首页 > 图书中心 >图书详情

大数据与人工智能技术(微课视频版)

提供课件、大纲,咨询QQ:2301891038(仅限教师)。本书主要大数据智能实战,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、人工智能算法的实践应用等。

作者:主编:吕云翔 钟巧灵 副主编:郭婉茹 王渌汀 韩雪婷 郭宇光 杜宸洋 参编:仇善召 余志浩 杨卓谦 樊子康 李牧锴 刘卓然 袁琪 关捷雄 华昱云 陈妙然 许鸿智 贺祺
定价:59.80
印次:1-3
ISBN:9787302603108
出版日期:2022.09.01
印刷日期:2023.10.23

本书将基础理论和实际案例相结合,循序渐进地介绍大数据与人工智能方面的知识,全面、系统地介绍大数据与人工智能的算法概念和适用范畴,并通过11个具体案例分别阐述人工智能和大数据技术在生产生活中的应用。全书共20章,第1~9章分别介绍大数据与人工智能的发展历史、数据工程、机器学习算法、深度学习与神经网络、大数据存储技术、Hadoop MapReduce解析、Spark解析、分布式数据挖掘算法和PyTorch解析等知识,第10~20章为大数据技术和机器学习技术相结合的一些案例。 本书主要面向广大数据工程与人工智能的初学者、高等院校的师生,以及相关领域的从业人员。

more >

前言 随着近年来数据科学的发展,人们记录信息的方式和量级不断地发生改变,数据的数量逐渐增多,种类逐渐复杂化,大数据技术得到了广泛的应用。 同时,在大数据时代,人工智能相关技术也得到了越来越多的关注,市场对于人工智能产品的呼声也越来越高。人工智能作为大数据应用的重要出口,在与大数据应用结合的过程中将会得到更广泛的应用。 本书将大数据与人工智能基础理论和实际案例相结合,适合初学者学习。读者可以在短时间内学习本书介绍的知识和概念。作为一本关于大数据与人工智能的书籍,本书共有20章。其中,第1~9章为概念和一些理论知识的介绍,第10~20章为11个实际项目案例。各章的内容如下。 第1章主要阐述大数据与人工智能的概念和发展,并对大数据与人工智能的结合趋势进行预测。 第2章阐述数据工程的一般流程,其中包括数据获取、数据存储和数据预处理技术的详细内容。 第3章主要介绍机器学习的常用算法及其实现细节。算法包括线性回归、逻辑回归、线性判别分析、分类与回归树分析、朴素贝叶斯、k最近邻算法、学习矢量量化、支持向量机、Bagging、随机森林、Boosting和AdaBoost。 第4章主要介绍深度学习的相关知识,即神经网络的基础知识和算法理论。首先介绍神经网络的基础知识; 其次讲解神经网络的训练过程,包括神经网络的参数、向量化、价值函数、梯度下降和反向传播; 然后讲解神经网络的优化和改进方式,卷积神经网络的结构; 最后讲解深度学习的优势及其框架。 第5章介绍大数据存储技术。首先介绍大数据存储技术的发展; 其次介绍海量数据存储的关键技术,包括数据分片与路由,数据复制与一致性; 再次介绍重要数据结构和算法; 然后介绍分布式文件系统和分布式数据库NoSQL; 最后讲解HBase数据库的搭建与使用。 第6章主要是对Hadoop MapReduce的解析。首先介绍Hadoop MapReduce架构; 其次介绍MapReduce的工作机制,包括Map、Reduce、Combine、Shuffle、Speculative Task和任务容错; 最后通过三个应用案例介绍MapReduce分布式计算框架在实际中的应用方式。 第7章是对Spark分布式计算框架的解析。首先介绍Spark RDD; 其次对比了Spark和MapReduce; 再次介绍Spark的工作机制,包括DAG、Partition、Lineage容错方法、内存管理和数据持久化; 然后讲解Spark读取数据的方式; 最后通过两个应用案例对Spark在实际中的应用进行解析。 第8章介绍分布式数据挖掘算法。首先介绍KMeans聚类算法,并对其并行化思路和分布式实现展开讲解; 其次从并行化思路和分布式实现两方面介绍逻辑回归算法; 最后讲解朴素贝叶斯分类算法的设计思路和实现方案。 第9章主要介绍PyTorch深度学习框架。首先介绍PyTorch的基础知识; 其次阐述Tensor相关的PyTorch深度学习基本操作; 最后通过在Spark上运行PyTorch模型和利用PyTorch手写数字识别的应用案例讲解PyTorch框架的使用方法。 第10~20章为11个实际应用中的实战案例。其中,第10~13章为大数据技术的实战案例; 第14~17章为深度学习的案例; 第18~20章包含三个大数据技术和机器学习、深度学习相结合的案例。 本书的主要特点如下。 (1) 结构清晰,理论阐述简洁明了,可读性强。 (2) 以案例为导向,对基础知识和算法理论点在实际中的应用进行详细讲解。 (3) 实战案例丰富,涵盖9个章节的小案例和11个完整项目案例。 (4) 11个完整项目案例都有视频讲解。 (5) 代码详尽,避免对 API 的形式展示,规避重复代码。 (6) 各个数据库相对独立,数学原理相对容易理解。 为便于教学,本书配有源代码。获取源代码和数据集方式: 先扫描本书封底的文泉云盘防盗码,再扫描下方二维码,即可获取。 本书的作者为吕云翔、钟巧灵、郭婉茹、王渌汀、韩雪婷、郭宇光、杜宸洋、仇善召、余志浩、杨卓谦、樊子康、李牧锴、刘卓然、袁琪、关捷雄、华昱云、陈妙然、许鸿智、贺祺,曾洪立参与了部分内容的编写及资料整理工作。 在本书的编写中参考了诸多相关资料,在此向资料的作者表示衷心的感谢。 限于作者水平和时间仓促,书中难免存在疏漏之处,欢迎读者批评指正。 作者2022年6月 思 维 导 图

