掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據科學概論(第2版)(普通高等學校應用型教材·數據科學) 版權信息
- ISBN：9787300299082
- 條形碼：9787300299082 ; 978-7-300-29908-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據科學概論(第2版)(普通高等學校應用型教材·數據科學) 內容簡介
本教材的內容，分為四大模塊，分別是：
(1) 數據科學基礎(Fundamentals)：講述數據科學的基本概念和原則。
(2) 數據和數據上的計算(Data and Computing on Data)：講述不同的數據類型及其分析方法，數據類型包括結構化數據、非結構化數據、半結構化數據，分析方法包括統計學方法、數據挖掘方法、和機器學習方法等。
(3) 數據處理基礎設施、平臺和工具(Infrastructure, Platforms and Tools)：講述云計算平臺、數據庫、大數據平臺及工具、以及編程語言 Python 等。
(4) 數據科學案例和實踐(Applications and Practice)：講述大數據應用的案例；并且面向金融領域的量化交易應用，從數據采集、模型訓練、預測、評價、到可視化等環節，帶領讀者完成數據分析處理的實踐。
數據科學概論(第2版)(普通高等學校應用型教材·數據科學) 目錄
第l章 數據科學概述
1.1 數據科學的定義
1.2 數據科學的定位
1.3 數據科學家
1.4 表示模型：對自然和社會現象進行數字化
1.5 數據科學的基本原則
1.6 數據處理流程：時間維度的縱向視角
1.7 數據處理系統的架構：系統維度的計算視角
1.8 數據的多樣性：數據類型維度的橫向視角
1.9 數據價值的挖掘：價值維度的價值提升視角
第2章 OLAP與數據服務
2.1 面向OLTP應用的關系數據庫技術
2.2 面向數據服務的NoSOL數據庫技術
2.3 NewSQL數據庫技術
第3章 OLTP與結構化數據分析
3.1 聯機分析處理與結構化數據分析
3.2 高性能OLAP系統的關鍵技術
3.3 結構化數據分析工具介紹
第4章 數據清洗與數據集成
4.1 數據抽取、轉換和裝載
4.2 數據清洗
4.3 數據集成
第5章 數據的深度分析(上)
5.1 機器學習與數據挖掘簡介
5.2 決策樹
5.3 支持向量機
5.4 KNN算法(分類)
5.5 樸素貝葉斯算法(分類)
5.6 在二值分類器上構建多類別分類器
5.7 聚類算法
5.8 EM算法(軟聚類)
5.9 線1l生回歸、Logistic回歸
5.10 AdaBoost算法與集成學習
5.11 關聯規則分析
5.12 協同過濾推薦算法
5.13 隱馬爾可夫模型
第6章 數據的深度分析(下)
6.1 神經網絡與深度學習(分類/回歸)
6.2 數據預處理
6.3 數據降維
6.4 特征選擇
6.5 機器學)-7算法的評價指標、評價以及參數優
6.6 方差與偏差
6.7 從復雜模型到簡單模型以及正則化
6.8 主流數據深度分析工具
第7章 文本分析
7.1 文本分析的意義
7.2 文本分析的任務和方法
7.3 文本分析可視化
7.4 文本分析軟件和工具
第8章 社交網絡分析
8.1 簡介
8.2 社交網絡分析的應用
8.3 社交網絡分析方法
8.4 軟件
第9章 語義網與知識圖譜
9.1 語義網的基本概盒
9.2 語義網體系結構
9.3 語義網的關鍵技術
9.4 知識庫與知識圖譜
第1O章 數據可視化、可視分析與探索式數據分析
10.1 什么是數據可視化
10.2 可視化的強大威力
10.3 可視化的一般過程
10.4 科學可視化與信息可視化
10.5 數據可視化的原則
10.6 可視化實例
10.7 可視化的挑戰和趨勢
10.8 可視分析技術
10.9 探索式數據分析
10.10 探索式數據分析的作用
10.11 探索式數據分析的基本方法
10.12 可視化工具介紹
第11章 數據科學案例
11.1 谷歌流感趨勢預測
11.2 塔吉特的數據分析預測案例
11.3 互聯網輿情監控與管理
11.4 投資與信用
