亚洲av无码一,国产精品激情都市,无码国产精品一区二区免费式芒果

內(nèi)容簡介

　　在數(shù)據(jù)科學研究過程中，能快速解決問題是一項不可或缺的能力。但是數(shù)據(jù)科學面臨的復雜性在于，隨著大數(shù)據(jù)采集的數(shù)據(jù)量越來越大，以及最優(yōu)解算法越來越復雜，很多算法面臨著運行非常耗時，有時甚至在現(xiàn)有的資源情況下不可解的狀況。此時，需要數(shù)據(jù)科學家發(fā)揮工程師思維，使用一些計算量小的近似方法，在節(jié)省時間和計算資源的前提下，得到不錯的結(jié)果，這些方法可以稱為啟發(fā)式方法。本書聚焦“啟發(fā)式方法”這個主題，分5個部分進行介紹。第1部分概述了各種類型的啟發(fā)式方法；第2部分側(cè)重于面向數(shù)據(jù)的啟發(fā)式方法及其在數(shù)據(jù)科學問題中的應用；第3部分詮釋了面向最優(yōu)化的啟發(fā)式方法，以及它們?nèi)绾谓鉀Q具有挑戰(zhàn)性的最優(yōu)化問題；第4部分是講解如何設計和實施新的啟發(fā)式方法，以解決特定問題的相關內(nèi)容；第5部分介紹了關于啟發(fā)式方法的其他主題，如透明度和局限性等。本書適合從事和計劃從事數(shù)據(jù)科學領域相關工作的讀者閱讀。

作者簡介

　　撒迦利亞·沃加里斯博士出生于希臘雅典。他在克里特島技術大學學習生產(chǎn)工程和管理，通過信息系統(tǒng)與技術碩士學位后轉(zhuǎn)向計算機科學專業(yè)，然后通過機器學習獲得博士學位后轉(zhuǎn)向數(shù)據(jù)科學。他曾在佐治亞理工學院擔任研究員，在塞浦路斯的一家電子營銷初創(chuàng)公司擔任SEO經(jīng)理，并在Elavon（GA）和G2 Web Services（WA）擔任數(shù)據(jù)科學家。他還曾擔任微軟的項目經(jīng)理，負責必應的數(shù)據(jù)分析管道。目前在GLG（美國格理集團）擔任顧問。 1. 胡本立，國際數(shù)據(jù)管理協(xié)會中國分會（DAMA China）創(chuàng)始人及現(xiàn)任主席，全球數(shù)據(jù)要素50人委員會主席。曾任世界銀行首席技術官、國際數(shù)據(jù)管理協(xié)會副主席。擁有物理學學士以及計算機科學碩士學位，并在哈佛商學院完成企業(yè)高級主管關于戰(zhàn)略、變革管理、金融和財務的培訓。2. 馬歡，全球數(shù)據(jù)要素50人論壇專家，本科畢業(yè)于同濟大學，后獲得上海交通大學工學碩士學位。從開發(fā)工程師做起，擔任過系統(tǒng)分析師、系統(tǒng)架構(gòu)師、項目經(jīng)理等角色。具有20多年的信息系統(tǒng)開發(fā)設計經(jīng)驗，曾經(jīng)兩次獲得部級科技發(fā)展獎項。主持翻譯了《DAMA-DMBOK數(shù)據(jù)管理知識體系指南》系列等專業(yè)書籍，作為骨干編委參與編寫《國際數(shù)據(jù)之都：上海城市數(shù)字化轉(zhuǎn)型市民手冊》，此外還翻譯了《首席數(shù)據(jù)官管理手冊：建立并運行組織的數(shù)據(jù)供應鏈》《DataOps實踐手冊：敏捷精益的數(shù)據(jù)運營》《區(qū)塊鏈重構(gòu)規(guī)則》《數(shù)據(jù)與現(xiàn)實》《星型模型》等多本譯著。2011年首次把數(shù)據(jù)管理專業(yè)認證CDMP引入中國，并獲得CDMP大師級認證，主理的“DAMA數(shù)據(jù)管理”是國內(nèi)最活躍的專業(yè)社區(qū)之一。本書翻譯組成員介紹組長胡本立 DAMA China主席組員（按姓氏筆畫排序）馬歡《DAMA-DMBOK數(shù)據(jù)管理知識體系指南》《首席數(shù)據(jù)官管理手冊》等書主譯者朱楨上海鄧白氏商業(yè)信息咨詢有限公司營銷產(chǎn)品線負責人朱晨君西部數(shù)據(jù)交易中心市場部負責人劉誠燃上海熵衍信息技術有限公司創(chuàng)始人劉俊上海藥明生物技術有限公司數(shù)字化主任李天池中國軟件評測中心高級咨詢顧問李德金山東省大數(shù)據(jù)中心大數(shù)據(jù)工程師張順天津智慧城市研究院咨詢總監(jiān)郭媛海促會浦江學術委員會學術委員賴志明北京青麥科技有限公司數(shù)據(jù)架構(gòu)師

