數(shù)據(jù)科學(xué)實(shí)踐

第1章 引言
1.1 數(shù)據(jù)科學(xué)與人工智能時(shí)代
1.2 數(shù)據(jù)智慧
1.3 本書內(nèi)容安排
第2章 基礎(chǔ)模型
2.1 機(jī)器學(xué)習(xí)方法
2.1.1 雙向聚類
2.1.2 基于鄰居的 算法
2.1.3 網(wǎng)絡(luò)模型
2.2 深度學(xué)習(xí)
2.2.1 機(jī)器翻譯模型
2.2.2 圖像分析模型
第3章 音樂風(fēng)格識(shí)別
3.1 背景介紹
3.2 方法簡(jiǎn)介
3.2.1 音頻數(shù)據(jù)和音頻特征
3.2.2 混合動(dòng)力模型架構(gòu)
3.3 描述分析
3.3.1 數(shù)據(jù)來源及簡(jiǎn)介
3.3.2 數(shù)據(jù)加工
3.3.3 音頻特征提取
3.4 混合動(dòng)力模型架構(gòu)
3.4.1 兩個(gè)基礎(chǔ)模型的預(yù)測(cè)效果
3.4.2 混合動(dòng)力模型架構(gòu)的預(yù)測(cè)效果
3.4.3 工程優(yōu)化
第4章 航空數(shù)據(jù)案例分析
4.1 數(shù)據(jù)簡(jiǎn)介
4.2 單機(jī)實(shí)現(xiàn)
4.2.1 基于Mysql的數(shù)據(jù)預(yù)處理
4.2.2 洛杉磯到波士頓航線的延誤分析
4.2.3 機(jī)場(chǎng)聚類分析
4.2.4 短路徑
4.3 分布式實(shí)現(xiàn)
4.3.1 基于Hive的數(shù)據(jù)預(yù)處理
4.3.2 用Spark建立分類模型
第5章 公共自行車數(shù)據(jù)案例分析
5.1 數(shù)據(jù)簡(jiǎn)介
5.1.1 交易流水表
5.1.2 紐約市天氣數(shù)據(jù)
5.2 單機(jī)實(shí)現(xiàn)
5.2.1 描述統(tǒng)計(jì)分析與可視化展現(xiàn)
5.2.2 自行車角度的分析
5.2.3 單個(gè)站點(diǎn)借車量預(yù)測(cè)分析
5.3 分布式實(shí)現(xiàn)
5.3.1 數(shù)據(jù)預(yù)處理與描述統(tǒng)計(jì)
5.3.2 分布式預(yù)測(cè)模型
第6章 機(jī)器翻譯實(shí)例
6.1 數(shù)據(jù)簡(jiǎn)介與數(shù)據(jù)預(yù)處理
6.1.1 刪除異常值
6.1.2 修改異常值及數(shù)據(jù)篩選