新书上市 | 世界名校数据挖掘经典《斯坦福数据挖掘教程(第3版)》

news2024/2/23 5:06:10

题图 | 作者为 Scott  Ullman

《斯坦福数据挖掘教程(第3版)》上架之后,这是我们第一次整篇文章介绍这本书。

这本书相当受欢迎(前两个版本累计销量超过 5 万册),尤其是受学校青睐——在此也说声抱歉,出于出版时间的原因,很多学校依然采用了旧版作为教材;同时也请知悉,新版已上架,正在使用这本书作为教材的学校可以考虑更新了。

实际上,这本书已经在大家面前出过 2 次镜了,一次是 2020 年图灵奖公布的次日图灵君用一篇文章讲了讲图灵奖得主之一 Jeffrey Ullman 和这本书「不一样的」故事;一次是 423 活动那次,这本书在没有赶上大促优惠的情况下进入了新书畅销榜单。

除了是一本畅销多年的世界名校数据挖掘入门经典书,《斯坦福数据挖掘教程(第3版)》之于 Jeffrey Ullman  和弟子 Anand Rajaraman 还有特别的意义。那就是这本书原本只是作为开源电子版出版的,后来才有了纸质书的诞生,个中原因大家可以在文末链接阅读相关文章。

好了,回到这本书,我们继续说说它的缘起。本书源于Ullman 及弟子  Rajaraman 在斯坦福大学教授多年的一门季度课程——「多年」真的不是随便叫叫的,我去这本书的网站上看了看,斯坦福大学开设这门课程,最早可以追溯到 2000 年,着实佩服。

课程名为“Web 挖掘”(编号 CS345A),原本是为高年级研究生设计的,没成想高年级本科生也非常感兴趣,于是现在就成为本科生和研究生兼修的一门课程。Jure Leskovec 到斯坦福大学任职后,共同对相关材料进行了重新组织。他开设了一门有关网络分析的新课程 CS224W, 并为 CS345A 增加了一些内容,重新编号为 CS246。三位作者还开设了一门大规模数据挖掘的项目课程 CS341。目前本书包含了以上三门课程的所有教学内容。

图书核心特色

这本书核心的特色是:它是一本数据挖掘领域全景路线图式的入门参考技术书,下面解释一下关键词。

1.全景路线图  

一方面可以让你了解数据挖掘这个大领域下的各个小领域;

另一方面让你可以纵览整个数据构建模型的过程,这个过程中你会遇到什么问题,尤其是从普通规模数据到极大规模数据发生了哪些状况,你的解决方案是如何转换的。

2.入门 

跟上面一条紧密关联。普通书入门从简单操作开始,一步步来,读者见树木而不见森林,好书入门从全景图开始,教读者抓核心内容,对整个领域了然于胸之后深入自己感兴趣的关键点。而这本书介绍的正是高手入门之道,书中并没有每个细分领域的详细讲解,但是为你展示了最新的参考论文和进阶资料,方便你进一步探索。

3.技术 

虽然有概念,但并非聚焦于概念,而是教你怎么用,可直接应用于实际的大规模数据挖掘工作——海量 Web 数据是目前大数据挖掘工作的核心,数据分析师、数据科学家、机器学习专家都不可错过。

接下来让我们来详细看看书中的内容。

图书核心内容

本书是关于数据挖掘的,但是主要关注极大规模数据的挖掘。“极大规模”的意思是,这些数据大到无法在内存中存放。因为本书重点强调数据的规模,所以例子大多来自 Web 本身或者 Web 上导出的数据。另外,本书从算法的角度来看待数据挖掘,即数据挖掘是将算法 应用于数据,而不是使用数据来“训练”某种类型的机器学习引擎。

本书的主要内容包括:

(1) 分布式文件系统和 MapReduce,其中后者用于创建在极大规模数据集上成功应用的并行算法;

(2) 相似性搜索,包括最小哈希和局部敏感哈希的关键技术;

