大数据及其在交通运输中的应用

　　●大数据技术基础理论知识：大数据的特征、分类、框架结构等。 ●Python编程基础知识：各种模块的讲解，并配以实操案例。 ●机器学习模式识别：机器学习的类型、机器学习的基础数学知识、树和随机森林算法、KNN算法、贝叶斯理论、支持向量机等模型和原理以及具体的Python代码实现。 ●深度学习基础知识及应用：深度学习的微积分基础、线性代数基础、案例详解、深度学习框架以及硬件基础、深度学习的驾驶意图应用等。 ●深度学习的交通流预测研究：交通流理论基础、交通流统计分布特性的基本理论知识、交通流数据预处理、深度学习的交通流预测等。

暂缺《大数据及其在交通运输中的应用》作者简介

第1 章　绪论0011.1　大数据概述0021.2　Python 概述0031.3　交通运输大数据概述004第2 章　Python 基础知识0072.1　变量和简单数据类型0082.2　Python 语法基础0102.3　数据可视化0202.4　数据的统计学特征0252.5　代数和符号运算问题0282.6　基本数学运算0302.7　不同类型的数字0312.8　Pandas 和NumPy 模块032第3 章　大数据基础0433.1　大数据0443.2　Hadoop 大数据平台0463.3　大数据与人工智能0503.4　探索性数据分析0513.5　相关分析和回归分析0543.6　降维数据分析056第4 章　机器学习模式识别0654.1　人工智能、机器学习和深度学习关系0664.2　机器学习基础0684.3　机器学习中的参数及拟合问题0714.4　矩阵基本知识0724.5　树和随机森林算法0764.6　KNN 算法0784.7　贝叶斯理论0784.8　支持向量机0804.9　神经网络085第5 章　深度学习基础及应用1015.1　深度学习中的微积分基础1025.2　深度学习的线性代数基础1065.3　基于Python 的神经网络案例算法详解1075.4　深度学习框架1135.5　深度学习的硬件基础1175.6　卷积神经网络算法详解1185.7　循环神经网络和长短期记忆网络1255.8　基于LSTM 的驾驶意图识别130第6 章　深度学习的交通流预测研究1396.1　交通流理论基础1406.2　交通流的统计分布特性1426.3　交通流数据预处理1446.4　交通信息获取技术1466.5　宏观交通流模型及微观交通流模型1476.6　基于深度学习的交通流预测149参考文献155