大数据与人工智能导论
￥ 8.9 1.1折 ￥ 79 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者姚海鹏 王露瑶 刘韵洁
出版社人民邮电出版社
ISBN9787115466020
出版时间2017-08
版次1
装帧平装
开本16开
纸张胶版纸
页数180页
字数99999千字
定价79元
上书时间2024-12-17
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:大数据与人工智能导论
定价：79.00元
作者:姚海鹏 王露瑶 刘韵洁
出版社：人民邮电出版社
出版日期：2017-08-01
ISBN：9787115466020
字数：292000
页码：180
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
针对如何快速把握大数据与人工智能的精髓、避免陷入过多的数学细节推导的问题，以及人工智能算法和大数据平台技术的结合问题，本书作者做出了不懈探索。一是选材上，不仅分别单独讲授人工智能和大数据，还突出两者相结合的内容。二是内容上，突出浅显易懂，繁杂的数学推导适当做减法，宏观的介绍和实战技能适当做加法。三是结构上，由浅入深，由宏观到比较围观，由基础知识到新技术，由理论到实践。本书主要突出优点如下。1.知识点覆盖全。对大数据与人工智能领域的常用基础技术、算法、模型均有介绍，保障读者知识体系的完整性。而目前市场上相当同类书只涉及本领域其中的几个问题，使读者不能较好得从宏观角度来体会大数据和人工智能的技术。2.知识点覆盖新。紧跟本领域新研究成果。尤其重点介绍了深度学习基础知识及其应用。深度学习是当前人工智能领域的潮流和趋势。目前市场上同类书对本领域新趋势的关注明显滞后。3.知识点难易程度严格控制。有利于读者构建完整、清晰的知识体系，抓住主干，避免钻进个别牛角尖。许多同类书往往不能把做好难度控制，经常罗列大段生僻公式，使初学者丧失兴趣，也使初学者忽视了主干知识的学习。4.理论与实战相结合。本书不仅介绍了理论知识，还注重问题建模、数据分析、算法实现、模型应用等实战技能。主流的同类图书基本以理论介绍为主，容易使读者眼高手低，不能真正把知识用于实践。5.知识脉络构建有特色。市场上同类图书要么是只讲人工智能算法，要么只讲大数据工具平台。本书认为，当前人工智能取得重要进展的根本原因是大数据，绝不能把两者割裂开来。
内容提要
本书主要涉及数据工程、人工智能算法原理，大数据平台技术、人工智能算法在大数据平台上的实现、人工智能算法的应用于实践。 章是大数据与人工智能的历史、应用。第2章是数据工程。第三章是人工智能基础算法的原理介绍。第四章是大数据平台的介绍。第五章以第三章中的几种算法为例子，介绍了它们是如何在大数据平台上分布式实现的。第六章是当前热门的深度学习技术的介绍。第七章是实践。本书针对1.对大数据和人工智能感兴趣、希望快速了解和入门本领域知识的在读本科生、研究生。2.希望从事大数据和人工智能岗位、需要快速提升理论基础和实战技能的求职者。3.计算机和互联网领域，对人工智算法感兴趣或工作中迫切需要一定本领域知识的工程师。
目录
1第一章 绪论101.1日益增长的数据101.1.1大数据基本概念111.1.2大数据发展历程111.1.3大数据的特征121.1.4大数据的基本认识131.2人工智能141.2.1认识人工智能141.2.2人工智能的派别与发展历史141.2.3人工智能的现状与应用141.2.3 当人工智能遇上大数据151.3 大数据与人工智能的机遇与挑战161.3.1大数据与人工智能面临的难题161.3.2大数据与人工智能的前景17第二章 数据工程182.1数据的多样性182.1.1数据格式的多样性182.1.2数据来源的多样性192.1.3数据用途的多样性202.2数据工程的一般流程212.2.1 数据获取212.2.2 数据存储212.2.3 数据清洗212.2.4 数据建模212.2.5 数据处理222.3数据的获取222.3.1数据来源232.3.2数据采集方法232.3.3 大数据采集平台252.4数据的存储与数据仓库252.4.1数据存储252.4.2数据仓库262.5数据的预处理技术272.5.1 为什么要进行数据预处理272.5.2 数据清理282.5.3 数据集成292.5.4 数据变换302.5.5 数据规约302.6模型的构建与评估312.6.1模型的构建312.6.2评价指标312.7数据的可视化332.7.1 可视化的发展342.7.2 可视化工具34第三章 机器学习算法413-1机器学习绪论413.1.1 机器学习基本概念413.1.2评价标准433.1.3 机器模型的数学基础463-2决策树理论503.2.1决策树模型503.2.2 