數(shù)據(jù)科學(xué)導(dǎo)引電子版

數(shù)據(jù)科學(xué)導(dǎo)引pdf是一部專注于大數(shù)據(jù)分析方面的電子書籍，這部電子詳細(xì)簡(jiǎn)介了數(shù)據(jù)科學(xué)相關(guān)知識(shí)，內(nèi)容豐富全面，通俗易懂，深受廣大讀者的青睞，感興趣的朋友歡迎來(lái)綠色資源網(wǎng)下載閱讀！

數(shù)據(jù)科學(xué)導(dǎo)引電子書介紹

《數(shù)據(jù)科學(xué)導(dǎo)引》是博雅大數(shù)據(jù)學(xué)院針對(duì)新開設(shè)的“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專業(yè)編寫的數(shù)據(jù)科學(xué)導(dǎo)論課程教材。

《數(shù)據(jù)科學(xué)導(dǎo)引》內(nèi)容共分十五章，包括緒論、數(shù)據(jù)預(yù)處理、回歸模型、分類模型、集成模型、聚類模型、關(guān)聯(lián)規(guī)則挖掘、降維、特征選擇、EM算法、概率圖模型、文本分析、圖與網(wǎng)絡(luò)分析、深度學(xué)習(xí)、分布式計(jì)算。附錄部分對(duì)相關(guān)的基礎(chǔ)知識(shí)做了簡(jiǎn)要介紹。

《數(shù)據(jù)科學(xué)導(dǎo)引》還提供了大量的數(shù)據(jù)分析實(shí)踐案例，有助于加深讀者對(duì)理論知識(shí)的理解，及培養(yǎng)其實(shí)際應(yīng)用能力。

《數(shù)據(jù)科學(xué)導(dǎo)引》可作為全國(guó)高等學(xué)校數(shù)據(jù)科學(xué)相關(guān)專業(yè)的本科生和研究生教材，也可供從事相關(guān)工作的技術(shù)人員參考使用。

數(shù)據(jù)科學(xué)導(dǎo)引pdf目錄

第一章 緒論

1．1 數(shù)據(jù)科學(xué)的基本內(nèi)容

1．2 對(duì)學(xué)科發(fā)展的影響

1．3 對(duì)科學(xué)研究的影響

1．4 數(shù)據(jù)科學(xué)的課程體系

1．5 本書內(nèi)容介紹

第二章 數(shù)據(jù)預(yù)處理

2．1 特征編碼

2．2 缺失值處理

2．3 數(shù)據(jù)標(biāo)準(zhǔn)化

2．4 特征離散化

2．5 離群值檢測(cè)

2．6 其他預(yù)處理方法

案例與實(shí)戰(zhàn)

第三章 回歸模型

3．1 線性回歸

3．2 線性回歸正則化

3．3 非線性回歸

案例與實(shí)戰(zhàn)

第四章 分類模型

4．1 邏輯回歸

4．2 K近鄰

4．3 決策樹

4．4 樸素貝葉斯

4．5 支持向量機(jī)

案例與實(shí)戰(zhàn)

第五章 集成模型

5．1 集成方法綜述

5．2 隨機(jī)森林

5．3 AdaBoost

5．4 應(yīng)用實(shí)例：個(gè)人信用風(fēng)險(xiǎn)評(píng)估

案例與實(shí)戰(zhàn)

第六章 聚類模型

6．1 K-means聚類

6．2 層次聚類

6．3 譜聚類

6．4 基于密度的聚類

6．5 小結(jié)

案例與實(shí)戰(zhàn)

第七章 關(guān)聯(lián)規(guī)則挖掘

7．1 關(guān)聯(lián)規(guī)則概述

7．2 Apriori算法

7．3 FP-Growth算法

案例與實(shí)戰(zhàn)

第八章 降維

8．1 主成分分析

8．2 線性判別分析

8．3 多維尺度變換

8．4 局部線性嵌入

8．5 其他降維方法

案例與實(shí)戰(zhàn)

第九章 特征選擇

9．1 特征選擇的一般過(guò)程

9．2 特征選擇常用的方法

9．3 無(wú)監(jiān)督特征選擇

9．4 小結(jié)

案例與實(shí)戰(zhàn)

第十章 EM算法

10．1 EM算法

10．2 EM的應(yīng)用：高斯混合模型

10．3 小結(jié)

案例與實(shí)戰(zhàn)

第十一章 概率圖模型

11．1 概率圖模型概述

11．2 隱馬爾可夫模型

11．3 條件隨機(jī)場(chǎng)

11．4 小結(jié)

案例與實(shí)戰(zhàn)

第十二章 文本分析

12．1 文本表示模型

12．2 主題模型

12．3 情感分析

案例與實(shí)戰(zhàn)

第十三章 圖與網(wǎng)絡(luò)分析

13．1 基本概念

13．2 幾何特征

13．3 鏈接分析

13．4 社區(qū)發(fā)現(xiàn)

13．5 知識(shí)圖譜

案例與實(shí)戰(zhàn)

第十四章 深度學(xué)習(xí)

14．1 多層感知機(jī)

14．2 深度學(xué)習(xí)模型的優(yōu)化

14．3 卷積神經(jīng)網(wǎng)絡(luò)

14．4 循環(huán)神經(jīng)網(wǎng)絡(luò)

14．5 小結(jié)

案例與實(shí)戰(zhàn)

第十五章 分布式計(jì)算

15．1 Hadoop：分布式存儲(chǔ)與處理

15．2 常見模型的Map Reduce實(shí)現(xiàn)

15．3 Spark：分布式數(shù)據(jù)分析

15．4 其他分布式系統(tǒng)

附錄

A．矩陣運(yùn)算

B．概率論基礎(chǔ)

C．優(yōu)化算法

D．距離

E．模型評(píng)估

參考文獻(xiàn)