TOP
0
0
魅麗。花火原創小說66折起
人工智能技術與大數據(簡體書)
滿額折

人工智能技術與大數據(簡體書)

人民幣定價:69 元
定  價:NT$ 414 元
優惠價:87360
領券後再享89折
無庫存,下單後進貨(採購期約45個工作天)
可得紅利積點:10 點
相關商品
商品簡介
作者簡介
名人/編輯推薦
目次

商品簡介

本書分為兩個部分,共12章。第1章到第5章介紹了大數據的本體論、機器學習的基本理論等內容,為具體場景、算法的實踐奠定了基礎。讀者可以瞭解到,在工程實踐中,對大數據的處理、轉化方式與人類學習知識並將其轉化為實踐的過程是多麼相似。在對機器學習的介紹中,會對其數學原理、訓練過程做基本的講解,並輔以代碼幫助讀者瞭解真實場景中技術工具的使用。第6章到第12章提供了多個不同的用例,章節之間彼此獨立,介紹了如何用人工智能技術(自然語言處理、模糊系統、遺傳編程、群體智能、強化學習、網絡安全、認知計算)實現大數據自動化解決方案。
如果讀者對 Java 編程語言、分布式計算框架、各種機器學習算法有一定的瞭解,那麼本書可以幫助你建立一個全域觀,從更廣闊的視角來看待人工智能技術在大數據中的應用。如果讀者對上述知識一無所知,但是對大數據人工智能的技術、業務非常感興趣,那麼可以通過本書獲得從零到一的認知提升。

作者簡介

阿南德·德什潘德(Anand Deshpande),是Datametica Solutions公司的大數據交付主管。他負責與客戶合作制訂數據策略,並幫助他們的公司成為數據驅動型企業。他擁有豐富的大數據生態系統技術經驗,經常在各種活動中就數據科學和大數據發表演講,對數據科學、認知智能以及用於數據管理和分析的算法有著濃厚的興趣。

馬尼什·庫馬(Manish Kumar),是Datametica Solutions公司的高級技術架構師。作為一名數據、解決方案和產品架構師,他擁有超過11年的數據管理行業經驗,經常就大數據和數據科學發表演講。他在構建有效的ETL管道、通過Hadoop實現安全性、實現實時數據分析解決方案,以及為數據科學問題提供創新和最佳的可能解決方案方面擁有豐富的經驗。

名人/編輯推薦

1.本書對大數據與人工智能有一個綜述性的介紹,包括大數據的本體論、機器學習的基本理論等內容,為具體場景、算法的實踐奠定了基礎。。
2.同時也提供了多個不同場景中的用例,幫助讀者瞭解真實場景中技術工具的使用。
3.本書作者Anand Deshpande和Manish Kumar分別是Datametica Solutions的大數據交付總監和高級技術架構師,他們在數據生態系統技術和數據管理方面擁有豐富的經驗。

數據與人工智能是未來幾十年的重要發展方向。隨著人工智能的快速應用及普及,大數據不斷累積,深度學習及強化學習等算法不斷優化,大數據技術將與人工智能技術更緊密地結合,具備對數據的理解、分析、發現和決策能力。