more >
扫描二维码
下载APP了解更多

同系列产品more >

Spark基础编程

曹如军
定 价:45元

查看详情
MATLAB人工智能算法实战

丁伟雄
定 价:89.80元

查看详情
工业互联网技术导论

黄源
定 价:59.80元

查看详情
Python数据挖掘算法与应用

刘金岭、马甲林
定 价:59.80元

查看详情
Python视觉分析应用案例实战

丁伟雄
定 价:99.80元

查看详情
图书分类全部图书
more >
  • 本书将基础理论和实际案例相结合,循序渐进地介绍了大数据与人工智能方面的知识,并配以大量案例。
more >
  • 随书资源

    目录

    第1章绪论

    1.1日益增长的数据

    1.1.1大数据的基本概念

    1.1.2大数据的基本特征

    1.1.3大数据的发展历程

    1.2人工智能初窥

    1.2.1人工智能的历史

    1.2.2人工智能的发展现状

    1.2.3人工智能的发展前景

    1.2.4大数据与人工智能

    第2章数据工程

    2.1数据工程的一般流程

    2.2数据获取

    2.2.1数据采集方法

    2.2.2大数据采集平台

    2.3数据存储与数据仓库

    2.3.1数据存储

    2.3.2数据仓库

    2.4数据预处理

    2.4.1数据清理

    2.4.2数据集成

    2.4.3数据变换

    第3章机器学习算法

    3.1算法概述 

    3.1.1线性回归

    3.1.2逻辑回归

    3.1.3线性判别分析

    3.1.4分类与回归树分析

    3.1.5朴素贝叶斯

    3.1.6k最近邻算法

    3.1.7学习矢量量化

    3.1.8支持向量机

    3.1.9Bagging和随机森林

    3.1.10Boosting和AdaBoost

    3.2支持向量机算法

    3.2.1线性支持向量机

    3.2.2非线性支持向量机

    3.2.3支持向量机算法求解

    3.3逻辑回归算法

    3.3.1线性回归算法

    3.3.2逻辑回归

    3.3.3用PyTorch实现逻辑回归算法

    3.4聚类算法

    3.4.1KMeans聚类

    3.4.2均值漂移聚类...

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