《数据认知手册：在数据科学、人工智能等领域使用启发式方法提升创造力》 - 撒迦利亚· 沃加里斯[Zacharias Voulgaris - 机械工业出版社 - 香港大書城

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　運費計算　 \|　聯絡我們　 \|　幫助中心　\|　加入書簽
		會員登入新用戶登記

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

臺灣用戶

品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心

服務：香港／台灣／澳門／海外

送貨：速遞／郵局／服務站

新書上架：簡體書繁體書
暢銷書架：簡體書繁體書
好書推介：簡體書繁體書

『簡體書』数据认知手册：在数据科学、人工智能等领域使用启发式方法提升创造力

書城自編碼： 3936830
分類：簡體書→大陸圖書→計算機/網絡→數據庫
作者：撒迦利亚· 沃加里斯[Zacharias Voulgaris
國際書號(ISBN)： 9787111739425
出版社：机械工业出版社
出版日期： 2023-12-01

頁數/字數： /
書度/開本： 16开釘裝：平装

售價：HK$ 90.9

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《木石交响：日本古都与欧陆遗产的千年对话》
售價：HK$ 87.8

《中小学生数学学习能力自我评估问题研究》
售價：HK$ 88.0

《蝉鸣震耳欲聋》
售價：HK$ 75.9

《刘心武谈《三言》（冯梦龙文学经典“三言”原著的替代性通俗读本）》
售價：HK$ 74.8

《边际利润》
售價：HK$ 75.9

《红帆船》
售價：HK$ 62.5

《无用知识的有用性（科学的进步，在于人类不断探寻“山的另一侧”的风景）》
售價：HK$ 41.8

《量价狙击：精准捕捉股市机会（新时代·投资新趋势）》
售價：HK$ 86.9

編輯推薦：

1. 内容经典。引进的国外经典数据管理图书，原书作者为国际知名的数据治理专家。
2. 译者权威。本书主要译者为DAMA China主席胡本立和《DAMA-DMBOK数据管理知识体系指南》主译者马欢老师，在业内有相当的知名度。其他翻译组成员包含了西部数据、中国软件评测中心、上海市海促会等产学研机构的知名数据管理专家。

內容簡介：

在数据科学研究过程中，能快速解决问题是一项不可或缺的能力。但是数据科学面临的复杂性在于，随着大数据采集的数据量越来越大，以及最优解算法越来越复杂，很多算法面临着运行非常耗时，有时甚至在现有的资源情况下不可解的状况。此时，需要数据科学家发挥工程师思维，使用一些计算量小的近似方法，在节省时间和计算资源的前提下，得到不错的结果，这些方法可以称为启发式方法。本书聚焦“启发式方法”这个主题，分5个部分进行介绍。第1部分概述了各种类型的启发式方法；第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用；第3部分诠释了面向最优化的启发式方法，以及它们如何解决具有挑战性的最优化问题；第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容；第5部分介绍了关于启发式方法的其他主题，如透明度和局限性等。
本书适合从事和计划从事数据科学领域相关工作的读者阅读。

關於作者：

撒迦利亚·沃加里斯博士出生于希腊雅典。他在克里特岛技术大学学习生产工程和管理，通过信息系统与技术硕士学位后转向计算机科学专业，然后通过机器学习获得博士学位后转向数据科学。他曾在佐治亚理工学院担任研究员，在塞浦路斯的一家电子营销初创公司担任SEO经理，并在Elavon（GA）和G2 Web Services（WA）担任数据科学家。他还曾担任微软的项目经理，负责必应的数据分析管道。目前在GLG（美国格理集团）担任顾问。

1. 胡本立，国际数据管理协会中国分会(DAMA China)创始人及现任主席，全球数据要素50人委员会主席。曾任世界银行首席技术官、国际数据管理协会副主席。拥有物理学学士以及计算机科学硕士学位，并在哈佛商学院完成企业高级主管关于战略、变革管理、金融和财务的培训。
2. 马欢，全球数据要素50人论坛专家，本科毕业于同济大学，后获得上海交通大学工学硕士学位。从开发工程师做起，担任过系统分析师、系统架构师、项目经理等角色。具有20多年的信息系统开发设计经验，曾经两次获得部级科技发展奖项。主持翻译了《DAMA-DMBOK数据管理知识体系指南》系列等专业书籍，作为骨干编委参与编写《国际数据之都:上海城市数字化转型市民手册》，此外还翻译了《首席数据官管理手册:建立并运行组织的数据供应链》《DataOps实践手册:敏捷精益的数据运营》《区块链重构规则》《数据与现实》《星型模型》等多本译著。2011年首次把数据管理专业认证CDMP引入中国，并获得CDMP大师级认证，主理的“DAMA数据管理”是国内最活跃的专业社区之一。

