Наука о данных и прогнозная аналитика
![]() | |
Автор | Иво Д. Динов |
---|---|
Язык | Английский |
Ряд | Серия Springer по прикладному машинному обучению |
Предмет | Информатика , Наука о данных , искусственный интеллект |
Издатель | Спрингер |
Дата публикации | 2018 г. (1-е изд.), 2023 г. (2-е изд.) |
Место публикации | Швейцария |
Тип носителя | Печатная версия ( твердый и мягкий переплет ), электронная версия ( PDF и EPub ) |
ISBN | 978-3-031-17483-4 978-3-319-72346-4, 978-3-031-17485-8, 978-3-031-17482-7 |
Первое издание учебника Data Science and Predictive Analytics: Biomedical and Health Applications using R , автором которого является Иво Д. Динов , было опубликовано в августе 2018 года издательством Springer . [ 1 ] Второе издание книги вышло в свет в 2023 году. [ 2 ]
В этом учебнике рассматриваются некоторые основные математические основы, вычислительные методы и подходы к искусственному интеллекту, используемые в исследованиях и приложениях в области науки о данных . [ 3 ]
Используя платформу статистических вычислений R и широкий спектр биомедицинских тематических исследований, 23 главы первого издания книги содержат подробные примеры импорта, экспорта, обработки, моделирования, визуализации и интерпретации больших, многомерных, неполных, гетерогенных, продольных исследований. и неполные наборы данных ( большие данные ). [ 4 ]
Структура
[ редактировать ]Содержание первого издания
[ редактировать ]Первое издание учебника Data Science and Predictive Analytics (DSPA) [ 1 ] разделено на следующие 23 главы, каждая из которых постепенно дополняет предыдущее содержание.
- Мотивация
- Основы R
- Управление данными в R
- Визуализация данных
- Линейная алгебра и матричные вычисления
- Уменьшение размерности
- Ленивое обучение: классификация с использованием ближайших соседей
- Вероятностное обучение: классификация с использованием наивного Байеса
- Классификация дерева решений «разделяй и властвуй»
- Прогнозирование числовых данных с использованием регрессионных моделей
- Методы машинного обучения «черного ящика»: нейронные сети и машины опорных векторов
- Обучение правилам априорной ассоциации
- Кластеризация k-средних
- Оценка производительности модели
- Улучшение производительности модели
- Специализированные темы по машинному обучению
- Выбор переменной/функции
- Регуляризованное линейное моделирование и выбор контролируемых переменных
- Большой продольный анализ данных
- Обработка естественного языка/текстовый анализ
- Прогнозирование и внутренняя статистическая перекрестная проверка
- Оптимизация функций
- Глубокое обучение, нейронные сети
Содержание второго издания
[ редактировать ]Значительно реорганизованное переработанное издание книги (2023 г.) [ 2 ] расширяет и модернизирует представленные математические принципы, вычислительные методы, методы анализа данных, машинное обучение на основе моделей и безмодельные алгоритмы искусственного интеллекта. 14 глав нового издания начинаются с введения и постепенно развивают базовые навыки, необходимые для естественного достижения биомедицинских применений глубокого обучения.
- Введение
- Базовая визуализация и исследовательский анализ данных
- Линейная алгебра, матричные вычисления и регрессионное моделирование
- Линейное и нелинейное уменьшение размерности
- Контролируемая классификация
- Методы машинного обучения «черного ящика»
- Качественные методы обучения — анализ текста, обработка естественного языка и изучение априорных ассоциативных правил.
- Неконтролируемая кластеризация
- Оценка, проверка и улучшение производительности модели
- Специализированные темы по машинному обучению
- Важность переменной и выбор функций
- Большой продольный анализ данных
- Оптимизация функций
- Глубокое обучение, нейронные сети
Прием
[ редактировать ]Материалы учебника Data Science and Predictive Analytics (DSPA) прошли рецензирование в Журнале Американской статистической ассоциации . [ 5 ] Международного статистического института Обзорный журнал ISI , [ 3 ] и Журнал Американской библиотечной ассоциации . [ 4 ] Многие научные публикации ссылаются на учебник DSPA. [ 6 ] [ 7 ]
По состоянию на 17 января 2021 года вышла электронная версия первого издания книги ( ISBN 978-3-319-72347-1 ) находится в свободном доступе на SpringerLink. [ 8 ] и был скачан более 6 миллионов раз. Учебник доступен по всему миру в печатном ( твердый и мягкий переплет ) и электронном форматах ( PDF и EPub ) во многих библиотеках колледжей и университетов. [ 9 ] и использовался для занятий наукой о данных , вычислительной статистикой и аналитикой в различных учреждениях. [ 10 ]
Ссылки
[ редактировать ]- ^ Перейти обратно: а б Динов, Иво (2018). Наука о данных и прогнозная аналитика: биомедицинские и медицинские приложения с использованием R . Спрингер.
- ^ Перейти обратно: а б Динов, Иво (2023). Наука о данных и прогнозная аналитика: биомедицинские и медицинские приложения с использованием R . Серия Springer по прикладному машинному обучению. Спрингер. дои : 10.1007/978-3-031-17483-4 . ISBN 978-3-031-17482-7 . S2CID 256875731 .
- ^ Перейти обратно: а б Капальди, Минди (апрель 2019 г.) [5 апреля 2019 г.]. «(Обзор) Наука о данных и прогнозная аналитика: биомедицинские и медицинские приложения с использованием R» . Международный статистический обзор . 87 (1): 181–182. дои : 10.1111/insr.12317 . S2CID 132379032 .
- ^ Перейти обратно: а б Саракко, Бенджамин (2020 г.) [апрель 2020 г.]. «Обзор науки о данных и прогнозной аналитики: биомедицинские и медицинские приложения с использованием R» . Журнал Ассоциации медицинских библиотек . 108 (2): 344. doi : 10.5195/jmla.2020.901 . ПМК 7069824 . S2CID 214729817 .
- ^ Цю, Син (2024). «Рецензия на книгу: Наука о данных и прогнозная аналитика, 2-е изд.» . Журнал Американской статистической ассоциации : 1–2. дои : 10.1080/01621459.2024.2303323 .
- ^ «Альтметрика – наука о данных и прогнозная аналитика» .
- ^ «Гугл Академика» .
- ^ Динов, Иво Д. (2018). Наука о данных и прогнозная аналитика . дои : 10.1007/978-3-319-72347-1 . ISBN 978-3-319-72346-4 . S2CID 52098523 .
- ^ Наличие библиотеки учебников
- ^ Курсы с использованием учебника DSPA.