- 前辅文
- 第1 章 基本概念与基本知识
- 1.1 大数据与大数据分析
- 1.2 重要的问题和概念
- 1.3 大数据分析算法、系统和应用
- 1.4 大数据分析科学家和工程师
- 1.5 本书的结构
- 第2 章 大数据统计分析方法
- 2.1 相关性分析
- 2.2 因果推断
- 2.3 采样分析
- 2.4 小结及进一步阅读
- 习题
- 第3 章 大数据机器学习方法
- 3.1 描述性分析
- 3.2 预测性分析
- 3.3 深度学习分析方法
- 3.4 强化学习分析方法
- 3.5 小结及进一步阅读
- 习题
- 第4 章 机器学习理论
- 4.1 机器学习基础
- 4.2 过拟合、模型选择以及正则化
- 4.3 偏差方差分解
- 4.4 PAC 学习理论
- 4.5 非独立同分布学习
- 4.6 小结及进一步阅读
- 习题
- 第5 章 大数据算法理论
- 5.1 组合优化算法
- 5.2 在线算法
- 5.3 流式算法
- 5.4 参数算法
- 5.5 小结及进一步阅读
- 习题
- 第6 章 文本大数据分析
- 6.1 文本表达
- 6.2 文本匹配
- 6.3 文本生成
- 6.4 小结及进一步阅读
- 习题
- 第7 章 知识计算
- 7.1 知识图谱简介
- 7.2 知识抽取
- 7.3 知识融合
- 7.4 知识推理
- 7.5 小结及进一步阅读
- 习题
- 第8 章 网络数据挖掘
- 8.1 网络排序
- 8.2 网络聚类
- 8.3 网络表示学习
- 8.4 小结及进一步阅读
- 习题
- 第9 章 社会媒体分析
- 9.1 网络影响力最大化
- 9.2 基于位置的社交网络
- 9.3 大图的异常检测
- 9.4 社会媒体分析新应用
- 9.5 小结及进一步阅读
- 习题
- 第10 章 大数据分析系统架构
- 10.1 数据与计算的演变历程
- 10.2 大数据分布式计算模型
- 10.3 大数据计算系统
- 10.4 小结及进一步阅读
- 习题