新書推薦：
《
神圣的异端：法国中世纪纯洁派叙事研究
》
售價：HK$
107.8
《
甲骨文丛书·莫卧儿王朝的灭亡：德里1857年
》
售價：HK$
163.9
《
江南器物志
》
售價：HK$
86.9
《
Go语言高级编程（第2版）
》
售價：HK$
98.8
《
与贝聿铭同行
》
售價：HK$
129.8
《
如何面对爱情里的失望
》
售價：HK$
38.5
《
至高无上：一场颠覆世界的人工智能竞赛
》
售價：HK$
86.9
《
聪明钱
》
售價：HK$
85.8
|
| 編輯推薦： |
数据是AI的基石
多模态是通向AGI的关键
多模态数据的一切尽在本书中
从基础概念到关键技术，再到典型应用
全方位讲解多模态数据分析核心技术与前沿实践
“理论框架—技术路径—实战案例”层层递进
提供了一套完整的多模态数据分析知识链路
主体包括基于Python语言的大量实例代码
不仅让读者学以致用，还能拥有实践经验
作者拥有多年工业界大数据技术实践经验
获得业内众多专家联合力荐
既可作为数据分析师、数据科学家、数据工程师、
算法工程师等数据相关从业者的学习用书
也可作为高校数学、统计、计算机等相关专业教材
愿你在AI时代浪潮中踏浪而行
翻出属于自己的那朵美丽浪花 !
|
| 內容簡介： |
真实世界的数据都是多模态的，真正的通用人工智能（AGI）必将超越单一模态的局限。本书基于作者多年工业界大数据技术经验，系统而全面地探讨了多模态数据技术，从基础概念到关键技术再到典型应用，全方位讲解多模态数据分析的核心技术与前沿实践。书中首先详尽介绍了多模态数据分析相关知识，涉及文本、图像、音频、视频等多模态数据；然后结合实例代码，系统介绍了统计学与数据分析、机器学习、深度学习、知识图谱、大模型等方法和模型，以及GPT与DeepSeek等大模型的多模态实践分析；最后结合医疗、直播、视频等领域的案例阐述了多模态数据分析的多种算法模型的综合应用。
來源：香港大書城megBookStore,http://www.megbook.com.hk
本书体系化强、案例丰富，以“理论框架—技术路径—实战案例”层层递进的方式提供了完整的知识链路，主体基于Python语言的大量实例代码，可以帮助读者学以致用。
本书既可作为数据分析师、数据科学家、数据工程师、算法工程师等数据相关从业者的学习用书，也可作为高校数学、统计学、计算机等相关专业的师生用书和培训学校的教材。
|
| 關於作者： |
巴川，资深数据科学家，曾就职于中国搜索、搜狐畅游、竞技世界等互联网公司。主要研究领域包括数据挖掘、人工智能、知识图谱、精细化运营、风控体系等。CCF TF数据科学SIG主席，CAAI机器博弈专委会常委，曾任北航兼职硕导，西安交大研究生院授课专家，多所高校兼职授课教师、多个智库技术专家。TOP100、QCon、DataFun、DTCC、SACC、WOT、A2M、CDAS、TID、GIEC、CCF青年精英大会、中国软件技术大会、中国计算机教育大会等行业峰会演讲嘉宾及出品人。另任多个创新创业大赛专家评委，多所高校创新创业导师，助力科研成果转化落地。
李慧，资深数据分析挖掘工程师，硕士毕业于北京航空航天大学，曾就职百度，任SACC、TOP100、DataFun、WOT等前沿技术大会演讲嘉宾，专注多模态数据分析领域研究，在用户增长、因果推断、数据预测等方向积累了丰富实践经验，秉持数据赋能理念，擅长驱动数据价值落地与场景化应用。
钟宇周，硕士毕业于北京大学光华管理学院，曾就职于竞技世界、阿里巴巴，目前为快手主站数据分析师，负责C端流量核心业务，擅长统计回归分析、机器学习模型预测与推断、自然语言处理技术，致力于探索技术与业务结合的多模态数据分析方法。
叶心函，资深数据分析挖掘工程师，硕士毕业于中国科学院大学，在AI、风控和知识图谱等领域有丰富的多模态数据分析经验，并且见解独特，擅长运用前沿算法和模型解决复杂数据问题，助力企业实现精准决策与高效增长。
|
| 目錄：
|
第1章 多模态数据分析概述 1
1.1 什么是多模态数据 1
1.2 多模态数据分析的意义 4
1.3 多模态数据分析的挑战 7
1.4 小结 9
第2章 单一模态数据处理与分析 11
2.1 文本数据处理与分析 11
2.1.1 文本数据处理 12
2.1.2 文本分类与主题建模 21
2.2 图像数据处理与分析 25
2.2.1 图像数据处理 25
2.2.2 图像目标检测 35
2.3 音频数据处理与分析 37
2.3.1 音频数据预处理 38
2.3.2 音频分类与事件检测 46
2.4 视频数据处理与分析 49
2.4.1 视频数据预处理 50
2.4.2 行为识别与动作分析 60
2.5 小结 65
第3章 多模态数据融合 66
3.1 多模态数据融合的研究意义 66
3.2 多模态数据融合的常规方法 67
3.2.1 特征级融合 67
3.2.2 决策级融合 71
3.2.3 模型级融合 75
3.2.4 混合级融合 80
3.3 多模态数据融合的创新方法 84
3.3.1 基于深度学习的多模态特征自适应融合 84
3.3.2 基于跨模态语义对齐的一致性增强融合 89
3.3.3 基于图的多模态图像关系推理融合 92
3.4 小结 95
第4章 统计学与数据分析 96
4.1 统计学概述 96
4.2 基础知识 98
