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
