包邮大数据科学基础

第1章 大数据概述 1.1 大数据发展历史 1.1.1 大数据产生背景 1.1.2 大数据发展前景 1.2 大数据的概念和性质 1.2.1 大数据的概念 1.2.2 大数据的特征与性质 1.2.3 数据处理与编程 1.2.4 数据挖掘与统计 1.3 大数据应用 1.4 大数据专业技能体系需求 1.4.1 岗位能力需求 1.4.2 知识与能力需求 1.5 总结 第2章 数据采集与数据可视化 2.1 数据的采集与处理 2.1.1 数据采集方式 2.1.2 数据爬取 2.1.3 数据预处理 2.2 数据可视化 2.2.1 数据可视化的发展历史 2.2.2 数据、图形与可视化 2.2.3 数据可视化的作用 2.2.4 数据可视化的手段 2.2.5 数据可视化技术的特征与应用 2.3 总结 第3章 机器学习 3.1 机器学习基础 3.2 *优化问题 3.2.1 梯度下降法 3.2.2 卜顿法 3.2.3 遗传算法 3.3 机器学习算法 3.3.1 有监督学习 3.3.2 无监督学习 3.3.3 半监督学习 3.3.4 强化学习 3.4 机器学习常用方法 3.4.1 集成学习 3.4.2 表示学习 3.5 总结 第4章 深度学习 4.1 Python & NumPy 4.1.1 NumPy基础 4.1.2 生成NumPy数组 4.1.3 元素索引 4.1.4 数组操作 4.1.5 NumPy算术运算 4.1.6 通用函数 4.1.7 广播机制 4.2 卷积神经网络与循环神经网络 4.2.1 卷积神经网络 4.2.2 循环神经网络 4.3 典型深度学习网络 4.3.1 LeNet-5模型 4.3.2 AlexNet模型 4.3.3 VGG模型 4.3.4 ResNet模型 4.3.5 基于Encoder-Decocler结构的深度学习模型 4.4 总结 第5章 搭建框架 5.1 TensorFlow 5.1.1 TensorFlow的背景 5.1.2 TensorFlow的安装 5.1.3 TensorFlow的组件与常用函数 5.2 PyTorch 5.2.1 PyTorch的背景 5.2.2 PyTorch的CPU版本安装与配置 5.2.3 PyTorch的GPU版本安装与配置 5.2.4 PyTorch基础知识 5.2.5 PyTorch神经网络工具箱 5.3 Keras 5.4 总结 第6章 应用案例 6.1 医疗大数据 6.1.1 医疗大数据概述 6.1.2 医疗大数据目标及挑战 6.1.3 医疗大数据理论及技术 6.1.4 应用实例 6.2 天文大数据 6.2.1 天文大数据概述 6.2.2 天文大数据目标及挑战 6.2.3 天文大数据理论及技术 6.2.4 应用实例 6.3 金融大数据 6.3.1 金融大数据概述 6.3.2 金融大数据目标及挑战 6.3.3 金融大数据理论及技术 6.3.4 应用实例 6.4 总结 参考文献