目次

第 1章 大數據與人工智能系統 1
1.1 結果金字塔 2
1.2 人腦最擅長什麼 2
1.2.1 感官輸入 2
1.2.2 存儲 3
1.2.3 處理能力 3
1.2.4 低能耗 3
1.3 電子大腦最擅長什麼 3
1.3.1 速度信息存儲 3
1.3.2 蠻力處理 4
1.4 兩全其美 4
1.4.1 大數據 5
1.4.2 從遲鈍機器進化到智能
機器 6
1.4.3 智能 7
1.4.4 大數據框架 8
1.4.5 大數據智能應用 10
1.5 常見問答 10
1.6 小結 12
第 2章 大數據本體論 13
2.1 人腦與本體 14
2.2 信息科學本體論 15
2.2.1 本體的屬性 16
2.2.2 本體的優點 17
2.2.3 本體的組成 18
2.2.4 本體在大數據中扮演的
角色 19
2.2.5 本體對齊 20
2.2.6 本體在大數據中的目標 20
2.2.7 本體在大數據中的
挑戰 21
2.2.8 資源描述框架――通用
數據格式 21
2.2.9 使用Web本體語言:
OWL 26
2.2.10 SPARQL查詢語言 28
2.2.11 用本體構建智能機器 31
2.2.12 本體學習 33
2.3 常見問答 36
2.4 小結 36
第3章 從大數據中學習 38
3.1 監督學習和無監督學習 38
3.2 Spark編程模型 42
3.3 Spark MLlib庫 44
3.3.1 轉換器函數 44
3.3.2 估計器算法 45
3.3.3 管道 45
3.4 回歸分析 46
3.4.1 線性回歸 47
3.4.2 廣義線性模型 50
3.4.3 對數幾率回歸分類技術 50
3.4.4 多項式回歸 52
3.4.5 逐步回歸 53
3.4.6 嶺回歸 53
3.4.7 套索回歸 54
3.5 數據聚類 54
3.6 K均值算法 55
3.7 數據降維 58
3.8 奇異值分解 59
3.8.1 矩陣理論和線性代數
概述 60
3.8.2 奇異值分解的重要
性質 62
3.8.3 Spark ML實現SVD 63
3.9 主成分分析 64
3.9.1 用SVD實現PCA算法 64
3.9.2 用Spark ML實現SVD 65
3.10 基於內容的推薦系統 66
3.11 常見問答 70
3.12 小結 71
第4章 大數據神經網絡 72
4.1 神經網絡和人工神經網絡的
基礎 72
4.2 感知器和線性模型 73
4.2.1 神經網絡的組成符號 74
4.2.2 簡單感知器模型的數學
表示 75
4.2.3 激活函數 77
4.3 非線性模型 80
4.4 前饋神經網絡 81
4.5 梯度下降和反向傳播 82
4.5.1 梯度下降偽代碼 85
4.5.2 反向傳播模型 86
4.6 過擬合 88
4.7 循環神經網絡 89
4.7.1 RNN的需求 89
4.7.2 RNN的結構 89
4.7.3 訓練RNN 90
4.8 常見問答 90
4.9 小結 92
第5章 深度大數據分析 93
5.1 深度學習基礎知識和構建
模塊 93
5.1.1 基於梯度的學習 95
5.1.2 反向傳播 97
5.1.3 非線性 98
5.1.4 剔除 99
5.2 構建數據準備管道 101
5.3 實現神經網絡架構的實用
方法 107
5.4 超參數調優 109
5.4.1 學習率 110
5.4.2 訓練迭代的次數 111
5.4.3 隱藏單元數 111
5.4.4 時期數 112
5.4.5 用deeplearning4j試驗
超參數 112
5.5 分布式計算 117
5.6 分布式深度學習 119
5.6.1 DL4J和Spark 119
5.6.2 TensorFlow 122
5.6.3 Keras 122
5.7 常見問答 123
5.8 小結 125
第6章 自然語言處理 126
6.1 自然語言處理基礎 127
6.2 文本預處理 128
6.2.1 刪除停用詞 129
6.2.2 詞幹提取 130
6.2.3 詞形還原 132
6.2.4 N-Gram 132
6.3 特徵提取 133
6.3.1 獨熱編碼 133
6.3.2 TF-IDF 134
6.3.3 CountVectorizer 136
6.3.4 Word2Vec 137
6.4 應用自然語言處理技術 140
6.5 實現情感分析 145
6.6 常見問答 147
6.7 小結 148
第7章 模糊系統 149
7.1 模糊邏輯基礎 149
7.1.1 模糊集和隸屬函數 150
7.1.2 明確集的屬性和
符號 151
7.1.3 模糊化 153
7.1.4 去模糊化 156
7.1.5 模糊推理 156
7.2 ANFIS網絡 157
7.2.1 自適應網絡 157
7.2.2 ANFIS架構和混合學習
算法 157
7.3 模糊C均值聚類 160
7.4 模糊神經分類器 164
7.5 常見問答 165
7.6 小結 166
第8章 遺傳編程 167
8.1 遺傳算法的結構 169
8.2 KEEL框架 172
8.3 Encog機器學習框架 175
8.3.1 Encog開發環境設置 175
8.3.2 Encog API結構 176
8.4 Weka框架 179
8.5 用Weka以遺傳算法實現屬性
搜索 189
8.6 常見問答 192
8.7 小結 192
第9章 群體智能 193
9.1 什麼是群體智能 194
9.1.1 自組織 194
9.1.2 主動共識 195
9.1.3 勞動分工 196
9.1.4 集體智能系統的
優勢 196
9.1.5 開發SI系統的設計
原則 197
9.2 粒子群優化模型 198
9.3 蟻群優化模型 201
9.4 MASON庫 203
9.5 Opt4J庫 206
9.6 在大數據分析中的應用 208
9.7 處理動態數據 210
9.8 多目標優化 210
9.9 常見問答 211
9.10 小結 212
第 10章 強化學習 213
10.1 強化學習算法的概念 213
10.2 強化學習技術 216
10.2.1 馬爾可夫決策過程 217
10.2.2 動態規劃與強化學習 218
10.2.3 Q-learning 221
10.2.4 SARSA學習 228
10.3 深度強化學習 230
10.4 常見問答 231
10.5 小結 231
第 11章 網絡安全 233
11.1 大數據用於維生管線保護 233
11.1.1 數據收集與分析 234
11.1.2 異常檢測 235
11.1.3 糾正和預防措施 236
11.1.4 概念上的數據流 236
11.2 理解流處理 239
11.2.1 流處理語義 240
11.2.2 Spark Streaming 241
11.2.3 Kafka 242
11.3 網絡安全攻擊類型 244
11.3.1 網絡釣魚 245
11.3.2 內網漫遊 245
11.3.3 注入攻擊 245
11.3.4 基於AI的防禦 246
11.4 瞭解SIEM 247
11.5 Splunk 250
11.5.1 Splunk Enterprise
Security 250
11.5.2 Splunk Light 251
11.6 ArcSight ESM 253
11.7 常見問答 253
11.8 小結 254
第 12章 認知計算 256
12.1 認知科學 256
12.2 認知系統 259
12.2.1 認知系統簡史 260
12.2.2 認知系統的目標 261
12.2.3 認知系統的因素 262
12.3 認知智能在大數據分析中的
應用 263
12.4 認知智能即服務 264
12.4.1 基於Watson的IBM
認知工具包 265
12.4.2 基於Watson的認知
應用 266
12.4.3 用Watson進行開發 269
12.5 常見問答 273
12.6 小結 274

您曾經瀏覽過的商品

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 360
無庫存,下單後進貨
(採購期約45個工作天)

暢銷榜

客服中心

收藏

會員專區