(3) 数据流处理以及针对快速到达、须立即处理且易丢失的数据的专用算法;

(4) 搜索引擎技术,包括谷歌的 PageRank、链接作弊检测以及计算网页导航度(hub)和权威度(authority)的 HITS 方法;

(5) 频繁项集挖掘,包括关联规则、购物篮分析、A-Priori 算法及其改进;

(6) 极大规模高维数据集的聚类算法;

(7) Web 应用中的两个关键问题——广告管理和推荐系统;

(8) 对极大规模的图(特别是社会网络图)的结构进行分析和挖掘的算法;

(9) 通过降维来获得大规模数据集的重要性质的技术,包括 SVD 和隐性语义索引;

(10) 可以应用于极大规模数据的机器学习算法,包括感知机、支持向量机、梯度下降法、决策树和神经网络;

(11) 神经网络与深度学习,包括最重要的几个特例——卷积神经网络(CNN)、循环神经网络(RNN)和长短期记忆网络(LSTM)。

用思维导图展示一下图书的内容。

(放大可查看大图)

作译者团队

这本《斯坦福数据挖掘教程》与《数据挖掘导论(完整版)》同为国内读者最喜爱的数据挖掘入门书之一。作者团超级强大,第一作者是 AI 领域无人不知的 Jure Leskovec,他在图神经网络方面的研究用“顶尖”形容不为过。第三作者 Jeffrey Ullman 为 2020 年图灵奖得主,因在编程语言实现领域对基础算法和理论的贡献而获奖。

在翻译上,由国内知名  NLP 专家王斌老师担纲翻译,王斌老师独自翻译了前两个版本。到第 3 版,曾就读于斯坦福大学 Jure 实验室的王达侃老师加入,共同翻译。

Jure Leskovec(尤雷·莱斯科夫

近年来最优秀的 AI 科学家之一(其实没有“之一”这两个字,估计 99% 人也不会反对,从这里你就知道 Jure 的实力了,有其他很多媒体专门写过  Jure 有多强大,回头我们转载一篇文章来看看)。

Pinterest 公司首席科学家,斯坦福大学计算机科学系副教授,研究方向为大型社交和信息网络的数据挖掘。

他的研究成果获得了很多奖项,如 Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship 和 Okawa Foundation Fellowship,还获得了很多最佳论文奖,同时也被《纽约时报》《华尔街日报》《华盛顿邮报》《连线》及 NBC、CBC 等流行的社会媒体刊载。

他还创建了斯坦福网络分析平台(SNAP)。


Anand Rajaraman阿南德·拉贾拉曼

数据库和 Web 技术领域领军者,硅谷连续创业者和风险投资人,斯坦福大学计算机科学系助理教授。

自 1996 年起创立过多家公司,这些公司先后被亚马逊、谷歌和沃尔玛集团收购,而他本人历任亚马逊技术总监、沃尔玛负责全球电子商务业务的副总裁。之后创立了风投公司 Milliways Ventures 和 Rocketship VC,投资过 Facebook、Lyft 等众多公司。

作为学者,他主要研究数据库系统、Web 和社交媒体,他的研究论文在学术会议上获得了多个奖项,他在 2012 年被《快公司》杂志列入“商界最具创造力 100 人”。

