數(shù)據(jù)素養(yǎng)：人工智能如何有據(jù)可依

定　價(jià)：￥69.80

作　者：	龔超，鄭子杰，汪輝
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：	人工智能超入門叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥52.30)

ISBN：	9787122434975	出版時(shí)間：	2023-09-01	包裝：	平裝-膠訂
開本：	32開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　“人工智能超入門叢書”面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、機(jī)器學(xué)習(xí)、視覺感知、情感分析、搜索算法、強(qiáng)化學(xué)習(xí)、知識(shí)圖譜、專家系統(tǒng)等方向，輔以程序代碼解決問題，幫助讀者快速入門。《數(shù)據(jù)素養(yǎng)：人工智能如何有據(jù)可依》是“人工智能超入門叢書”中的分冊(cè)，主要講解數(shù)據(jù)的重要性，重點(diǎn)解讀處理數(shù)據(jù)的各種方法，培養(yǎng)讀者的數(shù)據(jù)素養(yǎng)和數(shù)據(jù)思維。具體內(nèi)容包括數(shù)據(jù)規(guī)律、數(shù)據(jù)收集、數(shù)據(jù)清洗、數(shù)據(jù)可視化，以及特征構(gòu)建、圖像處理、文本分析等，同時(shí)在本書最后一章，分析了各個(gè)學(xué)科中如何運(yùn)用數(shù)據(jù)思維處理問題。本書內(nèi)容通俗易懂，可以作為人工智能及計(jì)算機(jī)相關(guān)工作崗位技術(shù)人員的入門讀物，對(duì)數(shù)據(jù)及人工智能方向感興趣的人群也可以閱讀。

作者簡(jiǎn)介

　　龔超，工學(xué)博士，清華大學(xué)日本研究中心主任助理，深圳清華大學(xué)研究院下一代互聯(lián)網(wǎng)研發(fā)中心核心成員，?？诮?jīng)濟(jì)學(xué)院雅和人居工程學(xué)院客座教授。中國(guó)高科技產(chǎn)業(yè)化研究會(huì)理事、中國(guó)自動(dòng)化學(xué)會(huì)普及工作委員會(huì)委員、中國(guó)人工智能學(xué)會(huì)中小學(xué)工作委員會(huì)委員、教育信息化教學(xué)應(yīng)用實(shí)踐共同體項(xiàng)目特聘專家。研究方向?yàn)槿斯ぶ悄軆?yōu)化算法，人工智能在數(shù)字化轉(zhuǎn)型中的應(yīng)用等。著有10本人工智能相關(guān)圖書，多家500強(qiáng)企業(yè)數(shù)字化轉(zhuǎn)型領(lǐng)域高級(jí)顧問，在國(guó)內(nèi)外期刊上發(fā)表文章共計(jì)60余篇。鄭子杰，北京大學(xué)學(xué)士、博士，信號(hào)與信息處理專業(yè)。北京市十一學(xué)校數(shù)學(xué)教師，人工智能課程負(fù)責(zé)人，幫助學(xué)校開發(fā)人工智能相關(guān)的課程體系。在學(xué)校期間與學(xué)校信息技術(shù)教師共同開發(fā)的人工智能普及課程 "人工智能技術(shù)與應(yīng)用"，在2021年4月被認(rèn)定為北京市第一批普通高中特色課程。在各類學(xué)術(shù)期刊和會(huì)議上發(fā)表論文40余篇。汪輝，磊垚創(chuàng)投管理合伙人，未來基因（北京）人工智能研究院特聘專家，上市公司獨(dú)立董事，投資并服務(wù)數(shù)百家新三板/北交所企業(yè)。研究方向知識(shí)圖譜技術(shù)、人工智能在知識(shí)產(chǎn)權(quán)保護(hù)中的應(yīng)用等。

