數(shù)據(jù)科學(xué)與工程實(shí)戰(zhàn)
定 價：69 元
叢書名：普通高等教育數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)系列教材
當(dāng)前圖書已被 1 所學(xué)校薦購過！
查看明細(xì)
- 作者：王昌棟,賴劍煌
- 出版時間：2025/2/1
- ISBN：9787030805843
- 出 版 社：科學(xué)出版社
- 中圖法分類：TP274
- 頁碼：237
- 紙張：
- 版次：1
- 開本：16
本書是一本全面介紹數(shù)據(jù)科學(xué)理論與實(shí)踐的綜合性教材，旨在向讀者展示如何在多樣化的數(shù)據(jù)環(huán)境中應(yīng)用數(shù)據(jù)科學(xué)技術(shù)以解決復(fù)雜的實(shí)際問題。本書的主要內(nèi)容分為以下兩部分：第一部分（第1、2章）主要介紹數(shù)據(jù)科學(xué)與工程的背景、定義、原則和基本概念，以及數(shù)據(jù)科學(xué)基礎(chǔ)理論；第二部分（第3～7章）介紹高級應(yīng)用和案例研究，旨在幫助讀者建立數(shù)據(jù)科學(xué)與工程的基礎(chǔ)知識，并在每個實(shí)踐章節(jié)中，按照背景介紹和場景分析、數(shù)據(jù)工程基礎(chǔ)實(shí)踐、高階算法研究及實(shí)戰(zhàn)的脈絡(luò)，為讀者提供一個循序漸進(jìn)的學(xué)習(xí)框架、實(shí)踐指南和解決問題的方法。
書中案例包括知識圖譜構(gòu)建與挖掘、文本檢測、多模態(tài)數(shù)據(jù)分析和推薦系統(tǒng)等，通過案例分析與實(shí)際操作示例，理論與實(shí)踐緊密結(jié)合，幫助讀者更好地理解和掌握數(shù)據(jù)科學(xué)的實(shí)際運(yùn)用。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
2004.09-2008.06 中山大學(xué) 數(shù)學(xué)系 本科
2008.09-2013.06 中山大學(xué) 計算機(jī)系 碩博連讀2013.07-2016.06 中山大學(xué) 計算機(jī)學(xué)院 講師
2016.07-今 中山大學(xué) 計算機(jī)學(xué)院 副教授計算機(jī)
目錄
第一章緒論1
1.1數(shù)據(jù)科學(xué)與工程背景1
1.1.1數(shù)據(jù)科學(xué)與工程的形成1
1.1.2數(shù)據(jù)科學(xué)與工程的概述3
1.1.3與其他相關(guān)領(lǐng)域的關(guān)系4
1.1.4數(shù)據(jù)科學(xué)與工程的重要性6
1.2數(shù)據(jù)科學(xué)與工程的工具和技術(shù)6
1.2.1常用工具和技術(shù)6
1.2.2本書用到的工具和技術(shù)導(dǎo)覽8
1.3數(shù)據(jù)科學(xué)與工程面臨的挑戰(zhàn)8
1.3.1數(shù)據(jù)隱私和安全8
1.3.2道德、倫理與法律問題.9
1.3.3數(shù)據(jù)質(zhì)量和治理.10
小結(jié)11
第2章數(shù)據(jù)科學(xué)基礎(chǔ)理論12
2.1數(shù)字圖像處理12
2.1.1數(shù)字圖像概述12
2.1.2圖像的類型12
2.1.3數(shù)字圖像的基本概念13
2.1.4數(shù)字圖像處理主要研究內(nèi)容15
2.2知識圖譜17
2.2.1知識圖譜的背景17
2.2.2知識圖譜的概念18
2.2.3知識圖譜的分類19
2.2.4常見的知識圖譜技術(shù)19
2.3數(shù)據(jù)聚類算法21
2.3.1聚類分析的概念21
2.3.2聚類分析的度量21
2.3.3聚類的分類22
2.3.4聚類算法實(shí)戰(zhàn)：DBSCAN算法24
2.4文本分析算法26
2.4.1文本的定義.26
2.4.2文本的作用.26
2.4.3文本隨式.27
2.4.4常見的文本分析技術(shù)28
2.5時間序列分析算法31
2.5.1 時間序列31
2.5.2平穩(wěn)性.33
2.5.3時間序列的常用模型34
2.6多模態(tài)數(shù)據(jù)分析算法35
2.6.1多模態(tài)數(shù)據(jù)分析的定義36
2.6.2經(jīng)典的多模態(tài)任務(wù)37
