掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
數據科學與工程算法基礎 版權信息
- ISBN：9787302680161
- 條形碼：9787302680161 ; 978-7-302-68016-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據科學與工程算法基礎 本書特色
本書是新興領域“十四五”高等教育教材，系統地介紹了特征工程、多類型數據表征、數據抽樣、圖計算、隨機優化算法、相似性度量、關聯性分析等相關知識與方法，涵蓋數據表征、數據計算和數據挖掘等多方面的內容。本書從數據科學與工程的基本概念和流程出發，逐步引領讀者進入數據科學的核心領域，全面理解和掌握數據科學的精髓，為進一步深入學習機器學習算法建立扎實的算法基礎。
數據科學與工程算法基礎 內容簡介
"本書對數據科學與工程中的算法基礎進行了全面的論述，把讀者引入數據科學的大門，為進一步學習和掌握大數據分析算法提供有力的支撐。本書介紹的數據科學與工程中的算法基礎包括特征工程、數據表征、數據抽樣、隨機優化算法和關聯性分析等，側重內容的科學性、實用性和前沿性。本書結構上注重理論與實踐并重，各章通過案例引出問題，并深入介紹回答類似問題需要的知識，*后通過實際案例串聯本章知識點，可以使讀者感受到算法的價值及其在解決實際問題中的實用性。 本書可以作為高等學校大數據、計算機等相關專業的教學用書，對科研機構的研究人員、工程技術人員也有一定的參考價值。 "
數據科學與工程算法基礎數據科學與工程算法基礎 前言
信息技術的飛速發展使數據的產生、存儲和處理能力達到了前所未有的高度。數據的豐富性和復雜性帶來了巨大的挑戰，同時也蘊藏著巨大的機遇。如何挖掘不同類型數據中蘊藏的豐富信息，已經成為大數據時代面臨的重要問題之一。數據科學與工程，作為一門新興的交叉學科，正是為了應對這一挑戰而誕生的。數據科學與工程以數據為研究對象，通過綜合運用數學、統計學、計算機技術等方法對數據進行處理和分析，以實現數據的價值。數據科學與工程的核心是算法，它們是處理數據、提取信息、發現模式和預測未來的強大引擎。
本書旨在培養新工科背景下具備數據科學思維，掌握數據科學與工程算法的大數據專業人才。本書系統地介紹了特征工程、多類型數據表征、數據抽樣、圖計算、隨機優化算法、相似性度量、關聯性分析等相關知識與方法，涵蓋數據表征、數據計算和數據挖掘等多方面的內容。本書從數據科學與工程的基本概念和流程出發，逐步引領讀者進入數據科學的核心領域，全面理解和掌握數據科學的精髓，為進一步深入學習機器學習算法打下扎實的基礎。
全書共8章，內容包括緒論、特征工程、多類型數據表征、數據抽樣、圖計算、隨機優化算法、相似性度量、關聯性分析，不僅覆蓋了傳統數據科學領域的重要算法，還涉及*新的研究進展，如圖計算、因果分析、多模態數據融合等前沿技術，使得本書既具有廣度又具有深度。同時，本書內容結構遵循學習規律： 首先通過“問題導入”，建立現實問題與數據科學與工程相關技術的關系，明確學習目標，激發學生學習數據科學與工程相關技術的興趣； 然后，構建相關的知識體系，介紹算法及其演化，提高學生描述問題的表達能力、解決問題的算法思維能力； 在此基礎上，通過剖析典型案例，有力提高學生對知識和方法的掌握與綜合運用能力，并提升學生對復雜工程問題的分析能力、綜合處理能力和創新探究能力； *后對本章內容進行總結，并提供選擇題、計算題、思考題等供讀者練習。
本書由徐明華、陳志剛、羅俊如擔任主編，官威博士和郝亞東博士擔任副主編。研究生丁言瑞、汪池和徐昕瑜參與了本書部分案例的編寫，并參與了書稿的校對工作，徐守坤教授、石林教授、邵輝教授、胡超副教授等對本書提出了許多寶貴意見，這里一并表示感謝。
