数据科学基础-(英文版)
内容简介
[
《数据科学基础（英文版）》是“大数据与计算机科学”系列教材之一，由国际著名计算机科学家约翰·霍普克罗夫特教授、阿夫里姆·布鲁姆教授和拉文德兰·坎南教授共同撰写。 《数据科学基础（英文版）》包含了高维空间、奇异值分解、随机行走和马尔可夫链、机器学习、大数据问题的算法、聚类随机图等主要内容。全书极大部分的结论都有严格的证明，且从第2章开始，每章后面均附有适量的练习题。 《数据科学基础（英文版）》可作为计算机及其相关专业本科生或研究生的教材，也可供专业技术人员参考。
]
作者简介
[
约翰·霍普克罗夫特，曾获得1986年图灵奖、2005年电气与电子工程师协会哈里古德纪念奖、2007年计算研究协会杰出服务奖、2009年计算机协会Karl V.Kartstrom杰出教育家奖、2010年电气与电子工程师协会约翰冯诺依曼奖章，以及2016年中国友谊奖章，这是中国对外国人的认可。此外，中国科学院还将他任命为爱因斯坦讲席教授。 阿夫里姆·布鲁姆，丰田工业大学芝加哥分校教授兼首席学术官，1996年担任COLT’96程序委员会主席，2000年担任FOCS’00程序委员会主席，2007年成为美国计算机协会研究员，2011年获得计算机科学院赫伯特西蒙教学奖。 拉文德兰·坎南，印度班加罗尔微软研究院首席研究员，曾任耶鲁大学计算机科学系教授兼应用数学系教授、卡内基梅隆大学教授。1991年获得由美国数学学会和数学规划学会联合授予的离散数学福克森奖，2011年获得计算机协会高德纳奖，2015年当选美国艺术与科学院院士。
]
目录
1 Introduction2 High-Dimensional Space2．1 Introduction2．2 The Law of Large Numbers2．3 The Geometry of High Dimensions2．4 Properties of the Unit Ball2．4．1 Volume of the Unit Ball2．4．2 Volume Near the Equator2．5 Generating Points Uniformly at Random from a Ball2．6 Gaussians in High Dimension2．7 Random Projection and Johnson-Lindenstrauss Lemma2．8 Separating Gaussians2．9 Fitting a Spherical Gaussian to Data2．10 Bibliographic Notes2．11 Exercises3 Best-Fit Subspaces and Singular Value Decomposition （SVD）3．1 Introduction3．2 Preliminaries3．3 Singular Vectors3．4 Singular Value Decomposition （SVD）3．5 Best Rank-k Approximations3．6 Left Singular Vectors3．7 Power Method for Singular Value Decomposition3．8 Singular Vectors and Eigenvectors3．9 Applications of Singular Value Decomposition3．9．1 Centering Data3．9．2 Principal Component Analysis3．9．3 Clustering a Mixture of Spherical Gaussians3．9．4 Ranking Documents and Web Pages3．9．5 An Application of SVD to a Discrete Optimization Problem3．10 Bibliographic Notes3．11 Exercises4 Random Walks and Markov Chains4．1 Stationary Distribution4．2 Markov Chain Monte Carlo4．2．1 Metropolis-Hasting Algorithm4．2．2 Gibbs Sampling4．3 Areas and Volumes4．4 Convergence of Random Walks on Undirected Graphs4．5 Electrical Networks and Random Walks4．6 Random Walks on Undirected Graphs with Unit Edge Weights4．7 Random Walks in Euclidean Space4．8 The Web as a Markov Chain4．9 Bibliographic Notes4．10 Exercises5 Machine Learning5．1 Introduction5．2 Overfitting and Uniform Convergence5．3 Illustrative Examples and Occam’s Razor5．3．1 Learning Disjunctions5．3．2 Occam’s Razor5．3．3 Application： Learning Decision Trees5．4 Regularization： Penalizing Complexity5．5 Online Learning and the Perceptron Algorithm……6 Algorithms for Massive Data Problems： Streaming， Sketching， and Sampling7 Clustering8 Random Graphs9 Topic Models， Non-Negative Matrix Factorization， Hidden Markov Models， and Graphical Models10 Other Topics11 Wavelets12 AppendicesReferencesIndex
封面
书名:数据科学基础-(英文版)
作者:阿夫里姆.布鲁姆
页数:427
定价:¥76.0
出版社:上海交通大学出版社
出版日期:2017-09-01
ISBN:9787313182449
PDF电子书大小:83MB 高清扫描完整版