福利!50+Springer Nature计算机经典图书免费下载!
浏览量: 942
时间: 2020-06-26 02:59
关键词: 计算机,数据挖掘,深度学习
为应对新型冠状病毒疫情对全球教育带来的冲击,施普林格•自然(Springer Nature)近日推出了一项全球方案,免费开放500多册重点教材。这些教材涵盖了施普林格•自然电子图书的各个学科系列,开放时间至少持续到今年7月底。本次免费开放教科书单中,涵盖计算机科学领域超过50余册经典教材。
本次为大家介绍其中6本图书,感兴趣的话,欢迎大家扫码或访问以下链接获取完整书单:
扫码进入计算机科学前沿专题
获取50+免费教科书
01 数据挖掘 (Data Mining)
作者:Charu C. Aggarwal
扫码或访问链接进入图书主页
全书限时免费下载这本教科书探讨了数据挖掘的各个研究领域,从基础到复杂的数据类型及其应用,对数据挖掘中的研究问题进行总结分析。它不仅仅关注了传统数据挖掘问题,更是引入了包括文本数据,时间序列,离散序列,空间数据,图形数据和社交网络等在内高级数据类型。到目前为止,还没有一本书以如此全面和综合的方式解决了上述主题。
本书适合作为入门级或高级数据挖掘课程的教材,在内容上平衡了对数学基础和直观知识的讲解。它包含了教师和研究人员所需具备的数学细节,同时通过简单直观的呈现方式来提高学生和工业从业人员(包括那些数学背景有限的人)的可读性性。书中包含了大量的插图,案例和练习,并着重对案例进行语义可解释性分析。
关键词:聚类分析、数据分析、数据应用、数据挖掘、数据流、频繁模式挖掘、图形挖掘、离群分析、隐私保护数据挖掘、序列挖掘、社交网络、空间数据挖掘、文本挖掘、时间序列分析、Web挖掘
在我阅读这本书的过程中,我就已经决定在课堂上使用它。这是一本由杰出研究人员所撰写的书,他以高度可读性的方式展现了数据挖掘中的最新成果,为这个领域做出了重要贡献。本书配有丰富的理论和实际案例,是每个学生和教师都必不可少的!
——杨强,香港科技大学计算机科学与工程系系主任
02 深度学习入门 (Introduction to Deep Learning)
作者:Sandro Skansi
扫码或访问链接进入图书主页
全书限时免费下载这本教科书对深度学习进行简要介绍,内容丰富,引人入胜,并提供了代表当前最新技术的各种连接主义模型。本文以简单直观的方式探讨了最受欢迎的算法和体系结构,并使用数学推导进行逐步解释。内容上涵盖了卷积神经网络,LSTM,Word2vec,RBM,DBN,神经图灵机,记忆网络和自动编码器。这本书还提供了许多用Python代码实现的案例,代码已在相关网站上提供。
关键词:深度学习、神经网络、模式识别、自然语言处理、自动编码器
介绍了机器学习的基础知识以及入门深度学习所需具备的数学和计算能力;探讨前馈神经网络,并整理了神经网络的通用改进方式;介绍了卷积神经网络,以及前馈神经网络的递归连接方式;描述了分布式表征和自动编码器的概念,以及深度学习自然语言处理背后的思想;展示人工智能和神经网络的简要历史,并回顾深度学习和连接主义中有趣的开放性研究问题。
这本关于深度学习的书生动活泼,对于计算机科学,认知科学和数学以及语言学,逻辑,哲学和心理学等领域的研究生和高年级本科生来说是必不可少的阅读材料。
03 业务流程管理基础 (Fundamentals of Business Process Management)
作者:Marlon Dumas, Marcello La Rosa, Jan Mendling, Hajo A. Reijers
扫码或访问链接进入图书主页
全书限时免费下载本书涵盖了从流程识别到流程监控的业务流程管理(BPM)的整个周期,包括了流程建模,分析,重新设计和自动化的所有过程。将来自业务管理,计算机科学和工业工程的概念,方法和工具融合成一种综合的跨学科方法。该演示使用了由对象管理小组所定义的BPMN行业标准进行说明,并得到了全球从业人员和供应商的广泛认可。
除了解释相关的概念,背景之外,本书还提供了数十个案例,230多个练习题(大部分带有解决方案)以及许多建议可供进一步阅读。与第一版相比,第二版包括了过程标识,过程发现,定性过程分析,过程重新设计,过程自动化和过程监视的扩展和修订章节。增加了将BPM作为企业功能的新章节,同时本书还扩大了范围,涵盖了BPM计划的战略调整和治理等主题。
关键词:BPM-业务流程管理、BPMN流程分析、流程自动化、流程发现、流程改进、流程智能、流程挖掘、流程建模、工作流管理系统该教科书是作者在本科生、研究生及专业培训方面多年的综合教学经验的成果,本书采用循序渐进的讲述方式,同时注重基础概念和行之有效的解决方法,商业管理及计算机科学专业的学生和专业人员都将因此而受益。授课教师可在随附网站上找到课堂专用版本及其他教学材料。
