日韩婬乱a一级毛片色优优,亚洲欧美天堂在线

內(nèi)容簡介

　　第1章首先從大數(shù)據(jù)的發(fā)展歷史出發(fā)，介紹了大數(shù)據(jù)的概念與性質(zhì)，并且介紹了大數(shù)據(jù)專業(yè)體系的需求和未來展望，系統(tǒng)性地概述了大數(shù)據(jù)的定義。第2章介紹了數(shù)據(jù)的采集方式、數(shù)據(jù)可視化的作用手段以及數(shù)據(jù)可視化的具體運用。第3章首先從機器學習的基礎(chǔ)入手，講述了化問題的三個經(jīng)典算法，包括梯度下降法、牛頓法和遺傳算法。然后介紹了機器學習的算法，包括有監(jiān)督學習和無監(jiān)督學習等算法，介紹了機器學習的常用方法。第4章主要介紹深度學習，從Numpy的基礎(chǔ)開始，完整地講解了Python的擴展程序庫Numpy。隨后介紹了CNN和RNN這兩種經(jīng)典的神經(jīng)網(wǎng)絡(luò)。介紹了包括AlexNet模型等幾種經(jīng)典的深度學習網(wǎng)絡(luò)模型。第5章主要介紹了TensorFlow和PyTorch這兩種框架的安裝和搭建，并通過一些小例子來熟悉它們的基礎(chǔ)組件，后介紹了Keras這個神經(jīng)網(wǎng)絡(luò)API。第6章介紹了醫(yī)療大數(shù)據(jù)、天文大數(shù)據(jù)以及金融大數(shù)據(jù)這三個大數(shù)據(jù)技術(shù)熱門領(lǐng)域，分別講述了這三個領(lǐng)域的基礎(chǔ)概述、理論技術(shù)以及未來的目標和挑戰(zhàn)。本書適用于對大數(shù)據(jù)領(lǐng)域感興趣的讀者，中職學歷及以上學生、工程師、企業(yè)家、研究人員等都可以從中獲益。讀者能夠了解到大數(shù)據(jù)技術(shù)的價值和應(yīng)用前景，獲得基本的數(shù)據(jù)分析和處理能力，對大數(shù)據(jù)在不同領(lǐng)域中的應(yīng)用力和未來的發(fā)展趨勢有加全面、深入的認識，服務(wù)于大數(shù)據(jù) 戰(zhàn)略。

作者簡介

暫缺《大數(shù)據(jù)科學基礎(chǔ)》作者簡介

圖書目錄

第1章大數(shù)據(jù)概述
1.1 大數(shù)據(jù)發(fā)展歷史
1.1.1 大數(shù)據(jù)產(chǎn)生背景
1.1.2 大數(shù)據(jù)發(fā)展前景
1.2 大數(shù)據(jù)的概念和性質(zhì)
1.2.1 大數(shù)據(jù)的概念
1.2.2 大數(shù)據(jù)的特征與性質(zhì)
1.2.3 數(shù)據(jù)處理與編程
1.2.4 數(shù)據(jù)挖掘與統(tǒng)計
1.3 大數(shù)據(jù)應(yīng)用
1.4 大數(shù)據(jù)專業(yè)技能體系需求
1.4.1 崗位能力需求
1.4.2 知識與能力需求
1.5 總結(jié)
第2章數(shù)據(jù)采集與數(shù)據(jù)可視化
2.1 數(shù)據(jù)的采集與處理
2.1.1 數(shù)據(jù)采集方式
2.1.2 數(shù)據(jù)爬取
2.1.3 數(shù)據(jù)預處理
2.2 數(shù)據(jù)可視化
2.2.1 數(shù)據(jù)可視化的發(fā)展歷史
2.2.2 數(shù)據(jù)、圖形與可視化
2.2.3 數(shù)據(jù)可視化的作用
2.2.4 數(shù)據(jù)可視化的手段
2.2.5 數(shù)據(jù)可視化技術(shù)的特征與應(yīng)用
2.3 總結(jié)
第3章機器學習
3.1 機器學習基礎(chǔ)
3.2 化問題
3.2.1 梯度下降法
3.2.2 卜頓法
3.2.3 遺傳算法
3.3 機器學習算法
3.3.1 有監(jiān)督學習
3.3.2 無監(jiān)督學習
3.3.3 半監(jiān)督學習
3.3.4 強化學習
3.4 機器學習常用方法
3.4.1 集成學習
3.4.2 表示學習
3.5 總結(jié)
第4章深度學習
4.1 Python & NumPy
4.1.1 NumPy基礎(chǔ)
4.1.2 生成NumPy數(shù)組
4.1.3 元素索引
4.1.4 數(shù)組操作
4.1.5 NumPy算術(shù)運算
4.1.6 通用函數(shù)
4.1.7 廣播機制