新書推薦：
《
尼罗河往事：古埃及文明4000年
》
售價：NT$
347.0
《
一个人·谁也不是·十万人（诺贝尔文学奖得主反思自我的巅峰之作）
》
售價：NT$
250.0
《
重写晚明史（全5册 精装）
》
售價：NT$
3560.0
《
汉末晋初之际政治研究
》
售價：NT$
602.0
《
强者破局：资治通鉴成事之道
》
售價：NT$
367.0
《
鸣沙丛书·鼎革：南北议和与清帝退位
》
售價：NT$
551.0
《
从康德到黑格尔的发展：兼论宗教哲学（英国观念论名著译丛）
》
售價：NT$
275.0
《
突破不可能：用特工思维提升领导力
》
售價：NT$
352.0
|
| 編輯推薦： |
|
本书既适合作为高校各个专业的人工智能的基础教材，又可作为自学大数据、人工智能人员以及人工智能爱好者的参考读物。
|
| 內容簡介： |
《大数据与人工智能》以通俗易懂的方式，介绍了大数据和人工智能的发展历程、应用，Python基本语法、数据类型、基本流程控制结构、扩展类库等内容。
全书共分17章，主要讲解了大数据的概念、产生、发展、作用等基础知识；云计算和Hadoop体系结构；大数据的采集、预处理、存储、分析与挖掘、可视化等大数据处理流程；大数据在国内外的应用；人工智能概念、分类、学派、发展、研究内容等基础知识；主流的机器学习算法；几种深度学习算法；人工智能应用领域；Python发展、特点、应用领域、开发环境安装配置及类库的导入等知识； Python基本语法知识；列表、字典、元组和集合等主要复合数据类型；顺序、选择和循环等三种基本流程控制结构；数据的存储，包括文件和数据库；Python中常用的几种扩展类库等内容。
《大数据与人工智能》既适合作为高校各个专业的人工智能的基础教材，又可作为自学大数据、人工智能人员以及人工智能爱好者的参考读物。
|
| 關於作者： |
|
杨忠宝，长春工程学院计算机学院副教授、基础教学部主任，《大数据与人工智能》课程组负责人。主要研究方向为大数据、数据库、人工智能。发表论文10余篇，其中一篇被EI索引；曾在我社主编出版教材《C语言程序设计教程》等；主持或参与的省部级项目1项、厅局级项目2项。历年主讲的课程包括C语言程序设计、VB语言程序设计、JAVA语言程序设计、大学计算机基础、网页设计、计算机网络、数据库原理、C#程序设计、大数据与人工智能等。佘向飞，长春工程学院计算机学院副教授，主要研究方向为软件工程，大数据。发表论文10余篇，出版著作6部。
|
| 目錄：
|
目录
部分 大数据篇
第 1 章 绪论 3
1.1 大数据的定义 3
1.2 大数据的产生 4
1.3 大数据的来源 5
1.4 大数据的特征 6
1.5 大数据的作用 8
第 2 章 大数据架构 10
2.1 云计算 10
2.1.1 云计算两大核心功能 11
2.1.2 云计算的典型特征 12
2.1.3 云计算的三种模式 13
2.1.4 云计算的服务方式 14
2.1.5 云计算数据中心 14
2.1.6 云计算典型应用 15
2.2 大数据架构及关键技术 16
2.2.1 大数据架构 16
2.2.2 关键技术 19
2.3 Hadoop 体系架构 19
第 3 章 大数据采集及预处理 32
3.1 大数据采集 32
3.2 网络爬虫 34
3.3 数据预处理 58
3.3.1 数据预处理的原因 58
3.3.2 数据预处理技术 58
3.4 常用ETL 工具 62
第 4 章 大数据存储 63
4.1 大数据存储概述 64
4.2 大数据的存储设备 65
4.2.1 数据存储设备 65
4.2.2 数据存储模式 67
4.3 数据库和数据仓库 69
4.3.1 传统数据库 69
4.3.2 大数据数据库 71
4.3.3 数据仓库 76
第 5 章 大数据分析与挖掘 79
5.1 大数据分析 79
5.2 大数据分析的步骤与方法 82
5.3 大数据挖掘 83
第 6 章 大数据可视化 87
6.1 数据可视化 88
6.2 大数据可视化的方法 89
6.3 大数据可视化工具 99
第 7 章 大数据应用 105
7.1 国外大数据应用 105
7.2 国内大数据应用 108
第二部分 人工智能篇
第 8 章 人工智能概论 115
8.1 人工智能的概念 116
8.2 人工智能的分类和学派 119
8.2.1 人工智能的分类 119
8.2.2 人工智能的学派 121
8.3 人工智能的发展 123
8.4 人工智能研究的基本内容 128
8.5 当人工智能遇上大数据 131
8.6 人工智能引发的思考 132
第 9 章 机器学习 139
9.1 机器学习概述 140
9.2 机器学习的基本流程 143
9.3 机器学习算法 146
9.4 决策树分类 154
9.5 逻辑回归分类 170
9.6 支持向量机 177
9.7 聚类 184
9.8 关联规则 190
9.9 人工神经网络 194
第 10 章 深度学习 222
10.1 深度学习概述 222
10.2 卷积神经网络 225
10.3 循环神经网络 226
10.4 生成对抗网络 228
10.5 强化学习 230
10.6 迁移学习 231
10.7 对偶学习 232
第 11 章 人工智能应用 234
11.1 图像识别与分类 235
11.2 语音识别 237
11.3 人脸识别和情感计算 239
11.4 自动驾驶 241
11.5 智能家居 243
11.6 专家系统 246
11.7 机 器人 248
11.8 自然语言处理 251
11.9 其他 AI 应用 253
第三部分 实践篇
第 12 章 Python 概述 257
12.1 Python 的发展简史 257
12.2 Python 的特点 258
12.3 Python 的应用领域 260
12.4 Python 开发环境安装配置 264
12.4.1 Jupyter Notebook 264
12.4.2 Spyder 266
12.4.3 Anaconda Prompt. 266
12.5 Python 类库的导入 268
第 13 章 Python 语法基础 271
13.1 标识符、常量、变量 271
13.2 数据类型、运算符 272
13.2.1 数据类型 272
13.2.2 运 算符 276
13.3 函数 282
13.3.1 内置函数 282
13.3.2 用户自定义函数 286
第 14 章 列表与字典 288
14.1 列表 288
14.2 字典 296
14.3 元组 298
14.4 集合 301
第 15 章 Python 控制结构 305
15.1 顺序结构 305
15.2 选择结构 306
15.2.1 单分支if 语句 306
15.2.2 双分支if 语句 307
15.2.3 多分支if 语句 308
15.2.4 if 语句的嵌套 309
15.3 循环结构 311
15.3.1 while 语句 311
15.3.2 for 语句 313
15.3.3 break 语句和continue语句 316
15.3.4 循环嵌套 318
15.4 经典算法 319
第 16 章 文件与数据库 327
16.1 文件的概念及分类 327
16.2 文件的打开与关闭 329
16.2.1 文件的打开 329
16.2.2 文件的关闭 330
16.3 文件的读/写 331
16.3.1 用于文件读/写的方法 331
16.3.2 文件读/写示例 332
16.4 数据库访问 335
16.4.1 Access 数据库访问 335
16.4.2 MySQL 数据库访问 344
16.4.3 MongoDB 数据库访问 356
第 17 章 Python 常用类库 370
17.1 NumPy 库 371
17.2 Matplotlib 库 375
17.3 Pandas 库 382
17.4 Scikit-learn 库 386
17.5 Keras 库 386
参考文献 393
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