Jeffrey Ullman杰弗里·厄尔曼

计算机科学家,美国国家工程院院士,2020 年图灵奖得主。

早年在贝尔实验室工作,之后任教于普林斯顿大学,十年后加入斯坦福大学直至退休,一生的科研、著书和育人成果卓著。

他是 ACM 会员,曾获 SIGMOD 创新奖、高德纳奖、冯诺依曼奖等多项科研大奖;合著有“龙书”《编译原理》、数据库名著《数据库系统实现》等多部经典著作。

Ullman 培养了很多了不起的学生,其中包括谷歌联合创始人 Sergey Brin,本书第二作者也是他的得意弟子。目前担任 Gradiance 公司 CEO。

王斌博士
小米 AI 实验室主任,NLP 首席科学家。中国中文信息学会理事,《中文信息学报》编委。

加入小米公司之前,是中科院研究员、博导及中科院大学教授。译有《信息检索导论》《大数据:互联网大规模数据挖掘与分布式处理》和《机器学习实战》等书。

王达侃
优刻得 AI 部门负责人,曾任 WeWork Research & Applied Science  中国区负责人,并曾在 LinkedIn、Twitter 和微软亚洲研究院负责 AI 以及大数据方向的研发工作。

硕士毕业于斯坦福大学计算机系,本科毕业于上海交通大学 ACM 班。

国内外读者好评

| Amazon 读者

斯坦福大学“海量数据挖掘”公开课课参考书

我买这本书是为了参加斯坦福大学 MMDS 的在线课程,但后来决定全面阅读这本书(课程不包括一些高级主题)。这本书的内容是非常容易理解的。例如,在第 5 章中,作者介绍了 PageRank 算法,不同于一般书通过概率和线性代数(马尔科夫链和特征向量)来介绍它,他们稍微介绍了一下理论,之后提供了许多例子,所以这本书的实用性深得我心。概率论和线性代数方面的知识会有帮助,但不强求,不过知道一些非常基本的概念,如矩阵乘法等是必需的。

这本书涵盖的主题相当广泛,从 MapReduce 和位置敏感哈希(LSH),再到图和大规模机器学习算法。朋友们,值得拥有。

数据挖掘就看这本书(某大学教授)

这本书是我在数据挖掘方法方面的首选参考书。名声在外的作者团队们对于自己的写作主题门儿清。这些材料来自于作者所教授的几门斯坦福大学计算机科学课程。就第 3 版而言,写作清晰、简洁,无重大错误。

本书涵盖了许多最常用的数据挖掘方法的理论和实践方面。作者不仅讨论了这些算法如何工作的理论,还对其局限性和常见的失败进行了深入探讨。

我把这本书作为我教授的课程的补充教材。该书的处理水平适合高级本科生和初级研究生。

| 豆瓣读者

真正讲大数据处理思路的书

最好的数据挖掘图书之一 

回到图书

作者:Jure Leskovec,Anand Rajaraman,Jeffrey Ullman

译者:王斌 , 王达侃

| 图书特色

  • 当今 AI 领域最知名的学者之一Jure Leskovec、2020 年图灵奖得主 Jeffrey Ullman 及弟子作品

  • 国内知名 NLP 专家王斌、AI 青年学者王达侃执笔翻译

  • “数据挖掘全景式入门参考书”,源自斯坦福大学公开课“CS246:海量数据挖掘”“CS224W:图机器学习”和“CS341:项目实战课”

  • 配套资源丰富,包括开源英文原书 PDF、PPT、视频讲解

本书源自斯坦福大学公开课“CS246:海量数据挖掘”“CS224W:图机器学习”和“CS341:项目实战课”,主要关注极大规模数据的挖掘。书中包括分布式文件系统、相似性搜索、搜索引擎技术、频繁项集挖掘、聚类算法、广告管理及推荐系统、社会网络图挖掘和大规模机器学习等主要内容。第3版新增了决策树、神经网络和深度学习等内容。几乎每节都有对应的习题,以此来巩固所讲解的内容。读者还可以从网上获取相关拓展资料。

数据挖掘是数据时代的一项必杀技

这本书可以带你入门

赠 书 福 利

你的工作跟数据有关吗?大部分工作时间耗费在了什么地方?

你是否学习过数据挖掘,有什么难点?

评论区挑选 2 位用户, 每人送出《斯坦福数据挖掘教程(第3版)》1 本。

活动截止时间:2021 年 5 月 6 日 12:00 。

推 荐 阅 读

《2020 年图灵奖得主 Ullman :做开源电子书,让肯掏钱买书的老实人免费读》

图 灵 社 群


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://nwjs.net/news/141842.html

如若内容造成侵权/违法违规/事实不符,请联系七分地网进行投诉反馈,一经查实,立即删除!

