大数据数学基础

邱硕 / 林洪伟电子工业出版社 · 中国2022年3月

评分 3.5
字数
9万字
章节数
57
ISBN
9787121425745

标签

计算机综合 图论数据科学概率统计线性代数距离度量分步详解学术专著案例解析计算公式新手入门

内容简介

本书从大数据处理涉及的基础数学理论入手，围绕大数据研究涉及的基础数学知识，从线性代数、微积分、概率与统计、距离度量、优化问题及图论六大方面展开介绍，以夯实读者在大数据领域的理论基础。

本书不仅介绍了基本的数学概念，而且通过具体例子介绍了其在大数据领域的实际应用，以提高本书的易读性。本书每章都附有相应的习题，以便读者能够进一步理解相应的知识点。

编辑推荐

很多想进入大数据领域的读者，往往被算法和工具吸引，却忽略了支撑这些技术的数学根基。本书的难得之处在于，它没有把数学写成一本脱离应用的公式手册，而是围绕大数据处理中真正会用到的六大板块——线性代数、微积分、概率统计、距离度量、优化问题与图论——逐一搭建知识框架。作者在讲清基本概念之后，会落到大数据场景中的具体例子上，让抽象的矩阵运算、梯度、相似度计算变得可以理解，这种“概念加应用”的写法降低了自学的心理门槛。每章配有习题，适合边读边练，把知识点真正固化下来。对于刚转入数据方向、数学基础停留在本科低年级水平的人来说，这本书更像一座过渡桥，而不是一本速查词典。它的价值不在于让你立刻学会某个框架，而在于让你以后看模型推导、读论文方法部分时不再发怵，是值得放在案头反复翻阅的基础读物。

适合谁读

适合

不适合

阅读建议

  1. 先通读目录理清六大板块的依赖关系，按线性代数、微积分的顺序推进
  2. 每章读完概念后立即动手做章末习题，错题回头对照例题重看一遍
  3. 遇到应用例子时，尝试用自己的话复述该数学工具解决了什么问题
  4. 准备一个笔记页，把距离度量与优化部分的公式整理成可随时查阅的卡片

出版社简介

电子工业出版社 中国 · 成立于 1982 年

电子工业出版社是一家以电子信息及相关领域为出版特色的综合性出版社。从库内三千余种图书来看，其出版方向覆盖编程设计、人工智能、计算机综合、财经、摄影与社科等门类，既关注技术前沿，也兼顾大众阅读。代表图书包括《因子投资：方法与实践》《x86汇编语言：从实模式到保护模式》《RISC-V开放架构设计之道》《人工智能：语音识别理解与实践》《相控阵雷达技术》《雷达目标特性》及《100个Go语言典型错误》等，多围绕技术方法与工程实践展开。作者资源方面，有石川、李忠、王晓波、大卫·帕特森、安德鲁·沃特曼、余子濠等中外作者。受公开资料所限，暂不展开更多出版特色。

目录

  1. 版权信息
  2. 内容简介
  3. 编写组
  4. 总序
  5. 前言
  6. 第1章 线性代数
  7. 1.1 行列式
  8. 1.2 矩阵及其运算
  9. 1.3 向量组的线性相关性与矩阵的秩
  10. 1.4 特征值与特征向量、矩阵的对角化
  11. 习题
  12. 本章参考文献
  13. 第2章 微积分基础
  14. 2.1 一元函数的导数
  15. 2.2 一元函数的微分
  16. 2.3 多元函数的导数与微分
  17. 2.4 向量与矩阵的导数
  18. 2.5 导数与微分的应用
  19. 习题
  20. 本章参考文献
  21. 第3章 概率与统计
  22. 3.1 随机事件的概率
  23. 3.2 条件概率
  24. 3.3 随机变量
  25. 3.4 随机变量的数字特征
  26. 3.5 极大似然估计
  27. 习题
  28. 本章参考文献
  29. 第4章 多维数据之间的距离度量
  30. 4.1 涉及线性代数的距离
  31. 4.2 涉及微积分的距离
  32. 4.3 涉及概率统计的距离
  33. 4.4 涉及其他数学知识的距离
  34. 习题
  35. 本章参考文献
  36. 第5章 大数据中的优化问题
  37. 5.1 最优化问题
  38. 5.2 线性规划
  39. 5.3 非线性优化问题
  40. 5.4 无约束非线性优化问题
  41. 5.5 约束非线性优化问题
  42. 5.6 支持向量机的优化模型及求解
  43. 5.7 BP神经网络优化模型及解法
  44. 5.8 回归分析中的优化模型及求解方法
  45. 习题
  46. 本章参考文献
  47. 第6章 大数据分析中的图论基础
  48. 6.1 树、图的基本概念
  49. 6.2 图的最短路径问题
  50. 6.3 图的深度优先搜索
  51. 6.4 频繁模式和关联规则
  52. 6.5 频繁子图简介
  53. 6.6 复杂网络简介
  54. 6.7 最长公共子序列
  55. 6.8 决策树
  56. 习题
  57. 本章参考文献

常见问题

数学基础比较薄弱，能读懂这本书吗？ 本书定位是夯实基础，概念讲解配以具体例子，难度大致在本科低年级水平。如果高中或大学学过基本的微积分和矩阵知识，读起来会比较顺畅；若完全没接触过线性代数，建议先补一点矩阵运算的入门内容，再按章节顺序推进，不要在开头就求快。
书中的例子和习题有编程实现吗？ 从资料看，本书侧重数学概念及其在大数据领域的应用举例，并配有章末习题以巩固知识点，并未强调编程实现。读者可以把习题当作纸笔推导训练，若想结合代码，可自行用熟悉的工具验证书中的计算例子。
六大板块之间需要按顺序读吗？ 建议按线性代数、微积分、概率与统计的顺序打底，距离度量与优化问题往往依赖前面的工具，图论相对独立可稍后读。若时间有限，也可先读与当前工作最相关的板块，但跳读时注意回查前置概念，避免公式看不懂。

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

邱硕 作者

邱硕，目前公开资料有限，尚无法确认其详细生平、学历背景与任职经历。从现有书目信息看，邱硕著有《大数据数学基础》一种，作品归入计算机综合类。该书围绕大数据相关的数学知识展开，面向需要夯实数理基础的读者，属于偏重基础理论与方法训练的教材型写作。受资料所限，暂不能对其写作风格的整体面貌作出充分评价，也难以判断其在学术或出版领域的持续影响。现有信息仅能显示邱硕关注数据科学与数学基础的交叉方向，其余情况有待更多公开资料补充。

林洪伟 作者

林洪伟，目前公开资料有限，其姓名见于计算机综合类图书《大数据数学基础》的作者署名。从这一种库内作品来看，林洪伟的写作方向集中在数据科学与数学基础的交汇地带，面向的是希望理解大数据背后数学原理的读者。《大数据数学基础》这一书名表明，该书关注的是支撑大数据分析与处理的数学工具与基本概念，而非泛泛而谈的技术综述。计算机综合类图书通常需要兼顾概念的准确性与表述的可读性，因此可以推断，林洪伟在写作中倾向于把较为抽象的数学内容与大数据应用场景相衔接，帮助读者建立从理论到实践的理解路径。由于库内仅收录其作品一种，关于其学历、任职与研究方向等信息无从确认，此处不作推测。其作品可作为了解大数据数学入门的参考。