2.7推薦算法38
2.7.1推薦系統(tǒng)概述39
2.7.2推薦算法的思想原理39
2.7.3相似性度量方法40
2.7.4推薦算法分類41
小結(jié)43
習(xí)題43
第3章知識圖譜構(gòu)建與挖掘?qū)嵺`44
3.1知識圖譜與構(gòu)建背景知識44
3.1.1知識圖譜背景知識45
3.1.2數(shù)據(jù)預(yù)處理46
3.1.3知識圖譜構(gòu)建47
3.1.4專利大數(shù)據(jù)實(shí)踐處理流程48
3.1.5專利大數(shù)據(jù)介紹及建模48
3.2知識圖譜構(gòu)建與挖掘的優(yōu)化技術(shù)55
3.2.1知識增強(qiáng)與知識融合56
3.2.2面向文本數(shù)據(jù)的知識圖譜處理技術(shù)57
3.2.3知識圖譜的表征學(xué)習(xí)59
3.2.4知識圖譜的可解釋應(yīng)用72
3.3知識圖譜感知的專利成果聚類模型開發(fā)實(shí)踐72
3.3.1知識圖譜感知專利聚類算法72
3.3.2系統(tǒng)評測與驗(yàn)證78
3.3.3工程實(shí)踐81
3.3.4演示系統(tǒng)89
小結(jié)90
習(xí)題90
第4章文本檢測實(shí)踐91
4.1互聯(lián)網(wǎng)文本檢測背景知識91
4.1.1互聯(lián)網(wǎng)平臺風(fēng)控場景92
4.1.2垃圾文本檢測處理流程94
4.1.3垃圾文本檢測數(shù)據(jù)介紹及建模95
4.2基于字符相似性網(wǎng)絡(luò)的垃圾文本檢測優(yōu)化技術(shù)118
4.2.1字形相似性118
4.2.2韓相似性120
4.2.3字符相似性網(wǎng)絡(luò)121
4.3基于字符相似性網(wǎng)絡(luò)的對抗垃圾文本檢測模型實(shí)踐示范122
4.3.1對抗垃圾文本檢測算法122
4.3.2系統(tǒng)評測與驗(yàn)證130
4.3.3演不系統(tǒng)133
小結(jié)135
習(xí)題135
第5章多模態(tài)數(shù)據(jù)分析實(shí)踐136
5.1多模態(tài)數(shù)據(jù)分析背景知識136
5.1.1常見數(shù)據(jù)模態(tài)及其特征136
5.1.2不同模態(tài)數(shù)據(jù)分析方法異同137
5.2醫(yī)療大數(shù)據(jù)分析背景知識137
5.2.1醫(yī)學(xué)場景介紹137
5.2.2醫(yī)療大數(shù)據(jù)特點(diǎn)及建模140
5.2.3醫(yī)學(xué)數(shù)據(jù)分析算法143
5.2.4數(shù)據(jù)預(yù)處理工具介紹146
5.3基于多模態(tài)數(shù)據(jù)融合的智慧醫(yī)療診斷模型開發(fā)153
5.3.1多模態(tài)數(shù)據(jù)預(yù)處理154
5.3.2多模態(tài)數(shù)據(jù)融合模型設(shè)計與開發(fā)158
5.3.3系統(tǒng)評測與分析173
小結(jié)178
習(xí)題178
第6章推薦系統(tǒng)實(shí)踐179
6.1推薦系統(tǒng)的背景知識179
6.1.1推薦絲概述179
6.1.2推薦系統(tǒng)架構(gòu)181
6.1.3推薦系統(tǒng)數(shù)據(jù)介紹及建模191
6.2推薦系統(tǒng)的優(yōu)化技術(shù)208
6.2.1雙向推薦系統(tǒng)208
6.2.2基于知識圖譜的推薦系統(tǒng)210
6.2.3可解釋推薦系統(tǒng)211
6.3基于知識圖譜的可解釋人崗智能匹配實(shí)踐213
6.3.1基于知識圖譜的可解釋雙向推薦算法213
6.3.2系統(tǒng)評測與驗(yàn)證223
6.3.3工程實(shí)踐224
6.3.4演示系統(tǒng).227
小結(jié)230
習(xí)題231
第7章工程實(shí)踐的簡要回顧及擴(kuò)展232
7.1四個工程實(shí)踐的簡要回顧232
7.2數(shù)據(jù)工程實(shí)踐擴(kuò)展232
7.2.1技術(shù)角度的擴(kuò)展232
7.2.2應(yīng)用領(lǐng)域角度的擴(kuò)展233
7.2.3跨領(lǐng)域技術(shù)應(yīng)用234
7.2.4數(shù)據(jù)融合技術(shù)應(yīng)用235
參考文獻(xiàn)236
書單推薦
