Julia 데이터 과학 및 과학 컴퓨팅
- 대만 Julia 서적 구글자동번역
- https://www.wunan.com.tw/bookdetail?NO=14622 (자동번역 잘 안되어 여기 위키에 복사붙여놓음)
저자 : 뒤 유에 후아 , 후 Xiaowei
출판사 : Wunan
게재일 : 2019/12/01 (1 판 1 브러쉬)
ISBN : 978-957-763-731-4
ISBN : 1HAH
페이지 : 336
공개 번호 : 20K
가격 : 480 위안
우대 가격 : 379 원
Microsoft의 가장 귀중한 전문가 Sun Yufeng R 커뮤니티 호스트 링크드 인 빅 데이터 디렉터
구글, 페이스 북, IBM, 미국 연방 항공국 등 세계적으로 유명한 회사의 개발자들이 사용하고 있습니다! 최고의 마스터와 함께하고 배우기 쉬운 Julia를 배우십시오. 실리콘 밸리로 이사하는 것은 꿈이 아닙니다! 줄리아에서 인기있는 "줄리아 프로그래밍"책 저자와 인기 강사의 최신 걸작! 기계 학습, 데이터 분석 및 의사 결정과 같은 인기 주제를 포함하여 내용이 풍부한 대만 최초의 Julia 고급 교과서를 사용합니다.
세계에서 가장 유망한 프로그래밍 언어의 새로운 이민자 인 프로그래밍 언어의 새로운 여신을 계속 추격하십시오! 페이스 북 인공 지능 연구소의 이사이자 뉴욕 대학교 교수 인 LeCun은“딥 러닝은 파이썬보다 더 유연한 프로그래밍 언어를 요구합니다.”라고 Julia는 말합니다. 그리고 Julia는 장점이없고, 간결하며, 빠르고 사용하기 쉬워 많은 가능성을 가지고 있습니다. 미래에 가장 인기있는 프로그래밍 언어가 되었기 때문에 트렌드를 맹목적으로 잡는 대신 Julia 배우기를 시작으로 트렌드의 최전선을 마스터하는 것이 좋습니다.
여신을 정복하는 두 번째 단계는 가능한 빨리 가입하는 것이 좋습니다
♡이 책은 Julia 프로그래밍의 기초가 있고 데이터 과학, 기계 학습 또는 과학 컴퓨팅과 같은 고급 분야에 대해 더 깊이 알고 싶어하는 사람들에게 적합합니다. ♡ "줄리아 프로그래밍 (Julia Programming)"의 매우 직관적 인 단계별 교육을 계속하면 데이터 과학 홀에 함께 행진하는 법을 배울 수 있습니다! ♡ 저자는 Julia를 가르치는 데 매우 풍부한 경험을 가지고 있으며 초보자의 어려움을 완전히 이해합니다. ♡ 프로그램 교육 외에도 데이터 과학 분야에 필요한 배경 지식을 전달하여 데이터 활용 능력을 1 초만에 향상시킵니다.
이 책은 데이터의 관점에서 소개되었으며, 데이터 처리에 적용될 기본 데이터 분석 및 통계 관련 지식과 방법을 소개합니다. 장난감 데이터의 데모와 함께 독자는 데이터 및 구현을 통해 데이터 과학의 흥미로운 측면을 경험할 수 있습니다. 후반에는 기본 과학 운영 및 기계 학습 응용 프로그램이 도입됩니다. 마지막으로 CUDA를 사용하여 최적화 방법과 관련 작업을 소개합니다. Julia는 데이터 과학을 위해 태어났습니다.
뒤 웨화 杜岳華
Julia Taiwan 설립자 Yangming University 생의학 정보 석사, Cheng Kung University 의료 실험실 생명 공학 및 정보 공학과의 이중 전공, ITRI 인재 교육 연구소의 기계 학습 과정 강사. 수학, 컴퓨터 과학 및 자연 과학에 대한 열정 나는 전산 생물 학자이자 오픈 소스 소프트웨어의 기여자가되기를 희망합니다.
