更新时间：2024-05-14 10:10:49
封面
版权信息
作者简介
前言
第一部分 概念篇
第一章 绪论
第一节 大数据时代
第二节 数据和大数据
第三节 大数据的管理与应用概述
第四节 大数据管理与应用的理论、技术和应用体系
第五节 应用案例
◎ 思考与练习
◎ 本章扩展阅读
第二部分 基础篇
第二章 大数据管理与应用的数学基础
第一节 线性代数基础
第二节 优化基础
第三节 统计基础
第四节 应用案例
第三章 大数据管理与应用的机器学习基础
第一节 机器学习概述
第二节 机器学习的分类
第三节 模型评估与选择
第四节 计算学习理论
第三部分 技术篇
第四章 数据采集与数据存储
第一节 数据采集
第二节 关系型数据存储
第三节 非关系型数据存储
第四节 数据仓库
第五章 数据预处理
第一节 数据质量
第二节 数据清洗
第三节 数据变换
第四节 数据集成
第五节 其他预处理方法
第六节 应用案例
第六章 数据回归分析
第一节 数据回归分析概述
第二节 线性回归分析
第三节 岭回归分析和LASSO回归分析
第四节 广义线性回归分析
第五节 非线性回归分析
第七章 数据分类分析
第一节 数据分类分析概述
第二节 基于函数的分类分析
第三节 基于概率的分类分析
第四节 基于最近邻的分类分析
第五节 基于决策树的分类分析
第六节 基于规则的分类分析
第七节 集成分类分析
第八节 应用案例
第八章 数据聚类分析
第一节 数据聚类分析概述
第二节 基于层次的聚类分析
第三节 基于划分的聚类分析
第四节 基于密度的聚类分析
第五节 基于网格的聚类分析
第六节 基于模型的聚类分析
第七节 集成聚类分析
第九章 数据关联分析
第一节 数据关联分析概述
第二节 关联规则分析
第三节 序列模式分析
第十章 深度学习
第一节 深度学习概述
第二节 神经网络
第三节 深度前馈网络
第四节 卷积神经网络
第五节 循环神经网络
第十一章 文本分析
第一节 文本分析概述
第二节 文本预处理
第三节 特征提取和文本表示方法
第四节 文本分类分析
第五节 文本聚类分析