相关文章

智源唐杰主编的IEEE Transactions on Big Data期刊被SCI收录 | AI日报

智源唐杰主编的IEEE Transactions on Big Data期刊被SCI收录今日,IEEE Transactions on Big Data (简称:IEEE TBD)被SCI收录。IEEE TBD成立背景:随着人类社会进入数字化时代,产生的数据也在爆发式增长,这些…

Python 工匠:在边界处思考

这是 “Python 工匠”系列的第 15 篇文章。[点击原文链接查看所有]2016 年,Linux 操作系统的创造者 Linus Torvalds 参加了一场 TED 访谈节目[1]。整个节目的前半部分,主要是他在讲如何在家光着膀子写出 Linux 的故事,没有涉及太多编程相关的…

ImageNet的top-1终于上了90%,网友质疑:用额外数据集还不公开,让人怎么信服?...

转载自:机器之心近日,谷歌大脑研究科学家、AutoML 鼻祖 Quoc Le 发文表示,他们提出了一种新的半监督学习方法,可以将模型在 ImageNet 上的 top-1 准确率提升到 90.2%,与之前的 SOTA 相比实现了 1.6% 的性能提升。这一成…

《Adobe Acrobat DC经典教程》—第1章1.11节在阅读模式下查看PDF文件

本节书摘来自异步社区《Adobe Acrobat DC经典教程》一书中的第1章1.11节在阅读模式下查看PDF文件,作者【美】Lisa Fridsma(丽莎 弗里斯玛) , Brie Gyncild(布里 根希尔德),更多章节内容可以访问云栖社区“异步社区”公…

opencv python 多帧降噪算法_防抖技术 | OpenCV实现视频稳流

在这篇文章中,我们将学习如何使用OpenCV库中的点特征匹配技术来实现一个简单的视频稳定器。我们将讨论算法并且会分享代码(python和C版),以使用这种方法在OpenCV中设计一个简单的稳定器。 视频中低频摄像机运动的例子 视频防抖是指用于减少摄像机运动对…

被嫌弃的贝叶斯派的逆袭

多数人第一次听说贝叶斯定理应该是在中学课堂上。那个公式看起来并不复杂,在一众花里胡哨的考点中显得平平无奇。但是很快,我们就知道了什么叫深藏不露。从高校教材到研究实战,贝叶斯这三个字频繁地出现在信息科学的重要议题中,它…

ICLR 2021论文接收统计出炉!Top20 机构,国内仅清华在榜!

转载自:AI科技评论ICLR 2021于前些天正式放榜,本次ICLR 2021一共有2997篇有效论文投稿,最后一共860篇被接收,录取率达到了28.7%,相比去年的26.5%有提升,与其他一些AI顶会大幅降低接收率相比,ICL…

为什么 Linux 和 macOS 不需要碎片整理

为什么这么设计(Why’s THE Design)是一系列关于计算机领域中程序设计决策的文章,我们在这个系列的每一篇文章中都会提出一个具体的问题并从不同的角度讨论这种设计的优缺点、对具体实现造成的影响。如果你有想要了解的问题,可以在…

GPT「高仿」问世:GPT-Neo,最大可达GPT-3大小,已开源 | AI日报

GPT“高仿”问世:GPT-Neo,最大可达GPT-3大小,已开源近日,有个名叫 EleutherAI的团队(创始成员为:Connor Leahy,Leo Gao和Sid Black),宣布推出GPT-Neo开源项目&#xff0c…

Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images

下面内容来自智源研究院CVPR2021预讲华为诺亚专场 1、深度学习的图像去噪方法面临的挑战 当前方法主要包括三类: 基于监督学习的方法:使用 noisy-clean 图像对进行训练(DnCNN, FFDNet, CBDNet, SGNet)。这类方法的难点在于&…