후 샤오 웨이 胡筱薇
Christian, Central University, Data Management 박사, 미국 Purdue University, Cranat School of Management의 방문 학자, 현재 Soochow University of Mass Data Management의 부교수, 대만 인공 지능 학교 강사 머신 러닝, 데이터 탐색, 소셜 네트워킹 및 스마트 커머스가 주요 연구 프로젝트이며, 최근에는 기업이 데이터 팀을 구축하고 데이터 과학 인재를 양성하도록 지원하기 위해 노력해 왔습니다.
권장 서문
작성자 서문
작성자 서문 2
1 부 데이터 과학의 기초
1 장. 데이터 과학 소개
2 장. 데이터 활용
3 장. 데이터 이해
4 장. 데이터 살펴보기
5 장. 데이터 변환 및 계산
6 장. 데이터 의 의미 이해
2 부 데이터에서 모델로
7 장. 추가 데이터 처리
8 장. 데이터로 의사 결정
9 장. 과학 운영 : 알려진 관계에서 챕터 해결
10 장. 기계 학습 : 노이즈 데이터와의 관계 설정
3 부 고급 방법
11 장 모델 최적화 방법
12 장. CUDA 프로그래밍
다양한 소프트웨어와 거의 분리 할 수없는이 시대의 일상 생활에서 학습 프로그램의 물결이 전개되고 있으며 프로그램을 배우는 가장 좋은 방법 중 하나는 기술 커뮤니티에 참여하는 것입니다. 다양한 커뮤니티에서 종종 개최되는 다양한 프로그램 외에도 교육 및 공유 외에도 기술 개발자와 의사 소통 할 수있는 기회를 통해 사람들이 가장 많이 배울 수 있습니다. Yue Hua가 시작한 Julia Taiwan은 대만의 대부분의 기술 커뮤니티와 비교하여 많은 커뮤니티 활동을 호스팅하고 참여한 후 특별한 친밀감을 가지고 있습니다. 대만 R 사용자 그룹과 마찬가지로 응용 프로그램 및 초기 사용자 구성 분야에서 다른 프로그래밍 언어보다 훨씬 다양하고 덜 "산업 공학"되기 때문에 수초 대학교에서도 마찬가지입니다. 데이터 과학 분야에서 방대한 양의 데이터 및 인재 교육을 적극적으로 추진하는 Xiao Wei 교사는 정보 과학부 학생들이 데이터 과학의 가치를 이해하도록 이끌었습니다. 이러한 열정과 전문성으로 태어난이 교재는 Julia Programming : New Generation of Data Science and Numerical Computational Language의 장점을 계속 유지할 수 있으며, 신흥 언어 인 Julia를 배우는 최고의 도구가되었습니다. 이 책은 데이터 과학, 변형 및 계산에 대한 소개, 추가 데이터 처리, 의사 결정, 과학 컴퓨팅 및 최근 인기 주제 인 "기계 학습"에 대한 포괄적 인 내용을 담고 있습니다. Julia "Python과 같은 프로그래밍, C와 같은 컴퓨팅 성능"을 경험해 보자!