本书翻译组成员介绍
组长
胡本立 DAMA China主席
组员（按姓氏笔画排序）
马欢《DAMA-DMBOK数据管理知识体系指南》《首席数据官管理手册》等书主译者
朱桢上海邓白氏商业信息咨询有限公司营销产品线负责人
朱晨君西部数据交易中心市场部负责人
刘诚燃上海熵衍信息技术有限公司创始人
刘俊上海药明生物技术有限公司数字化主任
李天池中国软件评测中心高级咨询顾问
李德金山东省大数据中心大数据工程师
张顺天津智慧城市研究院咨询总监
郭媛海促会浦江学术委员会学术委员
赖志明北京青麦科技有限公司数据架构师

推荐序
译者序
前言
第1部分关于启发式方法
第1章创造性解决问题
1.1 解决问题
1.2 解决问题过程中的创造力
1.3 人工智能与创造力
1.4 脚踏实地的创造力
1.5 小结
第2章什么是启发式方法
2.1 启发式方法概述
2.2 启发式度量指标
2.3 启发式算法
2.4 重要注意事项
2.5 小结
第3章启发式与元启发式方法
3.1 元启发式方法概述
3.2 何时使用元启发式方法
3.3 适合元启发式方法的问题
3.4 重要注意事项
3.5 小结
第4章特定的指标和方法
4.1 为什么启发式方法不可或缺
4.2 如何践行启发式方法
4.3 何时使用特定指标
4.4 何时使用特定的方法
4.5 小结
第2部分面向数据的启发式方法
第5章 EDA基本启发式方法
5.1 EDA的启发式方法概述
5.2 EDA中的基本启发式方法
5.2.1 基于范围的相关启发式方法
5.2.2 二元相关启发式方法
5.2.3 你自己的启发式方法
5.3 如何在 EDA 中有效利用这些启发式方法
5.4 重要注意事项
5.5 小结
第6章 EDA高级启发式方法
6.1 为什么需要EDA高级启发式方法
6.2 EDA中特定的高级启发式方法
6.2.1 可辨识指数
6.2.2 密度分析
6.2.3 其他高级启发式
6.3 如何在 EDA 中有效地利用启发式方法
6.4 重要注意事项
6.5 小结
第7章模型相关的启发式方法
7.1 模型相关的启发式方法概述
7.2 特定模型相关启发式方法
7.2.1 F分数启发式
7.2.2 曲线下面积启发式
7.2.3 基于范围的相关启发式
7.2.4 置信指数启发式
7.2.5 其他模型启发式
7.3 如何有效利用这些启发式方法
7.4 重要注意事项
7.5 小结
第8章其他启发式方法
8.1 其他启发式方法概述
8.2 熵和反熵启发式方法
8.2.1 熵
8.2.2 反熵
8.2.3 在与数据相关的问题中是否使用熵或反熵
8.3 与距离相关的启发式方法
8.3.1 距离启发式方法
8.3.2 相似性启发式方法
8.3.3 与置信度指数的关系
8.4 重要注意事项
8.5 小结
第3部分面向最优化的启发式
第9章人工智能与机器学习最优化
9.1 最优化理论概述
9.2 最优化用例
9.3 最优化算法的关键组成部分
9.4 最优化在人工智能和机器学习中的作用
9.5 重要注意事项
9.6 小结
第10章最优化中的启发式方法
10.1 一般优化中的启发式方法
10.2 使用启发式的特定优化算法
10.2.1 基于群体的算法
10.2.2 遗传算法
10.2.3 模拟退火算法和变体
10.2.4 其他
10.3 粒子群优化和启发式
10.3.1 概述
10.3.2 PSO算法的伪代码
10.3.3 启发式方法的应用
10.4 重要注意事项
10.5 小结
第11章复杂的最优化系统
11.1 复杂优化器概述
11.2 遗传算法家族优化器
11.2.1 遗传算法的关键概念
11.2.2 香草味遗传算法及其局限性
11.2.3 精英主义变体（Elitism Variant）
11.2.4 缩放比例修改（Scaling Hack）
11.2.5 约束调整（Constraints Tweak）
11.2.6 其他变体
11.3 应用于遗传算法的启发式方法
11.4 重要注意事项
11.5 小结
第12章最优化集成
12.1 最优化集成概述
12.2 最优化系统的结构
12.3 启发式方法在最优化集成中的作用
12.4 重要注意事项
12.5 小结
第4部分设计和实施新的启发式方法
第13章启发式方法的目标和功能
13.1 启发式方法的目标和功能概述
13.2 定义启发式方法的目标
13.3 确定启发式方法的功能
13.4 优化启发式方法的目标和功能
13.5 重要注意事项
13.6 小结
第14章度量启发式的参数、输出和可用性
14.1 度量启发式的参数、输出和可用性概述
14.2 定义度量启发式的参数和输出
14.3 确定度量启发式的可用性和范围
14.4 优化度量启发式的可用性
14.5 重要注意事项
14.6 小结
第15章方法启发式的参数、输出和可用性
15.1 方法启发式的参数、输出和可用性概述
15.2 定义方法启发式的参数和输出
15.3 确定方法启发式的可用性和应用范围
15.4 优化方法启发式的可用性
15.5 重要注意事项
15.6 小结
第16章开发和优化启发式方法
16.1 开发新启发式方法的过程概述
16.2 定义新启发式方法的目标和功能
16.2.1 概述
16.2.2 一种衡量变量多样性的启发式方法
16.2.3 一种衡量数据点独特性的启发式方法
16.2.4 价值问题
16.2.5 你的立身之地
16.3 定义新启发式方法的参数、输出和可用性
16.3.1 多样性启发式的参数、输出和可用性
16.3.2 独特性指数启发式的参数、输出和可用性
16.3.3 两种启发式方法的应用范围
16.4 重要注意事项
16.5 小结
第5部分启发式方法补充主题
第17章启发式方法的局限性
17.1 启发式方法常见局限性概述
17.2 泛化能力局限
17.3 精度限制
17.4 为什么存在这些限制及权衡
17.5 重要注意事项
17.6 小结
第18章启发式方法的潜力
18.1 启发式方法的潜力概述
18.2 启发式方法在EDA中的潜力
18.3 启发式最优化的潜力
18.4 启发式辅助过程的潜力
18.5 启发式模型构建的潜力
18.6 小结
第19章启发式和透明度
19.1 透明度在数据科学和AI中的价值
19.2 启发式方法如何帮助提高透明度
19.3 构建更加透明的数据科学框架
19.4 重要注意事项
19.5 小结
第20章最后的想法
20.1 启发式方法及其价值
20.2 启发式来了，创造力是否有尽头
20.3 用启发式方法开发自己的创造力
20.4 重要注意事项
20.5 在启发式的旅程中，路在何方
术语
附录
附录A启发式的关键组成部分
附录B在计算机上安装和使用