《Pro/ENGINEER野火版5.0从入门到精通》——1.3 体验Pro/E野火版5.0

本节书摘来自异步社区《Pro/ENGINEER野火版5.0从入门到精通》一书中的第1章,第1.3节,作者 暴风创新科技,更多章节内容可以访问云栖社区“异步社区”公众号查看。 1.3 体验Pro/E野火版5.0 Pro/E野火版5.0与其他软件类似,操作程序时…

CVPR 2021评审出炉,评审员奇葩意见遭热议 | AI日报

CVPR 2021评审出炉,评审员奇葩意见遭热议1月18日,CVPR 2021的评审结果出炉。根据CVPR 2021 程序主席、FAIR研究科学家Georgia Gkioxari近日在推特上的发文数据:今年共有7015篇有效提交论文,每篇论文都至少有3个评审结果&#xff0…

书评 | 9 年码龄工程师读 Android 经典

作为一个码龄 9 年的 Android 开发工程师,因业界大前端趋势,从18 年开始更多的时间专注在 React Native 上,Android 相关新技术日渐生疏了。Kotlin 和 Jetpack 等新技术一直缺乏上手了解的机会,是时候通过一本书体系化地了解一下相…

stylegan2 示例命令fused_bias_act.cu环境配置异常(无法打开包括文件: “tensorflow/core/framework/op.h”

在python运行stylegan2示例时,运行过程中,触发fused_bias_act.cu中的异常,可以看到fused_bias_act.cu中实际上是用c/c写的实现代码. 仔细看异常信息会发现这句话 无法打开包括文件: “tensorflow/core/framework/op.h”: 解决策略 1.首先确保你安装了c/c工具集,版本号可以有些…

中科院计算所沈华伟:GNN发展简史,诟病才是成长动力

文:周寅张皓图神经网络(Graph Neural Network)的应用在近年来蓬勃发展,但同时对其质疑也从未消失。诸如对与大规模图数据的存储问题,表达能力问题,以及数据集的规范问题引发了许多讨论。中科院计算所沈华伟…

赠书活动 | 数据挖掘经典入门

赠书活动在 AINLP 公众号。这本书相当受欢迎(前两个版本累计销量超过 5 万册),尤其是受学校青睐——在此也说声抱歉,出于出版时间的原因,很多学校依然采用了旧版作为教材;同时也请知悉,新版已上…

《C语言编程初学者指南》一2.9 理解运算符优先级

本节书摘来自异步社区《C语言编程初学者指南》一书中的第2章,第2.9节,作者【美】Keith Davenport(达文波特) , M1ichael Vine(维恩),更多章节内容可以访问云栖社区“异步社区”公众号查看 2.9 …

产品开发的 11 宗罪

题图 | created by freepik最近图灵君在翻看一本比较小众的书:《硬件产品设计与开发:从原型到交付》,没成想翻开前言和第 1 章都很惊艳,尤其是第 1 章总结的《产品开发的 11 宗罪》,真的让我受益匪浅。因为这篇文章总结…

盘点:2020 年机器学习 10 大进展

转载自:机器之心2020 年因为新冠疫情,很多人不得不在家工作和学习,大量人工智能学术会议也转为线上。不过在去年我们仍然看到了很多 AI 技术领域的进展。DeepMind 研究科学家 Sebastian Ruder 近日帮我们对去年的机器学习社区进行了一番总结。…

《精通自动化测试框架设计》—第1章 1.3节五天太久,还能压缩吗

本节书摘来自异步社区《精通自动化测试框架设计》一书中的第1章,第1.3节五天太久,还能压缩吗,作者陈冬严 , 邵杰明 , 王东刚 , 蒋涛,更多章节内容可以访问云栖社区“异步社区”公众号查看。 1.3 五天太久,还能压缩吗两…