대만 R 사용자 그룹 커뮤니티 중재자 Microsoft 가장 귀중한 전문가 MoMagic 수석 데이터 과학자 선유 펭
산업 시대의 과학적 토대는 결정적이고 예측 가능한 메커니즘을 강조합니다. 그러나 20 세기 초부터 우리는 산업 시대부터 정보 기술 시대로 점차 진입 한 후 정보 기술 시대 (IT에서 DT로)에 들어 섰습니다. 본질적으로, 전통적인 메카니즘 방법이 여전히 문제를 해결하기 위해 사용된다면, 그것은 다양한 제한에 직면 할뿐만 아니라인지 적 편향도 발생할 수 있습니다. DT 시대의 가장 중요한 특징은 무엇입니까? 당신은 컴퓨터, 스마트 기기, 메시지 과부하, 빅 데이터, 인공 지능 등을 말할 수 있습니다. 이것들은 괜찮지 만 이것들은 모두 모습입니다! 실제로 DT 시대의 가장 큰 특징은 불확실성입니다. 산업 시대의 과학적 토대가 결정론적이고 예측 가능한 메커니즘을 강조한다면, DT 시대의 과학적 토대는 불확실성 정보 이론을 강조합니다. 정보 이론은 인류가 지난 반세기 동안 불확실성과 싸울 수있는 가장 중요하고 효과적인 방법론입니다. Wu Jun 선생 인 Tencent의 전 부사장이자 Google 연구원 인 Wu Jun 박사는“오늘날의 사람들은 몇 가지 끊임없는 법칙을 습득함으로써 더 이상 일생 동안 일할 수 없다. 법으로 모든 문제를 해결할 수있는 표준과 표준 답변으로 사람들이 한 번에 사라질 수 있습니다. 예를 들어, 오늘날 많은 대학생들이 대학원 공부를 계속해야할지, 아니면 직장에 가야할지 모르겠습니다. 어떤 종류의 직업을 선택해야합니까 캠퍼스에서의 교육 경험이 점차 사라지고있는 것 같습니다. 불확실성. 청소년 연구와 졸업의 불확실성 외에도 오늘날의 불확실성은 우리 세대의 삶과 이전 세대의 부모의 삶에 비해 훨씬 크다는 것을 인정해야합니다. 재무 관리를 예로 들어 보겠습니다. 이전 세대의 부모는 은행에 돈을 입금하기 만하면이자를 얻을 수 있지만 수익은 확실하지 않지만 오늘날에는 이것이 좋은 습관이 아니며 어느 곳에서나 투자하는 것이 매우 불확실 해 보입니다. 물론 어떤 사람들은 과거도 바뀌 었다고 말할 것입니다. 그러나 뉴턴 시대에 나타나는 변화는 연속적이며 오늘날은 종종 불연속 적이거나 급격한 변화입니다. 불확실성은 점프 변화와 결합하여 모든 사람들이 불안감을 느끼게합니다.
그렇다면 불확실성을 다루는 방법은 무엇입니까? 20 세기 초의 확률 이론과 통계의 성숙으로 인해 사람들은 무작위성을 파악할 수있었습니다. 1948 년에 또 다른 과학적 천재 인 클로드 섀넌 (Claude Shannon)은 "통신의 수학적 원리"라는 논문을 출판했습니다. 오늘날 우리가 자주 말하는 빅 데이터 사고의 과학적 기초는 정보 이론입니다. 우리는 당신이 알지 못하는 블랙 박스의 경우, 상태를 이해하기 위해 정보가 필요하다는 것을 알고 있습니다. 이것은 정보 이론의 가장 기본적인 아이디어입니다. 보다 전문적인 용어로 불확실성을 제거한다고합니다. 오늘날 인공 지능은 화제가되고 있으며 실제로 불확실성을 없애기 위해 더 많은 정보를 사용하고 있습니다. 컴퓨터 지능은 어떻게 생깁니 까? 그 메커니즘은 인간의 지능과 관련이 없습니다.
실제로 오늘날 컴퓨터는 데이터를 사용하여 불확실성을 제거 할 수있는 문제에 대해서만 인간보다 성능이 뛰어납니다. 예를 들어, "Go"라는 익숙한 응용 프로그램은 최대 361 포인트의 컴퓨터 위치를 선택하기 위해 361을 선택하는 문제입니다. 음성 인식의 경우 여러 발음 단어 중 하나입니다. 얼굴 인식을하려면 수백만의 사람들의 얼굴 중에서 가장 유사한 얼굴을 선택하십시오. 뉴스 추천에 관해서는 여러 뉴스의 흥미로운 뉴스와도 일치합니다. 이러한 문제에 대한 답은 실제로 정보 이론에서 파생됩니다. 1970 년대와 1980 년대에 정보 이론 전문가 인 Frederick Jelinek과 그의 동료들은 인공 지능 문제를 해결하기위한 데이터 중심의 접근 방식을 제안했으며 음성 인식, 번역 언어 및 기타 분야에서 큰 성공을 거두었습니다.
