读者评分
5分

数据科学与大数据技术丛书数据科学概论(数据科学与大数据技术丛书)

1星价 ¥43.2 (9.4折)

2星价￥43.2 定价￥46.0

作者：李扬李舰

出版社：中国人民大学出版社

本类榜单：教材

分类：教材 > 研究生/本科/专科教材 > 理学

买过本商品的人还买了

商品评论（1条）

ztw***（二星用户）

纸质、印刷不错，收到品质良好，无折痕，损坏，不错！数据科学概论-数据科学与大数据技术

2024-05-04 20:32:12

0 0

查看全部评论

图文详情

ISBN：9787300290607
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：其他
页数：264
出版时间：2021-03-01
条形码：9787300290607 ; 978-7-300-29060-7

内容简介

作为问题导向、数据驱动的交叉学科，数据科学要求研究者具备扎实的知识储备、高效的编程能力以及广阔的研究视野。本书尝试以概论的形式对数据科学的缘起、内涵、技术、工具、原则、方法、平台、产品、应用等展开讨论，帮助读者建立完整的知识体系与专业逻辑。全书划分为四个部分：部分是绪论，鸟瞰数据科学的概念、历史与应用；第二部分是基础技能，涵盖编程工具、数学基础与统计原则；第三部分是分析方法，遵从从探索性到验证性的数据分析思路，阐释数据可视化方法，讲解面向结构化数据的机器学习与人工智能模型，并讨论非结构化数据的分析技术；第四部分是数据应用，从业界视角介绍数据库、大数据平台、可重复研究的理念与实践，并以互联网、零售、金融、医疗健康四个行业为例展开实战讨论。

第 1章绪论
1．1数据科学的概念
1．1．1数据科学的研究对象
1．1．2常见的数据科学方法
1．2数据科学的发展变迁
1．2．1数据科学的前身：统计学
1．2．2当代统计学：数据科学
1．3数据科学的应用领域
1．3．1互联网行业
1．3．2零售行业
1．3．3金融行业
1．3．4医疗健康行业

第 2章数据科学的编程工具
2．1 R简介
2．1．1安装和设置
2．1．2基础操作
2．1．3数据结构
2．1．4基础语法
2．2 Python和数据科学
2．2．1安装和使用
2．2．2数据结构

2．2．3基础语法
2．3 Julia简介
2．3．1安装和使用
2．3．2编程基础

第 3章数据科学的数学基础
3．1线性代数
3．1．1向量基础
3．1．2矩阵运算
3．2概率论和数理统计
3．2．1随机变量和分布
3．2．2数理统计简介
3．3*优化方法
3．3．1非线性规划
3．3．2线性规划

第 4章数据科学的统计原则
4．1可重复原则
4．1．1数据的扰动
4．1．2模型的扰动
4．2可预测原则
4．2．1可预测性
4．2．2交叉验证
4．3可计算原则
4．3．1大数据时代的数据特征
4．3．2大规模数据的处理方法
4．3．3高维 /超高维数据的处理方法

第 5章数据可视化
5．1基础统计图形
5．1．1图形设备
5．1．2基础作图
5．1．3 ggplot绘图语言
5．2可视化与数据分析
5．2．1单变量的分布
5．2．2两变量的关系
5．2．3多变量的关系
5．3现代数据可视化方法
5．3．1动态统计图形
5．3．2交互式工具

第 6章数据挖掘和机器学习
6．1从海量数据到大数据
6．1．1海量数据与数据挖掘
6．1．2大数据与机器学习
6．2无监督学习
6．2．1主成分分析
6．2．2聚类分析
6．3有监督学习
6．3．1回归分析
6．3．2分类问题和分类性能评估
6．3．3常用分类模型

第 7章人工智能
7．1人工智能简史
7．1．1人工智能的发展历史
7．1．2从神经网络到深度学习
7．2神经网络简介
7．2．1神经网络模型
7．2．2感知机的学习
7．2．3 BP算法
7．3深度学习基础
7．3．1常见深度学习框架
7．3．2 MXNet简介
7．3．3深度学习实战

第 8章非结构化数据分析
8．1图像分析
8．1．1图像处理基础
8．1．2卷积神经网络
8．1．3图像分类示例
8．2文本分析
8．2．1文本数据的处理
8．2．2文本分类示例
8．2．3句法分析
8．3音频分析
8．3．1音频数据的处理
8．3．2音频特征的提取