04 数据科学与预测分析 (Data Science and Predictive Analytics)
作者:Ivo D. Dinov
扫码或访问链接进入图书主页
全书限时免费下载在过去的十年中,大数据已遍及所有经济部门,科学学科和人类活动。它们导致了惊人的技术进步,并对所有人的认知产生巨大影响。然而,对于如此巨大,多源,异构,不完整,多规模和不一致的数据,我们的管理,理解,询问和解释的能力无法跟上数字信息量的迅速增长的步伐。出现这个问题的原因有如下三点:首先,数据量的增长速度远远快于我们的计算处理能力的增长速度(克莱德定律>摩尔定律)。其次,传统的学科界限阻碍了我们的快速进步。第三,我们的教育和培训活动落后于科学,信息和传播进步的发展趋势,支撑人们主动进行数据科学学习的严谨教学资源,交互式学习材料和动态培训环境很少。这本书对数学基础,演示,数据,工具,模块和工作流都进行一定篇幅介绍,这些案例,数据,工具,模块和工作流是弥合供需预测分析技能差距的重要组成部分。
关键词:大数据、R统计计算、预测分析、数据科学、健康分析、机器学习、R语言统计学习、动手学机器学习、大数据方法、数据管理、流的可视化、神经网络、控制变量选择、文本挖掘、自然语言处理、交叉验证、深度学习
这本书揭示了大数据海啸所带来的巨大机遇,旨在明确具体的知识差距,教育障碍和劳动力准备不足状况。具体来说,它着重于跨学科课程的开发,它整合了现代计算方法,先进的数据科学技术,创新的生物医学应用程序以及有效的健康分析。
这本书适合作为研究生教材,它填补了整合现代工程理念,计算算法,数学优化,统计计算和生物医学推理方面的巨大空白。大数据分析技术和预测性科学方法需要广泛的跨学科知识,吸引了极广泛的读者/学习者,并为整个学术界,工业界,监管机构和资助机构都提供了令人难以置信的参与机会。
05 Python 工具书 (The Python Workbook)
作者:Ben Stephenson
扫码或访问链接进入图书主页
全书限时免费下载其他同类教科书主要介绍入门性的编程概念,而Python Workbook遵循这样的理念:计算机编程是一种通过经验和实践而获得的最佳技能,因此这本书专注于练习。
这本书旨在支持和鼓励动手学习编程,对学生非常友好,共包含174个涵盖各种学科和日常生活场景的练习题。此外还提供了练习题的解决方案,并附有简短的注释以解释解决方案中所使用的技术或凸显Python语法的特点。除了经典Python入门编程课中所介绍的内容外,不需要其他背景知识即可解决这些练习。
关键词:计算机科学入门、多学科研究、编程、Python、软件工程
这本书采用易于理解的写作风格和循序渐进的编写顺序。包含来自于计算机科学、数学领域以及其他学科相关的练习题;大约一半练习的练习题提供了解决方案。在解决方案旁提供了注释,这些注释解释了解决方案以及Python语法的相关知识。
本书提供了不同难度与长度的练习题,包含有助于加强if语句,循环,基本函数,列表,字典,文件和递归函数开发编程技能的练习题。
对于首次参加编程课程以及希望提高自己编程能力的本科生而言,这本书提供的练习和解决方案会非常实用。
06 C++科学计算指南 (Guide to Scientific Computing in C++)
作者:Joe Pitt-Francis
Jonathan Whiteley
扫码或访问链接进入图书主页
全书限时免费下载这本简单易学的教科书/参考书为科学计算中的面向对象C ++编程提供了宝贵指南。通过一系列简洁明了的介绍,本书探讨了C++对新手程序员而言最有用的功能,使读者可以快速掌握基础知识,并在有需要时能学习那些使用较少的功能。书中提供了一种动手实践的方法,该方法强调了通过案例进行学习的好处和清晰编程风格的重要性,以最大程度地减少代码中的错误,同时提供大量的实践练习。
新版本中增加了有关软件测试以及现代C ++标准(例如C ++ 11)引入的一些新功能。
关键词:C ++编程、MPI、数值方法、面向对象的编程、并行编程、科学计算
本书在每章末尾提供练习题和编程技巧,并在相关网站上提供相应的代码。本书是各个层次程序员的“必读”书。本书并未假定读者对基础数学有深入的了解,但是如果对向量和矩阵之间的运算等概念有一定了解,以及可以使用Newton-Raphson方法求解非线性方程的根对阅读此书会有所帮助。 如您有计算机教科书出版意向或有任何图书出版疑问,欢迎联系计算机图书编辑团队。
常兰兰 博士,Springer 计算机科学执行编辑
Celine.Chang@springer.com
+86 10 83415012
访问以下链接,进入计算机热点研究页面,获取更多限时开放计算机教材及推荐期刊!50+计算机经典教材免费下载!
© 2020 Springer, part of Springer Nature.
All Rights Reserved.
往期回顾: