新書推薦：
《
更易上手！钢琴弹唱经典老歌（五线谱版）
》
售價：HK$
54.8
《
哲学叙事：中国与西方
》
售價：HK$
107.8
《
一人商业模式 创富新路径个人经济自由创业变现方法书
》
售價：HK$
54.8
《
经典与想象：中国古代传说新解
》
售價：HK$
85.8
《
祠堂与教堂：中西传统核心价值观比较研究（第3版）
》
售價：HK$
118.8
《
极简德国东方看世界·极简德国史
》
售價：HK$
74.8
《
舌尖上的中国新编视频版营养师妈妈教你做婴幼儿餐
》
售價：HK$
63.8
《
Scratch创意编程进阶：多学科融合编程100例
》
售價：HK$
107.8
|
| 編輯推薦： |
|
本教材的出版填补了国内数据科学与人工智能融合交叉领域的空白
|
| 內容簡介： |
数据科学导论（第4版）主要介绍数据科学相关领域知识，在前序版本的基础上，重点阐述增加智能有关内容，聚焦数据和智能的交叉融合，体现“数智赋能”这一未来重大导向。
本书围绕建设“制造强国”和“网络强国”的需求，重点强调对学生技术能力和创新思维的培养，重点围绕“数据智能，赋能未来”这个核心思想，将整本教材分为四大篇章，先分别阐述数据和智能的一些基础理论，再结合应用和案例来讨论两者的融合和交叉，最后对数智赋能的未来形态、业态作一番畅想。
本书既可以用作电子信息类、计算机类、经济管理类、工商管理类本科生的课程用书，也可作为大众科普读物。
|
| 關於作者： |
杨旭，北京理工大学副教授，博士生导师。科技部脑科学重大项目论证专家组成员。主持或参与包括国家“十四五”首批科技创新2030——“脑科学与类脑研究”重点项目、国家自然科学基金重大研究计划集成项目、国家自然科学基金青年项目、北京市自然科学基金面上项目等。
发表论文80余篇，以第一/通讯作者被SCI检索40余篇，申请或授权国家发明专利20余项，参与撰写两项团体标准。
|
| 目錄：
|
第1章 引论
1.1 序言
1.2 本书结构
第2章 数据与大数据
2.1 数据的定义
2.1.1 数据的定义
2.1.2 其他相关概念
2.2 大数据的概念
2.3 大数据的4V特性
2.3.1 体量(Volume)
2.3.2 多样性(Variety)
2.3.3 价值／真实性(Value／Veracity)
2.3.4 速度(Velocitv)
2.3.5 对4V特性的体会
2.4 数据简史
2.5 大数据时代
2.5.1 大数据时代的来临
2.5.2 大数据的产生根源
2.5.3 大数据时代带来的挑战
第3章 数据科学
3.1 数据科学简述
3.1.1 数据科学的定义
3.1.2 数据科学的由来
3.1.3 数据科学的研究范畴
3.2 数据科学的研究方法
3.2.1 范式和范式的演化过程
3.2.2 第四范式兴起的社会根源
3.2.3 数据科学研究的一般流程
第4章 数据科学的研究方法
4.1 数据的类型
4.2 数据的获取
4.2.1 网络爬虫的一般框架
4.2.2 网页遍历策略
4.2.3 链接分析&PageRank算法
4.2.4 更新策略
4.3 数据的预处理
4.3.1 数据预处理的目的
4.3.2 数据清洗
4.3.3 数据集成
4.3.4 数据变换
4.3.5 数据归约
4.4 数据的存储
4.4.1 数据存储的发展
4.4.2 大数据对存储带来的挑战
4.4.3 云存储方式
4.5 数据的管理
4.5.1 数据管理的发展阶段
4.5.2 大数据时代数据管理的特点
4.5.3 非关系型数据库
4.5.4 开源的NoSOL数据库软件
4.6 数据的处理
4.6.1 Hadoop概述
4.6.2 .HDFS架构
4.6.3 MapReduce并行框架
4.6.4 MaDReduce的编程实例
4.6.5 Spark
4.7 数据的可视化
4.7.1 概述
4.7.2 数据可视化的重要性
4.7.3 可视化的基本原则一最大化数据一墨水
4.7.4 可视化工具
第5章 智能
5.1 智能的定义
5.2 智能的表现形式
5.2.1 感知
5.2.2 注意
5.2.3 记忆
5.2.4 决策
5.2.5 意识
5.3 人工智能
5.4 人工智能的主要学派
5.4.1 符号主义
5.4.2 联结主义
5.4.3 行为主义
5.5 人工智能的研究简史
5.5.1 起步发展期：1943年——20世纪60年代
5.5.2 反思发展期：20世纪70年代
5.5.3 应用发展期：20世纪80年代
5.5.4 平稳发展期：20世纪90年代—2010年
5.5.5 蓬勃发展期：2011年至今