圖書目錄

推薦序
譯者序
前言
第1部分關于啟發(fā)式方法
第1章創(chuàng)造性解決問題
1.1 解決問題
1.2 解決問題過程中的創(chuàng)造力
1.3 人工智能與創(chuàng)造力
1.4 腳踏實地的創(chuàng)造力
1.5 小結(jié)
第2章什么是啟發(fā)式方法
2.1 啟發(fā)式方法概述
2.2 啟發(fā)式度量指標
2.3 啟發(fā)式算法
2.4 重要注意事項
2.5 小結(jié)
第3章啟發(fā)式與元啟發(fā)式方法
3.1 元啟發(fā)式方法概述
3.2 何時使用元啟發(fā)式方法
3.3 適合元啟發(fā)式方法的問題
3.4 重要注意事項
3.5 小結(jié)
第4章特定的指標和方法
4.1 為什么啟發(fā)式方法不可或缺
4.2 如何踐行啟發(fā)式方法
4.3 何時使用特定指標
4.4 何時使用特定的方法
4.5 小結(jié)
第2部分面向數(shù)據(jù)的啟發(fā)式方法
第5章 EDA基本啟發(fā)式方法
5.1 EDA的啟發(fā)式方法概述
5.2 EDA中的基本啟發(fā)式方法
5.2.1 基于范圍的相關啟發(fā)式方法
5.2.2 二元相關啟發(fā)式方法
5.2.3 你自己的啟發(fā)式方法
5.3 如何在 EDA 中有效利用這些啟發(fā)式方法
5.4 重要注意事項
5.5 小結(jié)
第6章 EDA高級啟發(fā)式方法
6.1 為什么需要EDA高級啟發(fā)式方法
6.2 EDA中特定的高級啟發(fā)式方法
6.2.1 可辨識指數(shù)
6.2.2 密度分析
6.2.3 其他高級啟發(fā)式
6.3 如何在 EDA 中有效地利用啟發(fā)式方法
6.4 重要注意事項
6.5 小結(jié)
第7章模型相關的啟發(fā)式方法
7.1 模型相關的啟發(fā)式方法概述
7.2 特定模型相關啟發(fā)式方法
7.2.1 F分數(shù)啟發(fā)式
7.2.2 曲線下面積啟發(fā)式
7.2.3 基于范圍的相關啟發(fā)式
7.2.4 置信指數(shù)啟發(fā)式
7.2.5 其他模型啟發(fā)式
7.3 如何有效利用這些啟發(fā)式方法
7.4 重要注意事項
7.5 小結(jié)
第8章其他啟發(fā)式方法
8.1 其他啟發(fā)式方法概述
8.2 熵和反熵啟發(fā)式方法
8.2.1 熵
8.2.2 反熵
8.2.3 在與數(shù)據(jù)相關的問題中是否使用熵或反熵
8.3 與距離相關的啟發(fā)式方法
8.3.1 距離啟發(fā)式方法
8.3.2 相似性啟發(fā)式方法
8.3.3 與置信度指數(shù)的關系
8.4 重要注意事項
8.5 小結(jié)
第3部分面向最優(yōu)化的啟發(fā)式
第9章人工智能與機器學習最優(yōu)化
9.1 最優(yōu)化理論概述
9.2 最優(yōu)化用例
9.3 最優(yōu)化算法的關鍵組成部分
9.4 最優(yōu)化在人工智能和機器學習中的作用
9.5 重要注意事項
9.6 小結(jié)
第10章最優(yōu)化中的啟發(fā)式方法
10.1 一般優(yōu)化中的啟發(fā)式方法
10.2 使用啟發(fā)式的特定優(yōu)化算法
10.2.1 基于群體的算法
10.2.2 遺傳算法
10.2.3 模擬退火算法和變體
10.2.4 其他
10.3 粒子群優(yōu)化和啟發(fā)式
10.3.1 概述
10.3.2 PSO算法的偽代碼
10.3.3 啟發(fā)式方法的應用
10.4 重要注意事項
10.5 小結(jié)
第11章復雜的最優(yōu)化系統(tǒng)
11.1 復雜優(yōu)化器概述
11.2 遺傳算法家族優(yōu)化器
11.2.1 遺傳算法的關鍵概念
11.2.2 香草味遺傳算法及其局限性
