幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大數據分析與演算法/數據科學與工程技術叢書

  • 作者：(挪)拉金德拉·阿卡拉卡//(印)普里蒂·斯里尼瓦斯·薩加|譯者:畢冉
  • 出版社：機械工業
  • ISBN：9787111608769
  • 出版日期：2018/10/01
  • 裝幀：平裝
  • 頁數：191
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    拉金德拉·阿卡拉卡、普里蒂·斯里尼瓦斯·薩加著的《大數據分析與演算法》詳細介紹了數據科學領域的相關智能技術，包括數據分析、基本學習演算法、模糊邏輯、人工神經網路、基因演算法和進化計算、使用R語言進行大數據分析等。本書可以作為高等院校電腦專業本科生和研究生，以及其他專業研究生的人工智慧課程的教材，也可以作為相關教師和數據分析技術人員的參考書。
作者介紹
(挪)拉金德拉·阿卡拉卡//(印)普里蒂·斯里尼瓦斯·薩加|譯者:畢冉
目錄
譯者序
前言
第1章  緒論
  1.1  引言
  1.2  數據科學的歷史
  1.3  現代商業中數據科學的重要性
  1.4  數據科學家
  1.5  三維數據科學活動
    1.5.1  管理數據流
    1.5.2  處理數據管理
    1.5.3  數據分析
  1.6  數據科學與其他領域交叉
  1.7  數據分析思維
  1.8  應用領域
    1.8.1  資源的可持續發展
    1.8.2  利用社交平台進行各種活動
    1.8.3  智能Web應用
    1.8.4  Google自動統計員項目
  1.9  應用計算智能管理數據科學活動
  1.10  商業中的數據科學場景
  1.11  有助於數據科學的工具和技術
    1.11.1  數據清洗工具
    1.11.2  數據管理和建模工具
    1.11.3  數據可視化工具
  1.12  練習
參考文獻
第2章  數據分析
  2.1  引言
  2.2  跨行業標準過程
  2.3  數據分析生命周期
  2.4  數據科學項目生命周期
  2.5  數據分析的複雜性
  2.6  從數據到洞察力
  2.7  構建分析能力：銀行案例
  2.8  數據質量
  2.9  數據準備過程
  2.10  溝通分析結果
    2.10.1  溝通分析結果的策略
    2.10.2  數據可視化
    2.10.3  可視化技術
  2.11  練習
參考文獻
第3章  基本學習演算法
  3.1  從數據中學習
  3.2  監督學習
    3.2.1  線性回歸
    3.2.2  決策樹
    3.2.3  隨機森林
    3.2.4  k-近鄰演算法
    3.2.5  邏輯回歸

    3.2.6  模型組合器
    3.2.7  樸素貝葉斯
    3.2.8  貝葉斯信念網路
    3.2.9  支持向量機
  3.3  無監督學習
    3.3.1  Apriori 演算法
    3.3.2  k-means演算法
    3.3.3  用於數據壓縮的降維
  3.4  強化學習
  3.5  案例研究：使用機器學習進行市場營銷活動
  3.6  練習
參考文獻
第4章  模糊邏輯
  4.1  引言
  4.2  模糊隸屬函數
    4.2.1  三角形隸屬函數
    4.2.2  梯形隸屬函數
    4.2.3  高斯隸屬函數
    4.2.4  sigmoid隸屬函數
  4.3  隸屬值分配方法
  4.4  模糊化與解模糊化方法
  4.5  模糊集合操作
    4.5.1  模糊集合的並集
    4.5.2  模糊集合的交集
    4.5.3  模糊集合的補集
  4.6  模糊集合性質
  4.7  模糊關係
  4.8  模糊命題
    4.8.1  模糊連接詞
    4.8.2  析取
    4.8.3  合取
    4.8.4  否定
    4.8.5  蘊含
  4.9  模糊推理
  4.10  基於模糊規則的系統
  4.11  數據科學的模糊邏輯
    4.11.1  應用1：Web內容挖掘
    4.11.2  應用2：Web結構挖掘
    4.11.3  應用3：Web使用挖掘
    4.11.4  應用4：環境和社交數據處理
  4.12  用模糊邏輯進行數據科學活動的工具和技術
  4.13  練習
參考文獻
第5章  人工神經網路
  5.1  引言
  5.2  符號學習方法
  5.3  人工神經網路及其特點
  5.4  ANN模型
    5.4.1  Hopfield模型
    5.4.2  感知器模型