第6章 经典人工智能技术
6.1 传统机器学习技术
6.1.1 线性模型
6.1.2 决策树
6.1.3 支持向量机
6.1.4 贝叶斯模型
6.1.5 集成学习
6.1.6 聚类
6.2 人工神经网络
6.2.1 概述
6.2.2 感知机模型
6.2.3 误差逆传播算法
6.3 深度学习
6.3.1 卷积神经网络
6.3.2 循环神经网络
6.3.3 Transformer与注意力机制
6.4 强化学习
6.4.1 Q-leaming
6.4.2 SARSA
6.4.3 Actor—Critic
第7章 智能辅助的数据运用新模式
7.1 关联分析
7.1.1 啤酒与尿布——商品的关联性分析
7.1.2 亚马逊——个性化推荐
7.1.3 潘多拉音乐组计划——标签系统的运用
7.1.4 塔吉特——大数据营销
7.2 趋势预测
7.2.1 “搜索 比价”
7.2.2 Twitter与股票量化分析
7.2.3 疾病预测与预警
7.2.4 电影票房预测
7.2.5 奥斯卡预测
7.3 决策支持
7.3.1 《纸牌屋》——数据化决策
7.3.2 大数据助力美国大选
7.3.3 “全球脉搏计划”——大数据助力民生决策
7.3.4 大数据助力医疗决策
7.3.5 大数据辅助行车路线优化
7.4 模式创新
7.4.1 大数据反恐
7.4.2 利用大数据打击犯罪
7.4.3 大数据与破案
7.4.4 大数据助力智慧城市建设
7.4.5 大数据帮助寻根问祖
7.4.6 基于医保大数据的精准医保基金监管
第8章 数据驱动的人工智能新业态
8.1 “大”模型
8.1.1 概述
8.1.2 BERT
8.1.3 ChatGPT
8.1.4 Sora
8.1.5 大模型的网络安全问题
8.2 知识图谱
8.2.1 概述
8.2.2 知识图谱构建技术
8.2.3 知识图谱的研究现状
8.3 数据驱动的类脑智能
8.3.1 概述
8.3.2 发展历史
8.3.3 类脑芯片架构
8.3.4 脉冲神经网络
8.3.5 展望未来
8.4 可解释的因果学习
8.4.1 人工智能的可解释性
8.4.2 因果之梯
8.4.3 因果发现
8.4.4 因果推断
8.4.5 因果学习的研究情况分析
第9章 数据＆智能，赋能未来
9.1 智慧城市
9.1.1 概述
9.1.2 数据智能与智慧城市
9.1.3 智慧城市案例
9.2 智慧医疗
9.2.1 概述
9.2.2 智慧医疗的范畴
9.2.3 数据智能助力智慧医疗
|
| 內容試閱：
|
《论语·卫灵公》有云： “子曰： 人无远虑， 必有近忧。” 晋代葛洪在
其所著的《抱朴子·安贫》中也指出“ 明哲消祸于未来， 智士闻利则虑
害”。可以说， 对未来的思考和创造正是科学研究的原动力。
然而， 未来究竟是怎样的呢？ 历史上的人们不是没有想过要去测度未
来， 各种各样的占卜问卦方式层出不穷。
对未来的理解， 关键是数据。数据就是我们创造的， 用来刻画这个世
界和其运行规律的法宝。有了数据， 一切都有迹可循。有形的， 无形的；
天上的， 地下的； 过去的， 未来的……也就是何物何事何时， 俱可归于数
据。只要数据在手， 无物可逃过你的法眼。
《马克思恩格斯全集（第二十三卷）》中讲到“各种经济时代的区别，
不在于生产什么， 而在于怎样生产， 用什么劳动资料生产。劳动资料更能
显示一个社会生产时代的具有决定意义的特征”。如今， 数据科学当红，
人工智能可热。“数据” 和“智能” 正是这个时代最重要的生产资料。大
数据是原始知识， 刻画和描述世界的运行规律， 而人工智能提供解读数
据、获取规律的技术手段———两者相辅相成， 不可分割。单从大模型的成
功我们就可以看到， 没有大规模数据， 不可能形成世界模型。反之， 没有
人工智能学习算法的支撑， 数据也无用武之地。
国际形势的发展日益凸显数据科学研究的重要性。此次修订， 本教材
从符合国家重大战略的要求出发， 秉持二十大“ 加快建设教育强国、科
技强国、人才强国” 的精神， 围绕建设“制造强国” 和“网络强国” 的
需求， 重点强调对学生技术能力和创新思维的培养， 与案例讲授、技术讲
解无缝衔接， 达到润物细无声， 随风潜入夜的效果。全书遵从“ 数智赋
能” 的核心思想， 分为“数据” “智能” “赋能” “未来” 四大篇章， 从
“数据” 和“智能” 的本源讲起， 融汇两者， 畅想未来。
在“数据” 和“ 智能” 两者的融合赋能之下， 我们的未来一定不
是梦！
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
