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)》

Irene181
• 阅读 1566

《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。

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)》

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。

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)》

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。

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)》

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。

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)》

(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。

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)》

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

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)》

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)

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)》

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

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)》

最好的数据挖掘图书之一

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)》

回到图书

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)》

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。

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)》

*数据挖掘是数据时代的一项必杀技
*

这本书可以带你入门

欢迎各位大佬点击链接加入群聊【helloworld开发者社区】:https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。

本文转自 https://mp.weixin.qq.com/s/7DLbWg2HjVJxJVEevl6pqA,如有侵权,请联系删除。

点赞
收藏
评论区
推荐文章
blmius blmius
2年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
Jacquelyn38 Jacquelyn38
2年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
Stella981 Stella981
2年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Wesley13 Wesley13
2年前
4cast
4castpackageloadcsv.KumarAwanish发布:2020122117:43:04.501348作者:KumarAwanish作者邮箱:awanish00@gmail.com首页:
Stella981 Stella981
2年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Wesley13 Wesley13
2年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
2年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
2个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这