Claude Shannon 박사는 불확실성과 정보의 관계를 발견 한 후 불확실성에 직면하여 인간을위한 방법론을 찾았습니다. 불확실성을 제거하기 위해 정보를 사용하는 것이 DT 시대에서 가장 중요한 방법입니다. 데이터 과학에서 가장 중요한 이론 중 하나 인 오늘날 우리가 이야기하는 빅 데이터 사고는 본질적으로이 방법론의 적용입니다. 이를 바탕으로 역사를 되돌아 보면 숫자와 단어의 탄생은 실제로 정보를 인코딩하는 과정이라는 것을 알 수 있습니다. 오늘날 불확실성의 시대에 여러 메시지에 직면 할 때 실제로는 우리가 필요로하는 것은 데이터 과학의 핵심 인 다양한 차원의 정보와 최적화 방법의 조합을 효과적으로 찾는 것입니다.
- https://www.books.com.tw/products/0010841749 에서 서문 가져옴 (자동번역 잘 되는 페이지)
저자 Xu Yi
Du Yuehua
최근 몇 년 동안 데이터 과학과 인공 지능이 중요해졌습니다. 심층 학습에는 이미지 인식의 정확성 개선 및 Go 분야의 컴퓨터 게임 진행 등 주요 혁신이 있습니다. 이 광선을 통해 모든 사람이 데이터 분석 및 모델링에 시선을 집중시킬 수 있습니다. 대조적으로, 전통적인 과학 컴퓨팅과 통계 모델링에 대해 이야기하는 사람은 상대적으로 적지 만 기술의 지속적인 발전입니다.
컴퓨터 컴퓨팅 성능의 향상과 소프트웨어 및 네트워크 기술의 통합 및 대중화로 인해 전통적인 과학 컴퓨팅 및 데이터 과학은 수치 컴퓨팅의 기본 기술에 의존합니다. 현대의 수학자들은 근사 이론과 관련 수치 방법을 확립했으며 오늘날의 딥 러닝 모델은 기울기 기반 최적화 방법에 크게 의존합니다. 컴퓨터의 진화는 실제로 과학적 컴퓨팅을 따랐으며, 컴퓨터가 만들어지기 전에 차등 분석 기계가 실제로 만들어졌습니다. 그러나 세계 최초의 고급 프로그래밍 언어 인 포트란 (Fortran)도 수치 계산 목적으로 설계되었습니다.
이론 과학자들은 미분 방정식의 수치 방법을 풀기 위해 초기 값 문제에 크게 의존합니다. 수치 분석법은 물리 시뮬레이션, 통계 모델링 및 기계 학습에 널리 사용됩니다. 수치 방법의 구현은 행렬 연산과 분리 될 수 없습니다. 대부분의 수치 방법은 행렬 연산의 형태로 작성되며 가속을 위해 컴퓨팅 코어의 단일 명령 다중 데이터 모드에 더 의존 할 수 있습니다. 대량의 데이터 계산도 배열 형식으로 표시되므로 대량의 데이터 스트림을 처리 할 때 가속화 할 수 있습니다. 데이터 분석에는 이러한 컴퓨팅 기반이 있으며 머신 러닝 또는 딥 러닝 모델과 결합하여 오늘날의 영광을 누릴 수 있습니다.