第 9章数据库和数据仓库
9．1数据结构简介
9．1．1数据的测量尺度
9．1．2数据的基础类型
9．1．3数据的逻辑结构
9．2数据库和 SQL
9．2．1数据库基础介绍
9．2．2常见的数据库产品
9．2．3 SQL语句简介
9．3数据仓库和商业智能
9．3．1数据仓库基础介绍
9．3．2数据仓库的多维模型
9．3．3 BI分析简介

第 10章大数据平台
10．1大数据和云计算
10．1．1大数据技术的发展变迁
10．1．2云计算简介
10．2并行计算框架
10．2．1并行计算简介
10．2．2共享内存和 GPU计算
10．2．3 MPI并行
10．3分布式存储与 Hadoop
10．3．1容器和 Docker
10．3．2 Hadoop和 MapReduce
10．3．3 Spark简介

第 11章可重复研究与产品化
11．1分析报告与数据产品简介
11．1．1自动化报告的常见框架
11．1．2数据产品简介
11．2可重复研究
11．2．1 knitr的应用
11．2．2 Jupyter的应用
11．3数据产品的设计与开发
11．3．1 Shiny基础
11．3．2动态交互的数据产品

第 12章数据科学的行业应用
12．1互联网行业
12．1．1互联网行业的数据
12．1．2互联网行业的数据科学应用
12．1．3分析示例
12．2零售行业
12．2．1零售行业的数据
12．2．2零售行业的数据科学应用
12．2．3分析示例
12．3金融行业
12．3．1金融行业的数据
12．3．2金融行业的数据科学应用
12．3．3分析示例

12．4医疗健康行业
12．4．1医疗健康行业的数据
12．4．2医疗健康行业的数据科学应用
12．4．3分析示例

展开全部

节选

数据科学是大数据时代发展的必然产物，也是推动时代进步的内生动力。作为一门问题导向、数据驱动的交叉学科，数据科学要求研究者具备扎实的知识储备、高效的编程能力以及广阔的研究视野。本书尝试以概论的形式对数据科学的缘起、内涵、技术、工具、原则、方法、平台、产品、应用等展开讨论，帮助读者建立完整的知识体系与专业逻辑。全书划分为四个部分：**部分是绪论，鸟瞰数据科学的概念、历史与应用；第二部分是基础技能，涵盖编程工具、数学基础与统计原则；第三部分是分析方法，遵从从探索性到验证性的数据分析思路，阐释数据可视化方法，讲解面向结构化数据的机器学习与人工智能模型，并讨论非结构化数据的分析技术；第四部分是数据应用，从业界视角介绍数据库、大数据平台、可重复研究的理念与实践，并以互联网、零售、金融、医疗健康四个行业为例展开实战讨论。为适应时代要求，全书示例尽量以 R和 Python对照展开，方便读者掌握不同的分析工具。为提供教学便利，作者分别准备了基于 Beamer和 PowerPoint的课件素材，在中国人民大学出版社网站（ www.crup.com.cn）提供下载，并秉承开源思想将所有数据与代码共享于 https://github.com/rucliyang/Intro2ds。近二十年，两位作者分别修读了统计学博士、软件工程硕士与管理学博士学位，并长期活跃于基于数据科学技术的统计咨询一线，在互联网、市场研究、生物医药、金融、教育心理等领域积累了丰富的实践经验，希冀从不同视角为大家展开数据科学的画卷。

作者简介

李扬中国人民大学统计学院教授、博士生导师，副院长、统计咨询研究中心主任；国际统计学会推选会员、中国商业统计学会副会长、北京生物医学统计与数据管理研究会监事长、北京大数据协会综合评价专业委员会主任委员。主要从事相关型数据分析、模型选择与不确定性评价、潜变量建模、临床试验设计等领域研究，承担国家自然科学基金面上项目、全国统计科学研究重大项目等科研项目二十余项，发表JASA、JAMA IM、Biometrics、Biostatistics、统计研究等国内外期刊研究论文五十余篇。李舰统计学本科、软件工程硕士、商学博士，数据科学领域的多年从业者，见证并参与了统计学从冷门专业到显学的过程。是“统计之都”社区的核心成员之一、一些开源社区的活跃贡献者，致力于数据科学在实体行业的应用。著有《统计之美》《数据科学中的R语言》。

本类五星书