决策树的训练533.2.3 本节总结583.3 朴素贝叶斯理论593.4线性回归633.5逻辑斯蒂回归663.5.1二分类逻辑回归模型663.5.2 二分类逻辑斯蒂回归的训练683.5.3 softmax分类器713.5.4逻辑斯蒂回归和softmax的应用723.5.5本节总结723.6神经网络733.6.1生物神经元和人工神经元733.6.2感知机753.6.3BP神经网络773.6.4Sklearn中的神经网络803.6.5本章小结813.6.6 拓展阅读813.7支持向量机813.7.1 间隔823.7.2 支持向量机的原始形式843.7.3 支持向量机的对偶形式863.7.4特征空间的隐式映射：核函数873.7.5 支持向量机拓展903.7.6 支持向量机的应用903.8集成学习913.8.1 基础概念913.8.2 Boosting943.8.3 Bagging983.8.4 Stacking993.9聚类1003.9.1聚类思想1003.9.2性能计算和距离计算1003.9.3原型聚类：K-means1013.9.4密度聚类：DBSCAN1033.9.5层次聚类1053.9.6Sklearn中的聚类1053.9.7本章小结1063.9.8拓展阅读1063.10降维与特征选择1063.10.1维数爆炸与降维1063.10.2降维技术1073.10.3特征选择算法1093.10.4 Sklearn中的降维1123.10.5本章小结112第四章 大数据框架1134-1 Hadoop简介1134.1.1 Hadoop的由来1134.1.2 MapReduce和HDFS1144-2 Hadoop大数据处理框架1154.2.1 HDFS组件与运行机制1164.2.2 MapReduce组件与运行机制1204.2.3 Yarn框架和运行机制1224.2.4 Hadoop相关技术1234-3 Hadoop安装与部署1244.3.1 安装配置单机版Hadoop1244.3.2 单机版WordCount程序1284.3.3 安装配置伪分布式Hadoop1294-4 MapReduce编程1354.4.1 MapReduce综述1364.4.2 Map阶段1364.4.3 shuffle阶段1374.4.4 Reduce阶段1384-5 HBase、Hive和Pig和简介1384.5.1 HBase简介1394.5.2 Hive简介1394.5.3 Pig简介1414-6 Spark简介1414.6.1 spark概述1414.6.2 Spark基本概念1424.6.3 spark生态系统1434.6.4 spark组件与运行机制1444-7 Spark安装使用1454.7.1 K安装1464.7.2 Scala安装1484.7.3 Spark安装1484.7.4 Winutils安装1484.7.5 使用Spark Shell1494.7.6 Spark文件目录1514-8 Spark实例讲解152第五章 分布式数据挖掘算法1535-1 K-Means聚类方法1545.1.1 K-Means聚类算法简介1545.1.2 K-Means算法的分布式实现1545-2 朴素贝叶斯分类算法1605.2.1 朴素贝叶斯分类并行化设计思路1605.2.2 朴素贝叶斯分类并行化实现1615-3 频繁项集挖掘算法1665.3.1 Apriori频繁项集挖掘算法简介1675.3.2 Apriori频繁项集挖掘的并行化实现1675-4参考资料172第六章 深度学习简介1736-1从神经网络到深度神经网络1736.1.1深度学习应用1736.1.2 深度神经网络的困难1756-2卷积神经网络CNN1766.2.1卷积神经网络的生物学基础1766.2.2卷积神经网络结构1776-3循环神经网络RNN1826.3.1循环神经网络简介1826.3.2循环神经网络结构182第七章 数据分析实例1857-1 基本数据分析1857.1.1数据介绍1857.1.2数据导入与数据初识1857.1.3分类1897.1.4 聚类1917.1.5回归1927.1.6降维1947.2深度学习项目实战1957.2.1 Tensorflow与keras安装部署1967.2.2使用卷积神经网络进行手写数字识别1987.2.3使用LSTM进行文本情感分类201附 录206A 矩阵基础206B 梯度下降209牛顿法210C 拉格朗日对偶性211D python 语法知识213E Java语法基础介绍228
作者介绍
姚海鹏，博士，北京邮电大学副教授，主要讲授网络大数据、物联网、人工智能等课程，主要研究方向为未来网络体系架构、网络大数据、物联网等。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价