이 책은 Julia 프로그래밍 경험이 거의없고 데이터 과학, 기계 학습 또는 과학 컴퓨팅 분야에서 발전하고자하는 모든 사람을 대상으로합니다. 이 책은 데이터의 관점에서 기본 데이터 분석 및 통계 관련 지식을 소개합니다. 또한이 책에서는 데이터 처리 방법에 대해 언급 할 것입니다. 이 책은 장난감 데이터에 대한 데모를 포함하고 있으며 독자가 데이터와 구현을 통해 데이터 과학의 재미를 경험할 수 있기를 바랍니다. 후반에는 기본 과학 운영 및 기계 학습 응용 프로그램이 도입됩니다. 마지막으로,이 책의 11 장에서는 최적화 방법을 소개하고 12 장에서는 CUDA를 사용하여 관련된 일련의 작업을 소개합니다.
약간의 지식을 통합하여이 책을 작성하기위한 제안을 해준 좋은 친구에게 특별한 감사를 전하며 일부 프로그램 운영은 더 이상 엄격한 명령이 아닙니다.
Xiaowei Hu
저의 반 친구들이 캠퍼스에서 가장 일반적인 질문 중 하나 는 "교사, 어떤 프로그래밍 언어를 더 잘 배워야합니까? R, Julia 또는 Python입니까?"라고 대답합니다. 선택에 중점을 두는 것이 아니라 선택 후 모든 시도, 연구, 지속성, 획기적인 발전 및 개선이이 과정에서 축적 된 힘은 추구해야 할 것입니다. 학생들에게보다 다양한 학습 분야를 제공하고 학습 동기를 부여하기 위해 데이터 랩을 설립하고 실제 프로젝트 프로젝트를 통해 데이터 과학 인재를 양성하기 위해 회사와 장기적인 협력 관계를 유지하고 있으며 관련 과정을 제공하고 정기적으로 운동을합니다. 학생들의 기본 능력, 우연의 일치, 나는이 책의 다른 저자 인 Du Yuehua를 만났습니다 Yue Hua는 저에게 깊은 인상을주었습니다. 나는 아이디어, 재능, 열정, 능력, 이상을 고수하고 실천하는 것입니다. 젊은이들의 행동에 그는 한 번 더 많은 사람들이 줄리아의 언어를 알기를 희망하며 국제 줄리아 공동체에서 대만의 가시성이 향상되기를 바랍니다. 나는 그것에 매우 감동했고 피를 blood 다! 그래서 우리는 데이터 연구소에서 Julia 프로그래밍 언어 코스를 시작한 후 더 많은 중국 사용자가 데이터 과학 언어 인 Julia에서이 새로운 스타를 인식 할 수 있도록이 책을 썼습니다.
이 시대의 학습은 과거와 매우 다릅니다. 새로운 지식과 새로운 기술이 넘쳐납니다. 사람들이 최근 몇 년간 자주 이야기하는 IoT, Big Data, ML, AI 및 Blockchain과 마찬가지로 아무도 분명하지 않은 것 같습니다. 그리고 그것들이 무엇인지 명확하게 말해줍니까? 교과서도없고 결론도 없습니다.이 모든 것이 여전히 발전하고 발전하고 있기는하지만, 과거의 학습 태도와 방법을 계속 사용한다면,이 시대에 발 맞추어 이러한 경향을 극복 할 수 있어야한다는 것은 매우 어려운 일입니다. 어떻게 대응할까요? 결정 론적 지식이 줄어들고 있으므로 열린 마음과 마음을 유지하십시오! 우리가 세상에 대해 더 많이 생각할 때, 당신의 미래는 끝없는 가능성으로 가득합니다.
마지막으로, 나는 Ratatouille의 고전적인 라인을 인용하고 다양한 분야의 친구들을 격려하기 위해 약간 수정합니다. "모든 사람이 훌륭한 데이터 과학자가 될 수있는 것은 아니지만 훌륭한 데이터 과학자가 어디에서나 올 수 있습니다."
진심으로 축복합니다!