11.5 IBM沃森計算機與醫療
11.6 大數據分析技術助力奧巴馬的競選團隊取得成功
11.7 數據科學與科學研究
11.8 多領域預測
11.9 用戶畫像與精準廣告
11.10 自動短文評分
11.11 數據產品
1l.12 其他數據科學案例
1.1 數據科學的定義
1.2 數據科學的定位
1.3 數據科學家
1.4 表示模型：對自然和社會現象進行數字化
1.5 數據科學的基本原則
1.6 數據處理流程：時間維度的縱向視角
1.7 數據處理系統的架構：系統維度的計算視角
1.8 數據的多樣性：數據類型維度的橫向視角
1.9 數據價值的挖掘：價值維度的價值提升視角
第2章 OLAP與數據服務
2.1 面向OLTP應用的關系數據庫技術
2.2 面向數據服務的NoSOL數據庫技術
2.3 NewSQL數據庫技術
第3章 OLTP與結構化數據分析
3.1 聯機分析處理與結構化數據分析
3.2 高性能OLAP系統的關鍵技術
3.3 結構化數據分析工具介紹
第4章 數據清洗與數據集成
4.1 數據抽取、轉換和裝載
4.2 數據清洗
4.3 數據集成
第5章 數據的深度分析(上)
5.1 機器學習與數據挖掘簡介
5.2 決策樹
5.3 支持向量機
5.4 KNN算法(分類)
5.5 樸素貝葉斯算法(分類)
5.6 在二值分類器上構建多類別分類器
5.7 聚類算法
5.8 EM算法(軟聚類)
5.9 線1l生回歸、Logistic回歸
5.10 AdaBoost算法與集成學習
5.11 關聯規則分析
5.12 協同過濾推薦算法
5.13 隱馬爾可夫模型
第6章 數據的深度分析(下)
6.1 神經網絡與深度學習(分類/回歸)
6.2 數據預處理
6.3 數據降維
6.4 特征選擇
6.5 機器學)-7算法的評價指標、評價以及參數優
6.6 方差與偏差
6.7 從復雜模型到簡單模型以及正則化
6.8 主流數據深度分析工具
第7章 文本分析
7.1 文本分析的意義
7.2 文本分析的任務和方法
7.3 文本分析可視化
7.4 文本分析軟件和工具
第8章 社交網絡分析
8.1 簡介
8.2 社交網絡分析的應用
8.3 社交網絡分析方法
8.4 軟件
第9章 語義網與知識圖譜
9.1 語義網的基本概盒
9.2 語義網體系結構
9.3 語義網的關鍵技術
9.4 知識庫與知識圖譜
第1O章 數據可視化、可視分析與探索式數據分析
10.1 什么是數據可視化
10.2 可視化的強大威力
10.3 可視化的一般過程
10.4 科學可視化與信息可視化
10.5 數據可視化的原則
10.6 可視化實例
10.7 可視化的挑戰和趨勢
10.8 可視分析技術
10.9 探索式數據分析
10.10 探索式數據分析的作用
10.11 探索式數據分析的基本方法
10.12 可視化工具介紹
第11章 數據科學案例
11.1 谷歌流感趨勢預測
11.2 塔吉特的數據分析預測案例
11.3 互聯網輿情監控與管理
11.4 投資與信用
11.5 IBM沃森計算機與醫療
11.6 大數據分析技術助力奧巴馬的競選團隊取得成功
11.7 數據科學與科學研究
11.8 多領域預測
11.9 用戶畫像與精準廣告
11.10 自動短文評分
11.11 數據產品
1l.12 其他數據科學案例
展開全部
數據科學概論(第2版)(普通高等學校應用型教材·數據科學) 作者簡介
覃雄派，中國人民大學信息學院計算機系副教授。2009年畢業于中國人民大學信息學院，獲得工學博士學位。目前主要從事高性能數據庫、大數據分析、信息檢索等方面的研究工作，主持1項國家自然科學基金面上項目，參與多項國家“863”計劃、“973”計劃及國家自然科學基金項目，在國內外期刊和會議上發表論文30余篇。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
詩經-先民的歌唱
- >
姑媽的寶刀
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮與六便士
- >
我從未如此眷戀人間
- >
唐代進士錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
