慶祝CSIAM第六屆大數據

與人工智能科學大會召開！

“大數據與數據科學專著系列”序

數據科學到底是什么? 它對于科學技術發展、社會進步有什么特別的意義? 它有沒有獨特的內涵與研究方法論? 它與數學、統計學、計算機科學、人工智能等學科有著怎樣的關聯與區別? 它的發展規律、發展趨勢又是什么? 澄清和科學認識這些問題非常重要，特別是對于準確把握數據科學發展方向、促進以數據為基礎的科學技術與數字經濟發展、高質量培養數據科學人才等都有著極為重要而現實的意義。

“大數據與數據科學專著系列”編撰的目的是對上述系列問題提供一個“多學科認知”視角的解答。換言之，本叢書的定位是：邀請不同學科的專家學者，以專著的形式，發表對數據科學概念、方法、原理的多學科闡釋，以推動數據科學學科體系的形成，并更好地服務于當代數字經濟與社會發展。這種闡釋可以是跨學科、宏觀的，也可以是聚焦在某一科學領域、某一科學方向上對數據科學進展的深入闡述。然而，無論是哪一類選題，我們希望所出版的著作都能突出體現從傳統學科方法論到數據科學方法論的躍升，體現數據科學新思想、新觀念、新理論、新方法所帶來的新價值，體現科學的統一性和數據科學的綜合交叉性。

徐宗本

2022 年1 月

已出版圖書5種

大數據與數據科學專著系列

（按出版時間順序）

1

數據科學：它的內涵、方法、意義與發展

徐宗本，唐年勝，程學旗 著

北京：科學出版社，2021.8

ISBN 978-7-03-069288-7

大數據的迅猛發展促使數據科學正在成為一門學科。人們普遍認為：大數據發展催生了數據科學，而數據科學承載著大數據發展的未來。為推動數據科學這樣的新學科快速發展，叢書開篇推出《數據科學 ：它的內容、方法、意義與發展》。

《數據科學：它的內容、方法、意義與發展》是在 “數據科學發展戰略” 研究課題組歷時五年形成的 “數據科學發展戰略報告” 基礎上擴充而成的。該課題組由中國科學院信息技術科學部與國家自然科學基金委員會數學物理科學部聯合組建，這部論著則全面涵蓋了數據科學的內涵、方法、歷史、意義、方法論、發展趨勢、學科邊界、核心科技問題及人才培養方案等內容，是一部具有綜合性的學術著作。

2

機器學習中的交替方向乘子法

林宙辰，李歡，方聰著

北京：科學出版社，2023.2

ISBN 978-7-03-074758-7

使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優化算法常被用于訓練模型的參數，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優化問題或帶約束優化問題，約束可以為模型增加更多的先驗知識。基于梯度的算法 (例如加速梯度法、隨機梯度法等) 是求解無約束優化問題的常用方法，而交替方向乘子法 (ADMM) 則是求解帶約束優化問題的有力工具。

機器學習和計算機視覺領域國際知名專家林宙辰教授領銜撰寫的《機器學習中的交替方向乘子法》概述了機器學習中 ADMM 的新進展。書中全面介紹了各種情形下的 ADMM，包括確定性和隨機性的算法、集中式和分布式的算法，以及求解凸問題和非凸問題的算法，深入介紹了各個算法的核心思想，并為算法的收斂性和收斂速度提供了詳細的證明。

3

動力學刻畫的數據科學理論和方法

陳洛南等著

北京：龍門書局，2024.10

ISBN 978-7-5088-6449-5

動力學刻畫的數據科學是一個涉及數據時間依賴性和變化趨勢的重要領域和新概念，主要是基于動力學的普適理論，由觀測數據刻畫復雜系統的動態規律，建立動態數據表征的理論和方法并應用于復雜系統的深度解讀，如應用于解決金融市場臨界過程、細胞分化過程、傳染病暴發、疾病發生發展過程、極端氣象、股票價格漲落、地震發生的預測、預警、因果、人工智能算法等問題。與統計學刻畫的數據科學(如總體特征、參數估計和假設檢驗) 不同，動力學刻畫的數據科學提供了從動力學視角來捕捉數據隨時間的演化及其非線性動力學特征，并利用動力學時空規律和人工智能技術來預測、模擬和解釋數據的動態行為與系統的非線性現象，進一步實現時間序列的精準預測、穩態失穩的臨界預警、復雜系統中變量間的因果分析、深度學習的混沌學習、類腦學習的分析及全局優化等目標。

本書旨在建立和推動“動力學刻畫的數據科學” 理論和應用研究。本書都將提供深入的理論知識和豐富的應用實例。在本書中，我們將提供大量的理論及方法和實際應用，展示如何建立和應用動力學刻畫的數據科學方法和深度學習技術，并應用于解決不同領域的數據分析問題。我們希望本書能夠為讀者提供深入了解動力學刻畫的數據科學所需的基礎知識和實用方法，鼓勵通過實踐和探索來進一步拓展和應用這些概念，從而在數據科學的旅程中取得更多的成果。

4

壓縮感知的若干基本理論

李松，沈益，林俊宏著

北京：龍門書局，2024.11

ISBN 978-7-5088-6466-2

美國科學院國家研究理事會《2025 年的數學科學》一書評價壓縮感知理論是最近二十余年來數學學科中最活躍的理論之一，也是非常復雜的數學理論之一。壓縮感知利用了概率論、組合數學、幾何學、調和分析和優化等理論，為逼近論的基本問題帶來了新的認知。

浙江大學李松教授(求是特聘教授，二級教授) 、沈益教授(國家優秀青年基金獲得者) 與林俊宏研究員(國家“萬人計劃” 青年拔尖人才計劃入選者) 自2009 年開始從事壓縮感知理論的研究工作，與合作者們一起在這一研究領域取得了一系列重要的前沿性研究成果。為了及時總結這些最新的理論成果,團隊著作《壓縮感知的若干基本理論》主要介紹了函數逼近理論與小波框架理論方法。本書內容不僅包含作者與合作者們一起在壓縮感知理論方面所取得的最新研究成果，而且也包含了與該領域密切相關的兩個前沿領域(One-bit壓縮感知、相位恢復) 中作者們最新的研究進展。

5

深度神經網絡的學習理論

林紹波，王迪，周定軒著

北京 ：龍門書局，2025.1

ISBN 978-7-5088-6544-7

深度學習的數學理論是眾多深度學習實踐持續取得成功的保障。本書以函數逼近論與學習理論為主要工具，建立了一個系統的數學框架來解釋深度的必要性、深度神經網絡的適用性、數據規模對深度神經網絡的影響、深度選擇問題、網絡結構選擇問題及過參數化深度神經網絡的泛化性等現階段深度學習亟待解決的核心理論問題。本書的主要目的有三個：

其一是期望從學習理論的角度給出作者的見解，能為某些方向的學者解惑；

其二是為打算進入深度學習理論這一領域的青年學者及廣大學生提供參考，使其能盡快領略深度學習理論的魅力；

其三是拋磚引玉，希望更多的學者關注到深度學習理論這一方向并推動這一領域的更快發展。

期待您的優秀著作加入！

6-9冊將于10月前陸續出版

敬 請 關 注 ！

本叢書的讀者對象主要是數學、統計學、計算機科學、人工智能、管理科學等學科領域的大數據、人工智能、數據科學研究者以及信息產業從業者，也可以是科研和教育主管部門、企事業研發部門、信息產業與數字經濟行業的決策者。

（本文編輯：劉四旦）

專業品質 學術價值

原創好讀 科學品位

一起閱讀科學