斯坦福数据挖掘教程(第3版)
正版新书 新华官方库房直发 可开电子发票
￥ 91.59 7.1折 ￥ 129 全新
库存6件
作者(美)尤雷·莱斯科夫,(美)阿南德·拉贾拉曼,(美)杰弗里·大卫·厄尔曼
出版社人民邮电出版社
ISBN9787115556691
出版时间2021-04
版次1
装帧平装
开本16开
纸张胶版纸
页数452页
字数668千字
定价129元
货号SC:9787115556691
上书时间2024-12-04
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
【作者简介】
尤雷·莱斯科夫（Jure Leskovec）
Pinterest公司首席科学家，斯坦福大学计算机科学系副教授，研究方向为大型社交和信息网络的数据挖掘。他的研究成果获得了很多奖项，如Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship和Okawa Foundation Fellowship，还获得了很多很好论文奖，同时也被《纽约时报》《华尔街日报》《华盛顿邮报》《连线》、NBC、BBC和CBC等流行的社会媒体刊载。他还创建了斯坦福网络分析平台（SNAP）。
阿南德·拉贾拉曼（Anand Rajaraman）
数据库和Web技术领域领军者，硅谷连续创业者和风险投资人，斯坦福大学计算机科学系助理教授。自1996年起创立过多家公司，这些公司先后被亚马逊、谷歌和沃尔玛集团收购，而他本人历任亚马逊技术总监、沃尔玛负责全球电子商务业务的副总裁。之后创立了风投公司Milliways Ventures和Rocketship VC，投资过Facebook、Lyft等众多公司。作为学者，他主要研究数据库系统、Web和社交媒体，他的研究论文在学术会议上获得了多个奖项，他在2012年被Fast Company杂志列入“商界拥有创造力100人”。
杰弗里·大卫·厄尔曼（Jeffrey David Ullman）
计算机科学家，美国国家工程院院士，2020年图灵奖得主。早年在贝尔实验室工作，之后任教于普林斯顿大学，十年后加入斯坦福大学直至退休，一生的科研、著书和育人成果卓著。他是ACM会员，曾获SIGMOD创新奖、高德纳奖、冯诺依曼奖等多项科研大奖；合著有“龙书”《编译原理》、数据库名著《数据库系统实现》等多部经典著作；培养的多名学生已成为数据库领域的专家，其中包括谷歌联合创始人Sergey Brin，
...
主编推荐:
1.本书作者Jeffrey Ullman是2020图灵奖获得者；
2.本书译者是国内知名NLP专家王斌老师；
3.本书内容源自斯坦福大学网红课程“CS246：海量数据挖掘”、“CS224W：图机器学习”和“CS341：项目实战课”；
4.书中以海量数据挖掘和机器学习为重点，全面分析并实现了各种常用的数据挖掘算法，同时介绍了目前Web应用的许多重要话题；
5.在第2版《大数据 互联网大规模数据挖掘与分布式处理（第2版）》基础上，第3版内容新增一章，专门探讨神经网络和深度学习并扩充了社会网络分析和决策树的相关内容。
本书源自斯坦福大学“CS246：海量数据挖掘”“CS224W：图机器学习”和“CS341：项目实战课”三门课程的内容。书中以海量数据挖掘和机器学习为重点，全面分析并实现了各种常用的数据挖掘算法，同时介绍了目前Web应用的许多重要话题。
这一版不仅新增一章，专门探讨神经网络和深度学习这一主题，还在上一版基础上扩充了社会网络分析和决策树的相关内容，同时更新了其他一些内容。
- 分布式文件系统以及MapReduce；
- 相似性搜索；
- 数据流处理以及特殊情况专用处理算法；
- 搜索引擎技术，如谷歌的PageRank；
- 频繁项集挖掘；
- 大规模高维数据集的聚类算法；
- 广告管理系统和推荐系统；
- 社会网络图挖掘；
- 降维处理，如SVD和CUR分解；
- 大规模机器学习；
- 深度神经网络。
【亚马逊读者好评】
“作为斯坦福大学‘大规模数据挖掘’在线课程的教材，这本书介绍了各种数据挖掘算法以及一些大数据应用。”
“这本书中包含许多热门的算法，特别是与挖掘图数据相关的算法，并且算法的理论和实现并重。书中的大量例子相当直观，易于理解。各章最后还提炼了章节要点，以帮助读者巩固和消化知识要点，让人很惊喜！”
“这本书涵盖了很多话题，从MapReduce和局部敏感哈希，到图的算法和大规模机器学习，内容全面、实用。”
内容简介:
本书由斯坦福大学“Web挖掘”课程的内容总结而成，主要关注极大规模数据的挖掘。书中包括分布式文件系统、相似性搜索、搜索引擎技术、频繁项集挖掘、聚类算法、广告管理及推荐系统、社会网络图挖掘和大规模机器学习等主要内容。第3版新增了决策树、神经网络和深度学习等内容。几乎每节都有对应的习题，以此来巩固所讲解的内容。读者还可以从网上获取相关拓展资料。
本书适合作为本科生、研究生数据挖掘课程的教材，也适合对数据挖掘感兴趣的技术人员阅读。
目录:
第1章 数据挖掘基本概念1
1.1数据挖掘的定义1
1.1.1建模1
1.1.2统计建模2
1.1.3机器学习2
1.1.4建模的计算方法3
1.1.5数据概括3
1.1.6特征抽取4
1.2数据挖掘的统计5
1.2.1整体情报预警5
1.2.2邦弗朗尼原理5
1.2.3邦弗朗尼原理的一个例子6
1.2.4习题7
1.3相关知识7
1.3.1词语在文档中的重要性7
1.3.2哈希函数8
1.3.3索引9
1.3.4二级存储器10
1.3.5自然对数的底e11
1.3.6幂定律12
1.3.7习题13
1.4本书概要14
1.5小结15
1.6参考文献16
第2章 MapReduce和新软件栈17
2.1分布式文件系统18
2.1.1计算节点的物理结构18
2.1.2大规模文件系统的结构19
2.2MapReduce20
2.2.1Map任务21
2.2.2按键分组21
2.2.3Reduce任务22
2.2.4组合器22
2.2.5MapReduce的执行细节23
2.2.6节点故障的处理24
2.2.7习题24
2.3使用MapReduce的算法24
2.3.1基于MapReduce的矩阵—向量乘法实现25
2.3.2向量v无法放入内存时的处理26
2.3.4基于MapReduce的选择运算28
2.
...
— 没有更多了 —
以下为对购买帮助不大的评价