11.2.3 精英主義變體（Elitism Variant）
11.2.4 縮放比例修改（Scaling Hack）
11.2.5 約束調(diào)整（Constraints Tweak）
11.2.6 其他變體
11.3 應用于遺傳算法的啟發(fā)式方法
11.4 重要注意事項
11.5 小結(jié)
第12章最優(yōu)化集成
12.1 最優(yōu)化集成概述
12.2 最優(yōu)化系統(tǒng)的結(jié)構(gòu)
12.3 啟發(fā)式方法在最優(yōu)化集成中的作用
12.4 重要注意事項
12.5 小結(jié)
第4部分設計和實施新的啟發(fā)式方法
第13章啟發(fā)式方法的目標和功能
13.1 啟發(fā)式方法的目標和功能概述
13.2 定義啟發(fā)式方法的目標
13.3 確定啟發(fā)式方法的功能
13.4 優(yōu)化啟發(fā)式方法的目標和功能
13.5 重要注意事項
13.6 小結(jié)
第14章度量啟發(fā)式的參數(shù)、輸出和可用性
14.1 度量啟發(fā)式的參數(shù)、輸出和可用性概述
14.2 定義度量啟發(fā)式的參數(shù)和輸出
14.3 確定度量啟發(fā)式的可用性和范圍
14.4 優(yōu)化度量啟發(fā)式的可用性
14.5 重要注意事項
14.6 小結(jié)
第15章方法啟發(fā)式的參數(shù)、輸出和可用性
15.1 方法啟發(fā)式的參數(shù)、輸出和可用性概述
15.2 定義方法啟發(fā)式的參數(shù)和輸出
15.3 確定方法啟發(fā)式的可用性和應用范圍
15.4 優(yōu)化方法啟發(fā)式的可用性
15.5 重要注意事項
15.6 小結(jié)
第16章開發(fā)和優(yōu)化啟發(fā)式方法
16.1 開發(fā)新啟發(fā)式方法的過程概述
16.2 定義新啟發(fā)式方法的目標和功能
16.2.1 概述
16.2.2 一種衡量變量多樣性的啟發(fā)式方法
16.2.3 一種衡量數(shù)據(jù)點獨特性的啟發(fā)式方法
16.2.4 價值問題
16.2.5 你的立身之地
16.3 定義新啟發(fā)式方法的參數(shù)、輸出和可用性
16.3.1 多樣性啟發(fā)式的參數(shù)、輸出和可用性
16.3.2 獨特性指數(shù)啟發(fā)式的參數(shù)、輸出和可用性
16.3.3 兩種啟發(fā)式方法的應用范圍
16.4 重要注意事項
16.5 小結(jié)
第5部分啟發(fā)式方法補充主題
第17章啟發(fā)式方法的局限性
17.1 啟發(fā)式方法常見局限性概述
17.2 泛化能力局限
17.3 精度限制
17.4 為什么存在這些限制及權(quán)衡
17.5 重要注意事項
17.6 小結(jié)
第18章啟發(fā)式方法的潛力
18.1 啟發(fā)式方法的潛力概述
18.2 啟發(fā)式方法在EDA中的潛力
18.3 啟發(fā)式最優(yōu)化的潛力
18.4 啟發(fā)式輔助過程的潛力
18.5 啟發(fā)式模型構(gòu)建的潛力
18.6 小結(jié)
第19章啟發(fā)式和透明度
19.1 透明度在數(shù)據(jù)科學和AI中的價值
19.2 啟發(fā)式方法如何幫助提高透明度
19.3 構(gòu)建更加透明的數(shù)據(jù)科學框架
19.4 重要注意事項
19.5 小結(jié)
第20章最后的想法
20.1 啟發(fā)式方法及其價值
20.2 啟發(fā)式來了，創(chuàng)造力是否有盡頭
20.3 用啟發(fā)式方法開發(fā)自己的創(chuàng)造力
20.4 重要注意事項
20.5 在啟發(fā)式的旅程中，路在何方
術語
附錄
附錄A啟發(fā)式的關鍵組成部分
附錄B在計算機上安裝和使用