• 
  数据科学与工程实...
  ￥54.51元
• 
  数据安全理论与技...
  ￥62.41元
• 
  制造业大数据的建...
  ￥62.41元
• 
  大数据导论
  ￥46.61元
• 
  超级计算机原理与...
  ￥46.61元
• 
  数据科学中的数学...
  ￥69.52元
• 
  云计算
  ￥46.61元
• 
  当代数据管理系统
  ￥51.35元
• 
  大数据计算
  ￥46.61元
• 
  统计方法与机器学...
  ￥54.51元
• 
  数据安全与隐私保...
  ￥54.51元

本书是一本全面介绍数据科学理论与实践的综合性教材，旨在向读者展示如何在多样化的数据环境中应用数据科学技术以解决复杂的实际问题。本书的主要内容分为以下两部分：第一部分（第1、2章）主要介绍数据科学与工程的背景、定义、原则和基本概念，以及数据科学基础理论；第二部分（第3～7章）介绍高级应用和案例研究，旨在帮助读者建立数据科学与工程的基础知识，并在每个实践章节中，按照背景介绍和场景分析、数据工程基础实践、高阶算法研究及实战的脉络，为读者提供一个循序渐进的学习框架、实践指南和解决问题的方法。
　　书中案例包括知识图谱构建与挖掘、文本检测、多模态数据分析和推荐系统等，通过案例分析与实际操作示例，理论与实践紧密结合，帮助读者更好地理解和掌握数据科学的实际运用。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 目录
  第一章绪论1
  1.1数据科学与工程背景1
  1.1.1数据科学与工程的形成1
  1.1.2数据科学与工程的概述3
  1.1.3与其他相关领域的关系4
  1.1.4数据科学与工程的重要性6
  1.2数据科学与工程的工具和技术6
  1.2.1常用工具和技术6
  1.2.2本书用到的工具和技术导览8
  1.3数据科学与工程面临的挑战8
  1.3.1数据隐私和安全8
  1.3.2道德、伦理与法律问题.9
  1.3.3数据质量和治理.10
  小结11
  第2章数据科学基础理论12
  2.1数字图像处理12
  2.1.1数字图像概述12
  2.1.2图像的类型12
  2.1.3数字图像的基本概念13
  2.1.4数字图像处理主要研究内容15
  2.2知识图谱17
  2.2.1知识图谱的背景17
  2.2.2知识图谱的概念18
  2.2.3知识图谱的分类19
  2.2.4常见的知识图谱技术19
  2.3数据聚类算法21
  2.3.1聚类分析的概念21
  2.3.2聚类分析的度量21
  2.3.3聚类的分类22
  2.3.4聚类算法实战：DBSCAN算法24
  2.4文本分析算法26
  2.4.1文本的定义.26
  2.4.2文本的作用.26
  2.4.3文本随式.27
  2.4.4常见的文本分析技术28
  2.5时间序列分析算法31
  2.5.1 时间序列31
  2.5.2平稳性.33
  2.5.3时间序列的常用模型34
  2.6多模态数据分析算法35
  2.6.1多模态数据分析的定义36
  2.6.2经典的多模态任务37
  2.7推荐算法38
  2.7.1推荐系统概述39
  2.7.2推荐算法的思想原理39
  2.7.3相似性度量方法40
  2.7.4推荐算法分类41
  小结43
  习题43
  第3章知识图谱构建与挖掘实践44
  3.1知识图谱与构建背景知识44
  3.1.1知识图谱背景知识45
  3.1.2数据预处理46
  3.1.3知识图谱构建47
  3.1.4专利大数据实践处理流程48
  3.1.5专利大数据介绍及建模48
  3.2知识图谱构建与挖掘的优化技术55
  3.2.1知识增强与知识融合56
  3.2.2面向文本数据的知识图谱处理技术57
  3.2.3知识图谱的表征学习59
  3.2.4知识图谱的可解释应用72
  3.3知识图谱感知的专利成果聚类模型开发实践72
  3.3.1知识图谱感知专利聚类算法72
  3.3.2系统评测与验证78
  3.3.3工程实践81
  3.3.4演示系统89
  小结90
  习题90
  第4章文本检测实践91
  4.1互联网文本检测背景知识91
  4.1.1互联网平台风控场景92
  4.1.2垃圾文本检测处理流程94
  4.1.3垃圾文本检测数据介绍及建模95
  4.2基于字符相似性网络的垃圾文本检测优化技术118
  4.2.1字形相似性118
  4.2.2韩相似性120
  4.2.3字符相似性网络121
  4.3基于字符相似性网络的对抗垃圾文本检测模型实践示范122
  4.3.1对抗垃圾文本检测算法122
  4.3.2系统评测与验证130
  4.3.3演不系统133
  小结135
  习题135
  第5章多模态数据分析实践136
  5.1多模态数据分析背景知识136
  5.1.1常见数据模态及其特征136
  5.1.2不同模态数据分析方法异同137
  5.2医疗大数据分析背景知识137
  5.2.1医学场景介绍137
  5.2.2医疗大数据特点及建模140
  5.2.3医学数据分析算法143
  5.2.4数据预处理工具介绍146
  5.3基于多模态数据融合的智慧医疗诊断模型开发153
  5.3.1多模态数据预处理154
  5.3.2多模态数据融合模型设计与开发158
  5.3.3系统评测与分析173
  小结178
  习题178
  第6章推荐系统实践179
  6.1推荐系统的背景知识179
  6.1.1推荐絲概述179
  6.1.2推荐系统架构181
  6.1.3推荐系统数据介绍及建模191
  6.2推荐系统的优化技术208
  6.2.1双向推荐系统208
  6.2.2基于知识图谱的推荐系统210
  6.2.3可解释推荐系统211
  6.3基于知识图谱的可解释人岗智能匹配实践213
  6.3.1基于知识图谱的可解释双向推荐算法213
  6.3.2系统评测与验证223
  6.3.3工程实践224
  6.3.4演示系统.227
  小结230
  习题231
  第7章工程实践的简要回顾及扩展232
  7.1四个工程实践的简要回顾232
  7.2数据工程实践扩展232
  7.2.1技术角度的扩展232
  7.2.2应用领域角度的扩展233
  7.2.3跨领域技术应用234
  7.2.4数据融合技术应用235
  参考文献236