本書在編寫過程中參考和引用了許多專家和學者的資料，在此表示衷心的感謝。*后也要感謝所有為本書的編寫、審校和出版付出辛勤勞動的工作人員。由于編者水平有限，時間倉促，書中難免存在不足之處，敬請讀者批評指正。
編者
2024年12月
數據科學與工程算法基礎 目錄
第1章緒論
1.1概況
1.2數據分析
1.2.1流程
1.2.2算法分類
1.2.3基本原則
1.3算法基礎
1.4本章小結
習題
第2章特征工程
2.1問題導入
2.2特征提取
2.3特征探索性分析
2.3.1單變量分析
2.3.2多變量分析
2.4特征預處理
2.4.1缺失值處理
2.4.2異常值處理
2.4.3特征變換
2.5特征選擇
2.5.1過濾法
2.5.2封裝法
2.5.3嵌入法
2.6案例： 工業設備信號特征工程
2.7本章小結
習題
第3章多類型數據表征
3.1問題導入
3.2時序數據表征
3.2.1頻域特征
3.2.2時頻域特征
3.3文本數據表征
3.3.1詞袋模型
3.3.2TFIDF特征
3.3.3詞向量嵌入
3.4圖像數據表征
3.4.1圖像處理基礎
3.4.2SIFT
3.4.3HOG
3.4.4深度特征表示
3.4.5多模態特征融合
3.5案例： 農作物病蟲害圖像表征
3.6本章小結
習題
第4章數據抽樣
4.1問題導入
4.2概率抽樣
4.3非均衡抽樣
4.3.1樣本分布不均衡問題
4.3.2過采樣
4.3.3欠采樣
4.4數據流抽樣
4.4.1數據流抽樣問題
4.4.2蓄水池抽樣
4.5蒙特卡洛抽樣
4.5.1直接采樣
4.5.2接受拒絕采樣
4.5.3重要性采樣
4.6案例： 基于SMOTE的信用卡交易欺詐數據采樣
4.7本章小結
習題
第5章圖計算
5.1問題導入
5.2圖網絡
5.2.1圖網絡表示
5.2.2網絡結構分類
5.2.3網絡描述性統計
5.3圖基礎算法
5.3.1圖遍歷
5.3.2圖分割
5.4社區發現
5.4.1模塊度
5.4.2GN算法
5.4.3譜方法
5.5GraphScope簡介
5.6案例： 基于譜聚類的圖像分割
5.7本章小結
習題
第6章隨機優化算法
6.1問題導入
6.2梯度下降算法
6.3隨機梯度下降算法
6.4梯度加速方法
6.4.1動量法
6.4.2Nesterov梯度加速
6.4.3自適學習率加速方法
6.5方差縮減
6.5.1方差縮減技術
6.5.2方差縮減算法
6.6案例： 邏輯回歸模型優化算法
6.7本章小結
習題
第7章相似性度量
7.1問題導入
7.2相關系數
7.2.1皮爾遜相關系數
7.2.2余弦相似度
7.2.3Jaccard相似系數
7.3距離度量
7.3.1歐氏空間的距離度量
7.3.2流形空間的距離度量
7.3.3時間序列的距離度量
7.4概率散度
7.4.1f散度
7.4.2積分概率度量
7.5案例： 金融時間序列數據分析
7.6本章小結
習題
第8章關聯性分析
8.1問題導入
8.2非線性相關性分析
8.3典型關聯分析
8.4關聯規則
8.4.1關聯規則描述
8.4.2關聯規則挖掘
8.4.3數值型關聯規則挖掘
8.5因果分析
8.5.1結構因果模型與圖模型
8.5.2因果效應評估
8.6案例： 購物車數據挖掘
8.7本章小結
習題
參考文獻
展開全部
書友推薦
- >
羅庸西南聯大授課錄
- >
唐代進士錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
有舍有得是人生
- >
中國歷史的瞬間
- >
推拿
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