內容試閱：

本书采用动手实践的方法，通过数据分析、数据科学和人工智能 (AI) 中的启发式方法来解释创造力。本书内容分为5个部分，每个部分都包含了探索和采用启发式方法来解决问题的相应内容。
解决问题的能力在分析项目时是不可或缺的，总有一些问题是现成的算法或公式不能涵盖的，这些需要额外的关注。解决问题还是一项技能，是岗位职责的一部分。但很多问题解决的时候会非常耗时，有时候甚至在现有的资源情况下是不可行的。需要寻求外部的帮助，这样可以节省时间来完成其他事情。
启发式方法可以提供这样的帮助，尤其是当涉及与数据相关的问题时。这些工作不一定与核心分析工作本身有关，有时只需要优化一个数学函数，或者优化一个有可能成为数据管道瓶颈的过程。与在数据科学和人工智能中遇到的其他度量和方法不同，启发式方法还需要有创造力。结合脚踏实地解决方案的工程思维，启发式方法可以成为一种宝贵的资产，为分析专家和问题解决者带来价值。
本书第1部分概述了各种类型的启发式方法。第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用。第3部分诠释了面向最优化的启发式方法，以及它们如何解决具有挑战性的最优化问题。第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容。第5部分介绍了关于启发式方法的补充主题，如局限性和透明度等。
每章的小结部分都强调了各章的要点内容，术语解释了本领域内的重要术语，附录包含了有关启发式方法和相关编程工具的参考资料。此外，有部分章节的实践材料使用了 Julia 语言代码（.jl 文件），本书所有代码可以直接下载，具体下载方法可见本书封底说明。
也许你渴望了解更多关于“启发式方法”的信息，事不宜迟，让我们开始吧！

世界正在走向数字化。
数字化的两个基本要素就是数据以及人如何利用数据的技术。在数据分析和机器学习解决方案中广泛应用的各类算法，被誉为数字化技术中的明珠。作为对解题方案准确而完整的描述，算法通常分为两大类别：最优化算法和启发式算法。
这两者之间的区别可以简单理解为：问题的解空间较小时，利用最优化算法，可以找到唯一的全局最优解；问题的解空间较大时，利用最优化算法找不到最优解，甚至次优解也找不到，这时可以利用启发式算法来寻找一个次优解来代替全局最优解。
相对于最优化算法，基于直观或经验的启发式算法是在许多复杂场景下处理复杂问题时的一种现实的方法（论），是人与数据互动全过程中对各种处理、决策行为的一种合理选择。
读者可以发现这不是一本一般意义上关于数据或数据管理的书，也不是单纯讲机器学习和人工智能的书，如国际著名数据建模专家Steve Hoberman所言，本书是目前关于“数据科学和人工智能领域唯一一本完全致力于启发式领域的书”。
对传统数据管理行业来讲，本书也是一本作者如何通过启发式探索性数据分析（EDA）把传统数据管理连接数据科学和人工智能的尝试和经验总结，在人与数据互动中的各种处理方法和方式方面，有助于读者拓展理解、参考和实践。
除了翻译组成员，还有一些专家也参与了本书的校对工作，他们是上海东软研究院崔朝辉、便利蜂杨海朝博士、天津智研院秦洁、上海大数据中心陈磊、国网大数据中心王耀影、画龙大数据郜耿威。在此对所有译校人员的贡献表示感谢！
　　　　
　　胡本立　　　
　　世界银行原首席技术官　　　　
　　DAMA China主席

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	香港用户　 \|　台灣用户　\|　海外用户

	megBook.com.hk
Copyright © 2013 - 2025 （香港）大書城有限公司　 All Rights Reserved.