & NumPy
4.1.1 NumPy基礎(chǔ)
4.1.2 生成NumPy數(shù)組
4.1.3 元素索引
4.1.4 數(shù)組操作
4.1.5 NumPy算術(shù)運(yùn)算
4.1.6 通用函數(shù)
4.1.7 廣播機(jī)制