| 作者 |
| 约翰·D.凯莱赫 约翰· D.凯莱赫 布伦丹·蒂尔尼 |
| 丛书名 |
| 信息技术科普丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782104251492 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8080136 - 人人可懂的深度学习--------------------------- 采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。 ---------------------------8064283 - 人人可懂的数据科学--------------------------- 数据科学的主要目标就是通过数据分析来改进决策，它与数据挖掘、机器学习等领域紧密相关，但范围更广。本书简要介绍了该领域的发展、基础知识，并阐释了数据科学项目的各个阶段。书中既考虑数据基础架构和集成多个数据源数据所面临的挑战，又介绍机器学习基础并探讨如何应用机器学习专业技术解决现实问题。还综述了伦理和法律问题、数据法规的发展以及保护隐私的计算方法。最后探讨了数据科学的未来影响，并给出数据科学项目成功的原则。 |
| 目录 |
| [套装书具体书目] 8064283 - 人人可懂的数据科学 - 9787111637264 - 机械工业出版社 - 定价 59 8080136 - 人人可懂的深度学习 - 9787111680109 - 机械工业出版社 - 定价 69 ---------------------------8080136 - 人人可懂的深度学习--------------------------- 译者序 前言 致谢 第1章┆深度学习概述 / 1 1.1 人工智能、机器学习和深度学习/4 1.2 什么是机器学习/10 1.3 机器学习为何如此困难/14 1.4 机器学习的关键要素/18 1.5 有监督学习、无监督学习和强化学习/21 1.6 深度学习为何如此成功/24 1.7 本章小结及本书内容安排/27 第2章┆预备知识 / 31 2.1 什么是数学模型/32 2.2 含有多个输入的线性模型/35 2.3 线性模型的参数设置/37 2.4 从数据中学习模型参数/39 2.5 模型的组合/44 2.6 输入空间、权重空间和激活空间/46 2.7 本章小结/49 第3章┆神经网络：深度学习的基石 / 51 3.1 人工神经网络/53 3.2 人工神经元是如何处理信息的/56 3.3 为什么需要激活函数/61 3.4 神经元参数的变化如何影响神经元的行为/65 3.5 使用GPU加速神经网络的训练/73 3.6 本章小结/77 第4章┆深度学习简史 / 80 4.1 早期研究：阈值逻辑单元/83 4.2 连接主义：多层感知机/98 4.3 深度学习时代/114 4.4 本章小结/124 第5章┆卷积神经网络和循环神经网络 / 126 5.1 卷积神经网络/127 5.2 循环神经网络/135 第6章┆神经网络的训练 / 147 6.1 梯度下降/149 6.2 使用反向传播训练神经网络/165 第7章┆深度学习的未来 / 181 7.1 推动算法革新的大数据/183 7.2 新模型的提出/187 7.3 新形式的硬件/189 7.4 可解释性问题/192 7.5 结语/196 术语表 / 197 参考文献 / 203 延伸阅读 / 208 ---------------------------8064283 - 人人可懂的数据科学--------------------------- 译者序 前言 致谢 作者简介 第1章 什么是数据科学 …… 1 1.1 数据科学简史 …… 5 1.1.1 数据收集简史 …… 5 1.1.2 数据分析简史 …… 9 1.1.3 数据科学的产生与发展 …… 14 1.2 数据科学用于何处 …… 20 1.2.1 销售和营销中的数据科学 …… 21 1.2.2 数据科学在政府中的应用 …… 22 1.2.3 数据科学在竞技体育中的应用 …… 23 1.3 为什么是现在 …… 25 1.4 关于数据科学的神话 …… 28 第2章 什么是数据，什么是数据集 …… 31 2.1 关于数据的观点 …… 38 2.2 数据可以积累，而智慧不能 …… 43 2.3 CRISP-DM …… 45 第3章 数据科学生态系统 …… 54 3.1 将算法迁移至数据 …… 61 3.1.1 传统数据库与现代的传统数据库 …… 64 3.1.2 大数据架构 …… 67 3.1.3 混合数据库世界 …… 69 3.2 数据准备和集成 …… 72 第4章 机器学习 …… 77 4.1 有监督学习与无监督学习 …… 78 4.2 学习预测模型 …… 83 4.2.1 相关性不等同于因果，但它有时非常有用 …… 84 4.2.2 线性回归 …… 90 4.2.3 神经网络与深度学习 …… 96 4.2.4 决策树 …… 108 4.3 数据科学中的偏差 …… 114 4.4 评估模型：泛化而不是记忆 …… 116 4.5 摘要 …… 119 第5章 标准的数据科学任务 …… 121 5.1 谁是我们的目标客户（聚类） …… 122 5.2 这是欺诈吗（异常值检测） …… 128 5.3 你要配份炸薯条吗（关联规则挖掘） …… 131 5.4 流失还是不流失，这是一个问题（分类） …… 136 5.5 它价值几何（回归） …… 141 第6章 隐私与道德 …… 143 6.1 商业利益与个人隐私 …… 145 6.1.1 数据科学的道德启示：画像与歧视 …… 148 6.1.2 数据科学的道德含义：创建一个全景监狱 …… 154 6.2 隐私保护 …… 157 6.2.1 保护隐私的计算方法 …… 159 6.2.2 规范数据使用和保护隐私的法律框架 …… 161 6.3 通往道德的数据科学之路 …… 164 第7章 未来趋势与成功准则 …… 172 7.1 医疗数据科学 …… 172 7.2 智慧城市 …… 174 7.3 数据科学项目准则：为什么会成功或失败 …… 177 7.4 终极思考 …… 185 术语表 …… 188 延伸阅读 …… 201 参考文献 …… 203 |