4.2.1 描述统计 98
4.2.2 假设检验 105
4.3 相关性分析 107
4.4 回归分析 109
4.4.1 回归分析介绍 109
4.4.2 案例：二手车怎么买 111
4.5 算法案例：基于相关性统计的短语词云 121
4.5.1 文本数据处理 121
4.5.2 短语词云算法原理与展示 125
4.6 小结 126
第5章 基于机器学习的多模态数据分析 128
5.1 经典机器学习算法介绍 128
5.1.1 线性回归 129
5.1.2 逻辑回归 130
5.1.3 支持向量机 131
5.1.4 决策树 132
5.1.5 随机森林 134
5.1.6 XGBoost 137
5.1.7 朴素贝叶斯 137
5.1.8 神经网络 138
5.2 案例：基于支持向量机的车牌识别 140
5.3 案例：基于神经网络的机器翻译 150
5.4 小结 154
第6章 基于深度学习的多模态数据分析 156
6.1 深度学习介绍 156
6.2 卷积神经网络及其数据分析案例 158
6.2.1 卷积神经网络介绍 158
6.2.2 案例：颜值评分 160
6.3 序列数据应用—LSTM 167
6.3.1 循环神经网络和LSTM介绍 167
6.3.2 案例：用模型作诗 169
6.4 深度学习扩展知识与应用 175
6.5 小结 180
第7章 基于知识图谱的多模态数据分析 181
7.1 知识图谱技术体系及其构建方法 181
7.1.1 知识图谱技术体系 181
7.1.2 案例：构建知识图谱 184
7.2 知识图谱与多模态数据融合 190
7.2.1 融合的优势及应用方向 190
7.2.2 案例：构建基于多模态知识图谱的多标签预测模型 191
7.3 知识图谱推理与分析 203
7.3.1 推理与分析方法介绍 203
7.3.2 案例：基于图神经网络的知识图谱给用户推荐电影 204
7.4 知识图谱数据分析的企业级拓展应用 208
7.4.1 用户传播路径 208
7.4.2 用户搜索观星台 209
7.4.3 用户关系网络及健康度评估 210
7.5 小结 212
第8章 基于大模型的多模态数据分析 213
8.1 大模型概述 213
8.1.1 大模型的定义与特点 213
8.1.2 大模型的基本原理 214
8.1.3 大模型在多模态数据分析中的重要作用 217
8.2 大模型应用架构 218
8.2.1 业务架构 218
8.2.2 技术架构 220
8.2.3 技术路线选择 224
8.3 大模型在多模态数据分析中的应用 226
8.3.1 大模型助力多模态数据处理 226
8.3.2 大模型助力多模态数据融合 228
8.3.3 大模型助力多模态数据分析 230
8.4 GPT与DeepSeek：多模态数据分析领域的交锋 231
8.4.1 GPT：多模态先驱，当下实力究竟几何 231
8.4.2 DeepSeek：新晋黑马，突破重围有何独特优势 233
8.4.3 巅峰对垒：GPT与DeepSeek多模态数据分析比拼 235
8.5 小结 237
第9章 实战案例：挖掘肺部病变，赋能精准医疗 239
9.1 多模态数据分析在医疗领域的发展和应用现状 239
9.2 肺部病变识别的背景介绍 241
9.3 肺部病变识别的实践过程 242
9.3.1 CT影像数据预处理 242
9.3.2 使用TensorFlow搭建CNN模型 250
9.3.3 使用模型识别疑似病灶图像 255
9.4 小结 258
第10章 实战案例：剖析疾病数据，助力早期筛查 260
10.1 疾病早筛数据预处理 260
10.2 建立重大疾病预测模型 267
10.3 疾病早筛实际业务过程和价值预估 269
10.4 小结 272
第11章 实战案例：聚焦直播高光时刻，推动话题制造 273
11.1 直播数据特点 273
11.2 直播数据反馈 274
11.3 视觉内容识别 276
11.4 弹幕评论解析 280
11.5 音频情感分析 283
11.6 协同确定直播高光时刻 286
11.7 小结 287
第12章 实战案例：解析优质视频，汲取创作灵感 288
12.1 短视频数据特点 288
12.2 使用多模态大模型做视频分析的优势和局限性 290
12.3 从视频内容预处理到灵感孵化 293
12.4 数据驱动的灵感闭环 299
12.5 小结 301
|
| 內容試閱：
|
近十几年来，数据技术可能是这个世界上发展最快的领域。从小样本数据分析到大数据分析，从数据科学到机器学习，从人工智能到如今爆火的大模型，从单一模态数据分析到多模态数据分析，数据技术领域的从业者经历着兴奋刺激的飞速发展，同时被技术变化裹挟着不断前进。
作者十几年来与数据同行一起在纷繁的业务中翻滚，在数据的汪洋中浸泡，在复杂的职场中浮沉，深感时代洪流滔滔向前，唯一不变的只有变化，而我们面对变化、拥抱变化的方法只有不断学习，这样才能不被时代抛弃。
本书是作者十几年来与数据打交道的经验总结，里面既有概念、方法介绍，又有案例、代码实践，希望能给读者提供多模态数据分析的方法与实践经验，帮助读者在AI时代的浪潮中踏浪而行，有机会翻出属于自己的那朵小浪花。
|
|
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
