大数据与人工智能导论

大数据与人工智能导论

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

编辑推荐

人工智能参考书,大数据挖掘指导书。

内容简介

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。

第 1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。

作者简介

作者姚海鹏,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。

章节目录

版权信息

内容提要

前言

第1章 绪论

1.1 日益增长的数据

1.1.1 大数据基本概念

1.1.2 大数据发展历程

1.1.3 大数据的特征

1.1.4 大数据的基本认识

1.2 人工智能

1.2.1 认识人工智能

1.2.2 人工智能的现状与应用

1.2.3 当人工智能遇上大数据

1.3 大数据与人工智能的机遇与挑战

1.3.1 大数据与人工智能面临的难题

1.3.2 大数据与人工智能的前景

第2章 数据工程

2.1 数据的多样性

2.1.1 数据格式的多样性

2.1.2 数据来源的多样性

2.1.3 数据用途的多样性

2.2 数据工程的一般流程

2.3 数据的获取

2.3.1 数据来源

2.3.2 数据采集方法

2.3.3 大数据采集平台

2.4 数据的存储与数据仓库

2.4.1 数据存储

2.4.2 数据仓库

2.5 数据的预处理技术

2.5.1 数据预处理的目的

2.5.2 数据清理

2.5.3 数据集成

2.5.4 数据变换

2.5.5 数据规约

2.6 模型的构建与评估

2.6.1 模型的构建

2.6.2 评价指标

2.7 数据的可视化

2.7.1 可视化的发展

2.7.2 可视化工具

第3章 机器学习算法

3.1 机器学习绪论

3.1.1 机器学习基本概念

3.1.2 评价标准

3.1.3 机器模型的数学基础

3.2 决策树理论

3.2.1 决策树模型

3.2.2 决策树的训练

3.2.3 本节小结

3.3 朴素贝叶斯理论

3.4 线性回归

3.5 逻辑斯蒂回归

3.5.1 二分类逻辑回归模型

3.5.2 二分类逻辑斯蒂回归的训练

3.5.3 softmax分类器

3.5.4 逻辑斯蒂回归和softmax的应用

3.5.5 本节小结

3.6 支持向量机

3.6.1 间隔

3.6.2 支持向量机的原始形式

3.6.3 支持向量机的对偶形式

3.6.4 特征空间的隐式映射:核函数

3.6.5 支持向量机拓展

3.6.6 支持向量机的应用

3.7 集成学习

3.7.1 基础概念

3.7.2 Boosting

3.7.3 Bagging

3.7.4 Stacking

3.8 神经网络

3.8.1 生物神经元和人工神经元

3.8.2 感知机

3.8.3 BP神经网络

3.8.4 Sklearn中的神经网络

3.8.5 本节小结

3.8.6 拓展阅读

3.9 聚类

3.9.1 聚类思想

3.9.2 性能计算和距离计算

3.9.3 原型聚类:k-means

3.9.4 密度聚类:DBSCAN

3.9.5 层次聚类

3.9.6 Sklearn中的聚类

3.9.7 本节小结

3.9.8 拓展阅读

3.10 降维与特征选择

3.10.1 维数爆炸与降维

3.10.2 降维技术

3.10.3 特征选择算法

3.10.4 Sklearn中的降维

3.10.5 本节小结

第4章 大数据框架

4.1 Hadoop简介

4.1.1 Hadoop的由来

4.1.2 MapReduce和HDFS

4.2 Hadoop大数据处理框架

4.2.1 HDFS组件与运行机制

4.2.2 MapReduce组件与运行机制

4.2.3 Yarn框架和运行机制

4.2.4 Hadoop相关技术

4.3 Hadoop安装与部署

4.3.1 安装配置单机版Hadoop

4.3.2 单机版WordCount程序

4.3.3 安装配置伪分布式Hadoop

4.4 MapReduce编程

4.4.1 MapReduce综述

4.4.2 Map阶段

4.4.3 Shuffle阶段

4.4.4 Reduce阶段

4.5 HBase、Hive和Pig简介

4.5.1 HBase简介

4.5.2 Hive简介

4.5.3 Pig简介

4.6 Spark简介

4.6.1 Spark概述

4.6.2 Spark基本概念

4.6.3 Spark生态系统

4.6.4 Spark组件与运行机制

4.7 Spark安装使用

4.7.1 JDK安装

4.7.2 Scala安装

4.7.3 Spark安装

4.7.4 Winutils安装