圖書目錄

第1章　數(shù)據(jù)概述 001
1.1 數(shù)字化社會(huì)與數(shù)據(jù)思維 002
1.1.1　數(shù)字的社會(huì)早已到來 002
1.1.2　人人都該提升數(shù)據(jù)素養(yǎng) 004
1.1.3　化無形為有形，化抽象為具體 006
1.2 數(shù)據(jù)的含義與類型劃分 007
1.2.1　數(shù)據(jù)的狹義含義 007
1.2.2　數(shù)據(jù)的廣義含義 009
1.2.3　數(shù)據(jù)類型的劃分 010
1.3 人工智能與數(shù)據(jù) 011
1.3.1　新時(shí)代的金礦——數(shù)據(jù) 011
1.3.2　將數(shù)據(jù)轉(zhuǎn)化為洞見 012
1.3.3　警惕選擇偏見與數(shù)據(jù)偏見 013
第2章　隨機(jī)世界中的數(shù)據(jù)規(guī)律 016
2.1 隨機(jī)現(xiàn)象 017
2.1.1　生活中的隨機(jī)現(xiàn)象 017
2.1.2　隨機(jī)試驗(yàn) 019
2.2 隨機(jī)變量與數(shù)據(jù)中的隨機(jī) 024
2.2.1　隨機(jī)變量及其分布 024
2.2.2　數(shù)據(jù)中的隨機(jī)性 028
2.3 數(shù)據(jù)的形態(tài)與中心極限定理 030
2.3.1　正態(tài)分布 030
2.3.2　中心極限定理 033
第3章　數(shù)據(jù)收集與整理 036
3.1 如何獲取數(shù)據(jù) 037
3.1.1　獲取一手?jǐn)?shù)據(jù) 037
3.1.2　獲取二手?jǐn)?shù)據(jù) 048
3.2 “二維”視角看數(shù)據(jù) 054
3.2.1　二維表 054
3.2.2　二維表的基本操作 059
3.3 如何清洗數(shù)據(jù) 063
3.3.1　數(shù)據(jù)的格式化與結(jié)構(gòu)化 064
3.3.2　缺失值與異常值 066
第4章　數(shù)據(jù)的描述與可視化 070
4.1 數(shù)據(jù)的集中、離中趨勢(shì) 071
4.1.1　數(shù)據(jù)的集中趨勢(shì) 071
4.1.2　數(shù)據(jù)的離中趨勢(shì) 075
4.2 數(shù)據(jù)的變換 077
4.2.1　數(shù)據(jù)的無量綱化 077
4.2.2　連續(xù)型變量的變換 080
4.2.3　類別特征的變換 083
4.3 數(shù)據(jù)的可視化 084
4.3.1　科學(xué)繪圖 084
4.3.2　可視化的重要性 096
4.3.3　數(shù)據(jù)形態(tài)看數(shù)據(jù) 104
第5章　特征的構(gòu)建與關(guān)聯(lián) 112
5.1 特征的創(chuàng)建與選取 113
5.1.1　特征的創(chuàng)建 113
5.1.2　與時(shí)俱進(jìn)選取指標(biāo) 115
5.2 特征的擴(kuò)充與降維分析 117
5.2.1　特征的擴(kuò)充 117
5.2.2　降維分析 121
5.3 特征間的關(guān)系 126
5.3.1　相關(guān)≠因果 126
5.3.2　相關(guān)系數(shù) 128
5.3.3　從相關(guān)到回歸 132
第6章　非結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化 141
6.1 用“二維表”的結(jié)構(gòu)理解數(shù)據(jù) 142
6.2 圖像即矩陣 145
6.2.1　用矩陣視角打開圖像 145
6.2.2　圖像特征的處理 150
6.3 文本的向量之路 156
6.3.1　文本的分詞、清洗與整理 156
6.3.2　從句子到向量的詞袋模型 167
6.3.3　Word2Vec讓詞語(yǔ)變向量 171
第7章　無數(shù)據(jù)，不課堂 176
7.1 數(shù)據(jù)與算法，打開另一扇窗 177
7.1.1　語(yǔ)文——水滸傳 177
7.1.2　物理——伏安法測(cè)電阻 178
7.1.3　生物——鳶尾花分類 180
7.2 可視化，讓內(nèi)容更加圖強(qiáng) 183
7.2.1　數(shù)學(xué)——二次函數(shù)性質(zhì)分析 183
7.2.2　英語(yǔ)——I have a dream 185
7.2.3　化學(xué)——繪制元素周期表 186
7.2.4　歷史——中國(guó)歷史人口數(shù)據(jù)可視化 189
7.2.5　地理——衛(wèi)星影像圖 193
附錄　 196
附錄一　抽樣分布與參數(shù)估計(jì) 197
附錄二　假設(shè)檢驗(yàn) 208
附錄三　騰訊扣叮Python實(shí)驗(yàn)室：Jupyter Lab使用說明 214