数据科学理论与实践作业指导书.docVIP

数据科学理论与实践作业指导书

TOC\o1-2\h\u21188第1章数据科学概述 3

285351.1数据科学的发展历程 3

98151.2数据科学的基本概念与学科体系 4

43501.3数据科学的应用领域 4

16544第2章数据采集与预处理 5

191122.1数据采集方法与工具 5

273212.1.1数据采集方法 5

300142.1.2数据采集工具 5

260982.2数据预处理技术 5

127322.2.1数据规范化 5

185922.2.2数据标准化 6

228732.2.3数据离散化 6

67652.2.4数据归一化 6

253832.3数据清洗与数据集成 6

297002.3.1数据清洗 6

49902.3.2数据集成 6

17746第3章数据可视化与摸索性数据分析 6

111963.1数据可视化技术 6

160613.1.1基本图表 6

177103.1.2高级可视化 7

319833.2摸索性数据分析方法 7

61743.2.1描述性统计分析 7

215523.2.2关联性分析 7

144143.2.3分布分析 7

162303.3数据降维与特征提取 7

231593.3.1主成分分析（PCA） 7

225733.3.2tSNE 7

47313.3.3特征提取 8

10415第4章数据仓库与OLAP 8

144444.1数据仓库的基本概念与架构 8

279284.1.1数据仓库的定义 8

211494.1.2数据仓库的架构 8

189124.1.3数据仓库的特点 8

54564.2数据仓库的设计与实现 9

259274.2.1数据仓库设计原则 9

196474.2.2数据仓库实现步骤 9

14524.3联机分析处理（OLAP）技术 9

277994.3.1OLAP的定义 9

91324.3.2OLAP的层次结构 9

56744.3.3OLAP的操作 10

20622第5章统计学习与机器学习基础 10

285965.1统计学习基本概念与方法 10

90875.1.1统计学习概述 10

81525.1.2统计学习方法 10

167145.1.3统计学习算法 10

164945.2机器学习基本算法与应用 11

255425.2.1机器学习概述 11

301765.2.2机器学习算法 11

286385.2.3机器学习应用 11

171365.3模型评估与优化 11

206775.3.1模型评估指标 11

295945.3.2模型优化方法 11

16850第6章深度学习与神经网络 12

81836.1深度学习概述 12

92986.1.1深度学习定义 12

39216.1.2发展历程 12

104486.1.3主要技术特点 12

176136.1.4应用领域 12

39966.2神经网络基本原理 12

26346.2.1神经元模型 12

88636.2.2神经网络结构 12

131686.2.3前向传播算法 13

232316.2.4反向传播算法 13

250906.3卷积神经网络与循环神经网络 13

300386.3.1卷积神经网络 13

76646.3.2循环神经网络 13

8853第7章自然语言处理 13

262967.1自然语言处理概述 13

316897.2词向量与词嵌入 13

207617.3文本分类与情感分析 14

10447第8章推荐系统与协同过滤 14

69558.1推荐系统基本原理与架构 14

57048.1.1推荐系统架构 15

128828.1.2推荐系统类型 15

272058.1.3推荐系统评估方法 15

168058.2协同过滤算法 15

50018.2.1用户基于协同过滤 16

217018.2.2项目基于协同过滤 16

285558.3深度学习方法在推荐系统中的应用 16

149048.3.1神经协同过滤 16

96988.3.2序列模型 16

270728.3.3注意力机制 17

30138.3.4因子分解机 17