    5.4.3  多層感知器
    5.4.4  多層感知器的深度學習
    5.4.5  其他ANN模型
    5.4.6  線性回歸與神經網路
  5.5  ANN工具和程序
  5.6  社交網路平台上的情感挖掘
    5.6.1  情感挖掘相關工作
    5.6.2  廣泛架構
    5.6.3  神經網路設計
  5.7  應用與挑戰
  5.8  關注點
  5.9  練習
參考文獻
第6章  遺傳演算法與進化計算
  6.1  引言
  6.2  遺傳演算法
  6.3  遺傳演算法的基本原理
    6.3.1  個體編碼
    6.3.2  變異
    6.3.3  交叉
    6.3.4  適應度函數
    6.3.5  選擇
    6.3.6  其他編碼策略
  6.4  利用遺傳演算法進行函數優化的實例
  6.5  模式與模式定理
    6.5.1  實例、定義位和模式順序
    6.5.2  模式的重要性
  6.6  基於特殊應用的遺傳運算元
  6.7  進化編程
  6.8  遺傳演算法在醫療保健中的應用
    6.8.1  醫療保健案例
    6.8.2  基於遺傳演算法的病人調度系統
    6.8.3  編碼候選者
    6.8.4  種群上的操作
    6.8.5  其他應用
  6.9  練習
參考文獻
第7章  其他元啟髮式和分類方法
  7.1  引言
  7.2  自適應記憶過程
    7.2.1  禁忌搜索
    7.2.2  分散搜索
    7.2.3  路徑重連
  7.3  群體智能
    7.3.1  蟻群優化
    7.3.2  人工蜂群演算法
    7.3.3  河流形成動力學
    7.3.4  粒子群優化
    7.3.5  隨機擴散搜索
    7.3.6  群體智能與大數據

  7.4  案例推理
    7.4.1  案例推理中的學習
    7.4.2  案例推理與數據科學
    7.4.3  處理複雜的領域
  7.5  粗糙集
  7.6  練習
參考文獻
第8章  分析和大數據
  8.1  引言
  8.2  傳統分析與大數據分析
  8.3  大規模並行處理
    8.3.1  MapReduce
    8.3.2  與RDBMS的比較
    8.3.3  共享存儲的並行編程
    8.3.4  Apache Hadoop 生態系統
    8.3.5  Hadoop分散式文件系統
  8.4  NoSQL
  8.5  SPARK
  8.6  運動的數據
    8.6.1  數據流處理
    8.6.2  實時數據流
    8.6.3  數據流與DBMS
  8.7  擴展機器學習演算法
  8.8  數據科學中的隱私、安全和倫理
  8.9  練習
參考文獻
第9章  R語言的數據科學活動
  9.1  入門
  9.2  運行代碼
  9.3  R 基礎知識
  9.4  分析數據
  9.5  示例
    9.5.1  線性回歸
    9.5.2  邏輯回歸
    9.5.3  預測
    9.5.4  k-最近鄰分類
    9.5.5  樸素貝葉斯
    9.5.6  決策樹
    9.5.7  k-means聚類
    9.5.8  隨機森林
    9.5.9  Apriori
    9.5.10  AdaBoost
    9.5.11  降維
    9.5.12  支持向量機
    9.5.13  人工神經網路
  9.6  在R中可視化
  9.7  編寫自己的函數
  9.8  Hadoop上的開源R
參考文獻
附錄A　數據科學工具

附錄B　計算智能工具

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032