第 1章 數(shù)據(jù)科學(xué)的基礎(chǔ)理論 1
1．1 為什么要學(xué)習(xí)數(shù)據(jù)科學(xué) 1
1．2 數(shù)據(jù)科學(xué)的定義 4
1．3 數(shù)據(jù)科學(xué)的知識(shí)體系 6
1．4 數(shù)據(jù)科學(xué)的基本流程 8
1．5 數(shù)據(jù)科學(xué)與其他學(xué)科的區(qū)別 11
1．5．1 學(xué)科定位 11
1．5．2 研究視角 13
1．5．3 研究范式 13
1．6 數(shù)據(jù)科學(xué)的人才類型 16
1．7 數(shù)據(jù)科學(xué)的常用工具 19
1．8 數(shù)據(jù)科學(xué)的相關(guān)應(yīng)用 21
1．9 繼續(xù)學(xué)習(xí)本章知識(shí) 23
習(xí)題 26
第 2章 統(tǒng)計(jì)學(xué)與模型 29
2．1 統(tǒng)計(jì)學(xué)與數(shù)據(jù)科學(xué) 29
2．1．1 描述統(tǒng)計(jì)與推斷統(tǒng)計(jì) 30
2．1．2 基本分析法和元分析法 31
2．2 統(tǒng)計(jì)方法的選擇思路 32
2．3 數(shù)據(jù)劃分及準(zhǔn)備方法 33
2．3．1 自變量與因變量 34
2．3．2 數(shù)據(jù)抽樣 35
2．4 參數(shù)估計(jì)與假設(shè)檢驗(yàn) 37
2．4．1 參數(shù)估計(jì) 37
2．4．2 假設(shè)檢驗(yàn) 38
2．5 常用統(tǒng)計(jì)方法及選擇 39
2．5．1 相關(guān)分析 39
2．5．2 回歸分析 41
2．5．3 方差分析 41
2．5．4 分類分析 42
2．5．5 聚類分析 43
2．5．6 時(shí)間序列分析 44
2．5．7 關(guān)聯(lián)規(guī)則分析 44
2．6 統(tǒng)計(jì)學(xué)面臨的挑戰(zhàn) 45
2．7 Python編程實(shí)踐 45
2．8 繼續(xù)學(xué)習(xí)本章知識(shí) 53
習(xí)題 55
第3章 機(jī)器學(xué)習(xí)與算法 57
3．1 數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí) 57
3．2 機(jī)器學(xué)習(xí)的應(yīng)用步驟 60
3．3 數(shù)據(jù)劃分及準(zhǔn)備方法 61
3．4 算法類型及選擇方法 62
3．5 模型的評(píng)估方法 64
3．6 機(jī)器學(xué)習(xí)面臨的挑戰(zhàn) 67
3．7 Python編程實(shí)踐 68
3．8 繼續(xù)學(xué)習(xí)本章知識(shí) 77
習(xí)題 79
第4章 數(shù)據(jù)可視化 81
4．1 數(shù)據(jù)科學(xué)與數(shù)據(jù)可視化 81
4．2 數(shù)據(jù)可視化的基本原則 84
4．3 視覺編碼與數(shù)據(jù)類型 84
4．4 可視分析學(xué) 87
4．5 常用統(tǒng)計(jì)圖表 89
4．6 數(shù)據(jù)可視化的發(fā)展趨勢(shì) 92
4．7 Python編程實(shí)踐 93
4．8 繼續(xù)學(xué)習(xí)本章知識(shí) 97
習(xí)題 98
第5章 數(shù)據(jù)加工 100
5．1 數(shù)據(jù)科學(xué)與數(shù)據(jù)加工 100
5．2 探索性數(shù)據(jù)分析 101
5．3 數(shù)據(jù)大小及標(biāo)準(zhǔn)化 103
5．4 缺失數(shù)據(jù)及其處理方法 104
5．5 噪聲數(shù)據(jù)及其處理方法 105
5．5．1 離群點(diǎn)處理 105
5．5．2 分箱處理 106
5．6 數(shù)據(jù)維度及其降維處理方法 108
5．6．1 特征選擇 109
5．6．2 主成分分析 110
5．7 數(shù)據(jù)脫敏及其處理方法 110
5．8 數(shù)據(jù)形態(tài)及其規(guī)整化方法 112
5．9 Python編程實(shí)踐 115
5．10 繼續(xù)學(xué)習(xí)本章知識(shí) 121
習(xí)題 122
第6章 大數(shù)據(jù)技術(shù) 124
6．1 數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù) 124
6．2 Hadoop生態(tài)系統(tǒng) 125
6．3 大數(shù)據(jù)計(jì)算技術(shù)與Spark 128
6．3．1 大數(shù)據(jù)計(jì)算與Lambda
架構(gòu) 128
6．3．2 Spark的出現(xiàn)及其特點(diǎn) 129
6．3．3 Spark的計(jì)算流程 131
6．3．4 Spark的關(guān)鍵技術(shù) 132
6．4 大數(shù)據(jù)管理技術(shù)與MongoDB 136
6．4．1 關(guān)系數(shù)據(jù)庫(kù)及其優(yōu)缺點(diǎn) 136
6．4．2 NoSQL及其數(shù)據(jù)模型 139
6．4．3 CAP理論與BASE原則 140
6．4．4 分片技術(shù)與復(fù)制技術(shù) 141
6．4．5 MongoDB 144
6．5 大數(shù)據(jù)分析技術(shù) 150
6．5．1 Analytics 3．0 150
6．5．2 Gartner分析學(xué)價(jià)值扶梯模型 152
6．5．3 數(shù)據(jù)分析中的陷阱 152
6．6 Python編程實(shí)踐 154
6．7 繼續(xù)學(xué)習(xí)本章知識(shí) 165
習(xí)題 167
第7章 數(shù)據(jù)產(chǎn)品開發(fā)及數(shù)據(jù)科學(xué)中的人文與管理 171
7．1 數(shù)據(jù)產(chǎn)品開發(fā)及數(shù)據(jù)科學(xué)的人文與管理屬性 171
7．2 數(shù)據(jù)產(chǎn)品及開發(fā) 172
7．3 數(shù)據(jù)科學(xué)的項(xiàng)目管理 174
7．3．1 數(shù)據(jù)科學(xué)項(xiàng)目中的主要角色 174
7．3．2 數(shù)據(jù)科學(xué)項(xiàng)目中的主要活動(dòng) 175
7．4 數(shù)據(jù)能力 176
7．4．1 關(guān)鍵過(guò)程域 177
7．4．2 成熟度等級(jí) 179
7．4．3 成熟度評(píng)價(jià) 181
7．5 數(shù)據(jù)治理 183
7．5．1 主要內(nèi)容 183
7．5．2 基本過(guò)程 184
7．5．3 參考框架 185
7．6 數(shù)據(jù)安全 186
7．6．1 信息系統(tǒng)安全等級(jí)保護(hù) 186
7．6．2 P2DR模型 187
7．7 數(shù)據(jù)偏見 187
7．7．1 數(shù)據(jù)來(lái)源選擇偏見 188
7．7．2 數(shù)據(jù)加工和準(zhǔn)備偏見 189
7．7．3 算法與模型選擇偏見 189
7．7．4 分析結(jié)果的解讀和呈現(xiàn)上的偏見 189
7．8 數(shù)據(jù)倫理與道德 190
7．9 繼續(xù)學(xué)習(xí)本章知識(shí) 191
習(xí)題 191
術(shù)語(yǔ)索引 193
參考文獻(xiàn) 198