西蒙·福卡特 数据科学展览上的数学图片。 （英语） Zbl 1485.68002号 剑桥：剑桥大学出版社（ISBN 978-1-316-51888-5/hbk；978-1-00-900185-4/pbk；978-1-00-900393-3/电子书）。xx，第318页。(2022). 出版商描述：本文深入全面地介绍了数据科学的数学背景，包括机器学习、优化恢复、压缩感知、优化和神经网络。在过去几十年里，大型科技公司采用的启发式方法补充了现有的科学学科，形成了数据科学的新领域。本文通过支持该领域的理论，引导读者进入一个引人入胜的旅程。总的来说，27个讲课篇幅的章节和练习提供了扎实理解数据科学关键主题所需的所有细节。虽然这本书涵盖了机器学习和优化方面的标准材料，但它还包括一些专题的独特介绍，例如再生内核希尔伯特空间、谱聚类、最佳恢复、压缩感知、组测试和半定规划的应用。数学背景较低的学生和数据科学家将欣赏附录，这些附录提供了一些更抽象概念的更多背景知识。 引用于5文件 MSC公司： 68-01 与计算机科学相关的介绍性说明（教科书、教程论文等） 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 2007年6月62日 大数据和数据科学的统计方面 68T05型 人工智能中的学习和自适应系统 68T09号 数据分析和大数据的计算方面 PDF格式BibTeX公司 XML格式引用 \textit{S.Foucart}，数据科学展览上的数学图片。剑桥：剑桥大学出版社（2022；Zbl 1485.68002） 全文： 内政部