数据科学概论 数字教材版
全新正版,现货速发,7天无理由退换货可开电子发票,
¥
30.5
6.2折
¥
49
全新
库存3件
作者李扬,李舰 编
出版社中国人民大学出版社
ISBN9787300290607
出版时间2021-03
装帧平装
开本16开
定价49元
货号1202652175
上书时间2024-10-17
商品详情
- 品相描述:全新
- 商品描述
-
目录
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很优化方法
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
参考文献
内容摘要
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:第一部分是绪论,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。
— 没有更多了 —
以下为对购买帮助不大的评价