徐宗本院士和梅宏院士主编“大数据与数据科学专著系列”喜迎第六届大数据与人工智能科学大会

庆祝CSIAM第六届大数据

与人工智能科学大会召开！

“大数据与数据科学专著系列”序

数据科学到底是什么? 它对于科学技术发展、社会进步有什么特别的意义? 它有没有独特的内涵与研究方法论? 它与数学、统计学、计算机科学、人工智能等学科有着怎样的关联与区别? 它的发展规律、发展趋势又是什么? 澄清和科学认识这些问题非常重要，特别是对于准确把握数据科学发展方向、促进以数据为基础的科学技术与数字经济发展、高质量培养数据科学人才等都有着极为重要而现实的意义。

“大数据与数据科学专著系列”编撰的目的是对上述系列问题提供一个“多学科认知”视角的解答。换言之，本丛书的定位是：邀请不同学科的专家学者，以专著的形式，发表对数据科学概念、方法、原理的多学科阐释，以推动数据科学学科体系的形成，并更好地服务于当代数字经济与社会发展。这种阐释可以是跨学科、宏观的，也可以是聚焦在某一科学领域、某一科学方向上对数据科学进展的深入阐述。然而，无论是哪一类选题，我们希望所出版的著作都能突出体现从传统学科方法论到数据科学方法论的跃升，体现数据科学新思想、新观念、新理论、新方法所带来的新价值，体现科学的统一性和数据科学的综合交叉性。

徐宗本

2022 年1 月

已出版图书5种

大数据与数据科学专著系列

（按出版时间顺序）

1

数据科学：它的内涵、方法、意义与发展

徐宗本，唐年胜，程学旗 著

北京：科学出版社，2021.8

ISBN 978-7-03-069288-7

大数据的迅猛发展促使数据科学正在成为一门学科。人们普遍认为：大数据发展催生了数据科学，而数据科学承载着大数据发展的未来。为推动数据科学这样的新学科快速发展，丛书开篇推出《数据科学 ：它的内容、方法、意义与发展》。

《数据科学：它的内容、方法、意义与发展》是在 “数据科学发展战略” 研究课题组历时五年形成的 “数据科学发展战略报告” 基础上扩充而成的。该课题组由中国科学院信息技术科学部与国家自然科学基金委员会数学物理科学部联合组建，这部论著则全面涵盖了数据科学的内涵、方法、历史、意义、方法论、发展趋势、学科边界、核心科技问题及人才培养方案等内容，是一部具有综合性的学术著作。

2

机器学习中的交替方向乘子法

林宙辰，李欢，方聪著

北京：科学出版社，2023.2

ISBN 978-7-03-074758-7

使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法 (例如加速梯度法、随机梯度法等) 是求解无约束优化问题的常用方法，而交替方向乘子法 (ADMM) 则是求解带约束优化问题的有力工具。

机器学习和计算机视觉领域国际知名专家林宙辰教授领衔撰写的《机器学习中的交替方向乘子法》概述了机器学习中 ADMM 的新进展。书中全面介绍了各种情形下的 ADMM，包括确定性和随机性的算法、集中式和分布式的算法，以及求解凸问题和非凸问题的算法，深入介绍了各个算法的核心思想，并为算法的收敛性和收敛速度提供了详细的证明。

3

动力学刻画的数据科学理论和方法

陈洛南等著

北京：龙门书局，2024.10

ISBN 978-7-5088-6449-5

动力学刻画的数据科学是一个涉及数据时间依赖性和变化趋势的重要领域和新概念，主要是基于动力学的普适理论，由观测数据刻画复杂系统的动态规律，建立动态数据表征的理论和方法并应用于复杂系统的深度解读，如应用于解决金融市场临界过程、细胞分化过程、传染病暴发、疾病发生发展过程、极端气象、股票价格涨落、地震发生的预测、预警、因果、人工智能算法等问题。与统计学刻画的数据科学(如总体特征、参数估计和假设检验) 不同，动力学刻画的数据科学提供了从动力学视角来捕捉数据随时间的演化及其非线性动力学特征，并利用动力学时空规律和人工智能技术来预测、模拟和解释数据的动态行为与系统的非线性现象，进一步实现时间序列的精准预测、稳态失稳的临界预警、复杂系统中变量间的因果分析、深度学习的混沌学习、类脑学习的分析及全局优化等目标。

本书旨在建立和推动“动力学刻画的数据科学” 理论和应用研究。本书都将提供深入的理论知识和丰富的应用实例。在本书中，我们将提供大量的理论及方法和实际应用，展示如何建立和应用动力学刻画的数据科学方法和深度学习技术，并应用于解决不同领域的数据分析问题。我们希望本书能够为读者提供深入了解动力学刻画的数据科学所需的基础知识和实用方法，鼓励通过实践和探索来进一步拓展和应用这些概念，从而在数据科学的旅程中取得更多的成果。

4

压缩感知的若干基本理论

李松，沈益，林俊宏著

北京：龙门书局，2024.11

ISBN 978-7-5088-6466-2

美国科学院国家研究理事会《2025 年的数学科学》一书评价压缩感知理论是最近二十余年来数学学科中最活跃的理论之一，也是非常复杂的数学理论之一。压缩感知利用了概率论、组合数学、几何学、调和分析和优化等理论，为逼近论的基本问题带来了新的认知。

浙江大学李松教授(求是特聘教授，二级教授) 、沈益教授(国家优秀青年基金获得者) 与林俊宏研究员(国家“万人计划” 青年拔尖人才计划入选者) 自2009 年开始从事压缩感知理论的研究工作，与合作者们一起在这一研究领域取得了一系列重要的前沿性研究成果。为了及时总结这些最新的理论成果,团队著作《压缩感知的若干基本理论》主要介绍了函数逼近理论与小波框架理论方法。本书内容不仅包含作者与合作者们一起在压缩感知理论方面所取得的最新研究成果，而且也包含了与该领域密切相关的两个前沿领域(One-bit压缩感知、相位恢复) 中作者们最新的研究进展。

5

深度神经网络的学习理论

林绍波，王迪，周定轩著

北京 ：龙门书局，2025.1

ISBN 978-7-5088-6544-7

深度学习的数学理论是众多深度学习实践持续取得成功的保障。本书以函数逼近论与学习理论为主要工具，建立了一个系统的数学框架来解释深度的必要性、深度神经网络的适用性、数据规模对深度神经网络的影响、深度选择问题、网络结构选择问题及过参数化深度神经网络的泛化性等现阶段深度学习亟待解决的核心理论问题。本书的主要目的有三个：

其一是期望从学习理论的角度给出作者的见解，能为某些方向的学者解惑；

其二是为打算进入深度学习理论这一领域的青年学者及广大学生提供参考，使其能尽快领略深度学习理论的魅力；

其三是抛砖引玉，希望更多的学者关注到深度学习理论这一方向并推动这一领域的更快发展。

期待您的优秀著作加入！

6-9册将于10月前陆续出版

敬 请 关 注 ！

本丛书的读者对象主要是数学、统计学、计算机科学、人工智能、管理科学等学科领域的大数据、人工智能、数据科学研究者以及信息产业从业者，也可以是科研和教育主管部门、企事业研发部门、信息产业与数字经济行业的决策者。

（本文编辑：刘四旦）

专业品质 学术价值

原创好读 科学品位

一起阅读科学