机读格式显示(MARC)

• 000 02097nam 2200349 450

• 001 0000531973

• 005 20200916090800.0

• 010 __ |a 978-7-111-64368-5 |d CNY79.00

• 100 __ |a 20200418d2020 em y0chiy0110 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 社交媒体数据挖掘与分析 |A she jiao mei ti shu ju wa jue yu fen xi |d = Social media data mining and analytics |f (美)加博尔·萨博(Gabor Szabo), 格尔·波拉特坎(Gungor Polatkan), P. 奥斯卡·柏金(P. Oscar Boykin)... [等] 著 |g 李凯, 吕天阳译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2020

• 215 __ |a xix, 219页 |c 图 |d 26cm

• 225 2_ |a 数据科学与工程技术丛书 |A shu ju ke xue yu gong cheng ji shu cong shu

• 304 __ |a 题名页题: 加博尔·萨博, 格尔·波拉特坎, P. 奥斯卡·柏金, 安东尼奥斯·查基奥普洛斯著

• 306 __ |a 本书中文简体字版由约翰·威利父子公司授权机械工业出版社独家出版

• 314 __ |a 加博尔·萨博, Tesla的高级软件工程师, 曾作为数据科学家任职于Twitter。格尔·波拉特坎, 机器学习专家和工程领导者, 参与构建了Linkedln和Twitter的服务于个性化内容的大规模分布式数据管道。P. 奥斯卡·柏金, Stripe的软件工程师, 从事机器学习基础设施的建设工作。

• 330 __ |a 全书共7章, 第1章介绍典型用户在社交媒体服务上的行为及其在不同服务中的普遍相似性; 第2章主要讨论创造了社交网络的用户之间的连接; 第3章主要探讨时间在社交系统中所扮演的角色, 并且介绍帮助你理解其作用的工具; 第4章回顾自然语言处理技术; 第5章介绍分析大型数据集的挑战; 第6章展示如何用机器学习技术预测人们喜欢哪类电影, 并对预测结果进行评估; 第7章由浅入深地分析全书中用于分析不同问题的通用统计模式, 以及如何使用类似的分析技术去理解它们。

• 461 _0 |1 2001 |a 数据科学与工程技术丛书

• 510 1_ |a Social media data mining and analytics |z eng

• 606 0_ |a 互联网络 |A hu lian wang luo |x 传播媒介 |x 数据处理 |x 研究

• 690 __ |a TP274 |v 5

• 701 _1 |c (美) |a 萨博 |A sa bo |c (Szabo, Gabor) |4 著

• 701 _1 |c (美) |a 波拉特坎 |A bo la te kan |c (Polatkan, Gungor) |4 著

• 701 _1 |c (美) |a 柏金 |A bo jin |c (Boykin, P. Oscar) |4 著

• 702 _0 |a 李凯 |A li kai |4 译

• 702 _0 |a 吕天阳 |A lv tian yang |4 译

• 801 _0 |a CN |b LIB |c 20200912

• 905 __ |a LIB |d TP274/337