4.7.5 使用Spark Shell

4.7.6 Spark文件目录

4.8 Spark实例讲解

第5章 分布式数据挖掘算法

5.1 K-Means聚类方法

5.1.1 K-Means聚类算法简介

5.1.2 K-Means算法的分布式实现

5.2 朴素贝叶斯分类算法

5.2.1 朴素贝叶斯分类并行化设计思路

5.2.2 朴素贝叶斯分类并行化实现

5.3 频繁项集挖掘算法

5.3.1 Apriori频繁项集挖掘算法简介

5.3.2 Apriori频繁项集挖掘的并行化实现

第6章 深度学习简介

6.1 从神经网络到深度神经网络

6.1.1 深度学习应用

6.1.2 深度神经网络的困难

6.2 卷积神经网络

6.2.1 卷积神经网络的生物学基础

6.2.2 卷积神经网络结构

6.3 循环神经网络

6.3.1 循环神经网络简介

6.3.2 循环神经网络结构

第7章 数据分析实例

7.1 基本数据分析

7.1.1 数据介绍

7.1.2 数据导入与数据初识

7.1.3 分类

7.1.4 回归

7.1.5 降维

7.2 深度学习项目实战

7.2.1 Tensorflow与Keras安装部署

7.2.2 使用卷积神经网络进行手写数字识别

7.2.3 使用LSTM进行文本情感分类

参考文献

附录A 矩阵基础

附录B 梯度下降

附录C 拉格朗日对偶性

附录D Python语法知识

附录E Java语法基础介绍

大数据与人工智能导论是2017年由人民邮电出版社出版,作者姚海鹏。

得书感谢您对《大数据与人工智能导论》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

你可能喜欢
大数据技术基础——基于Hadoop与Spark 电子书
将Hadoop和Spark组合起来进行剖析,呈现完整的大数据技术方案。
深度学习原理与实践 电子书
(1)大量图例,简单易懂。作者亲自绘制了大量插图,力求还原深度学习的算法思想,分解和剖析晦涩的算法,用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣,快乐地学习算法知识,体会深度学习的算法本质。 (2)简化公式,生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式,为了避免出现读者读不懂的情况,本书尽可能地统一了公式和符号,简化相关公式,并加以生动的比喻进行解析。在启发读者的同时,锻炼读者分析问题和解决问题的能力。 (3)算法原理,代码实现。在介绍深度学习及相关算法的原理时,不仅给出了对应的公式,还给出了实现和求解公式的代码,让读者明确该算法的作用、输入和输出。原理与代码相结合,使得读者对深度学习的算法实现更加具有亲切感。 (4)深入浅出,精心剖析。理解深度学习需要一定的机器学习知识,本书在D1章介绍了深度学习与机器学习的关系,并简要介绍了机器学习的内容。在内容安排上,每章依次介绍模型框架的应用场景、结构和使用方式,最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。 (5)入门实践,案例重现。每一章最后的真实案例不是直接堆砌代码,而是讲解使用该算法模型的原因和好处。从简单的背景知识出发,使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度,为读者奠定深度学习的实践基础。 将一本技术书籍写得通俗易懂谈何容易,但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析,化繁为简,没有局限于坐而论道,而是将实例和数学理论相结合,让读者能够快速理解各种模型并上手实践,值得细读。 --唐春明 广州大学数学与信息学科学院副院长 本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面,内容详实,解读清晰,细节与全貌兼顾,既适合初学者阅读,也可以作为深入研究的参考用书。 --杨刚 西安电子科技大学教授 近年来出版的深度学习相关图书中,本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍,引入大量图例和简化后的公式,让算法浅显易懂。每一章的实践内容都给人惊喜,强烈推荐! --吴健之 腾讯音乐高级工程师 作为产品经理,我能看懂的深度学习书籍实在太少了。本书恰到好处,插图丰富直观,数学公式简练,很喜欢此类风格的图书,易懂好学。即使你不是程序员或算法专家,该书也值得一看! --张瑞 中软国际高级产品经理
人工智能导论(第2版) 电子书
本书系统地阐述了人工智能的基本理论、基本技术、研究方法和应用领域。
人工智能导论 电子书
系统、全面地介绍人工智能的相关概念、理论与应用。
深度学习 电子书
深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。