目录

第 1章 数据科学的基础理论　1
1.1 为什么要学习数据科学　1
1.2 数据科学的定义　4
1.3 数据科学的知识体系　6
1.4 数据科学的基本流程　8
1.5 数据科学与其他学科的区别　11
1.5.1 学科定位　11
1.5.2 研究视角　13
1.5.3 研究范式　13
1.6 数据科学的人才类型　16
1.7 数据科学的常用工具　19
1.8 数据科学的相关应用　21
1.9 继续学习本章知识　23
习题　　26
第 2章 统计学与模型　29
2.1 统计学与数据科学　29
2.1.1 描述统计与推断统计　30
2.1.2 基本分析法和元分析法　31
2.2 统计方法的选择思路　32
2.3 数据划分及准备方法　33
2.3.1 自变量与因变量　34
2.3.2 数据抽样　35
2.4 参数估计与假设检验　37
2.4.1 参数估计　37
2.4.2 假设检验　38
2.5 常用统计方法及选择　39
2.5.1 相关分析　39
2.5.2 回归分析　41
2.5.3 方差分析　41
2.5.4 分类分析　42
2.5.5 聚类分析　43
2.5.6 时间序列分析　44
2.5.7 关联规则分析　44
2.6 统计学面临的挑战　45
2.7 Python编程实践　45
2.8 继续学习本章知识　53
习题　　55
第3章 机器学习与算法　57
3.1 数据科学与机器学习　57
3.2 机器学习的应用步骤　60
3.3 数据划分及准备方法　61
3.4 算法类型及选择方法　62
3.5 模型的评估方法　64
3.6 机器学习面临的挑战　67
3.7 Python编程实践　68
3.8 继续学习本章知识　77
习题　　79
第4章 数据可视化　81
4.1 数据科学与数据可视化　81
4.2 数据可视化的基本原则　84
4.3 视觉编码与数据类型　84
4.4 可视分析学　87
4.5 常用统计图表　89
4.6 数据可视化的发展趋势　92
4.7 Python编程实践　93
4.8 继续学习本章知识　97
习题　　98
第5章 数据加工　100
5.1 数据科学与数据加工　100
5.2 探索性数据分析　101
5.3 数据大小及标准化　103
5.4 缺失数据及其处理方法　104
5.5 噪声数据及其处理方法　105
5.5.1 离群点处理　105
5.5.2 分箱处理　106
5.6 数据维度及其降维处理方法　108
5.6.1 特征选择　109
5.6.2 主成分分析　110
5.7 数据脱敏及其处理方法　110
5.8 数据形态及其规整化方法　112
5.9 Python编程实践　115
5.10 继续学习本章知识　121
习题　　122
第6章 大数据技术　124
6.1 数据科学与大数据技术　124
6.2 Hadoop生态系统　125
6.3 大数据计算技术与Spark　128
6.3.1 大数据计算与Lambda
架构　128
6.3.2 Spark的出现及其特点　129
6.3.3 Spark的计算流程　131
6.3.4 Spark的关键技术　132
6.4 大数据管理技术与MongoDB　136
6.4.1 关系数据库及其优缺点　136
6.4.2 NoSQL及其数据模型　139
6.4.3 CAP理论与BASE原则　140
6.4.4 分片技术与复制技术　141
6.4.5 MongoDB　144
6.5 大数据分析技术　150
6.5.1 Analytics 3.0　150
6.5.2 Gartner分析学价值扶梯模型　152
6.5.3 数据分析中的陷阱　152
6.6 Python编程实践　154
6.7 继续学习本章知识　165
习题　　167
第7章 数据产品开发及数据科学中的人文与管理　171
7.1 数据产品开发及数据科学的人文与管理属性　171
7.2 数据产品及开发　172
7.3 数据科学的项目管理　174
7.3.1 数据科学项目中的主要角色　174
7.3.2 数据科学项目中的主要活动　175
7.4 数据能力　176
7.4.1 关键过程域　177
7.4.2 成熟度等级　179
7.4.3 成熟度评价　181
7.5 数据治理　183
7.5.1 主要内容　183
7.5.2 基本过程　184
7.5.3 参考框架　185
7.6 数据安全　186
7.6.1 信息系统安全等级保护　186
7.6.2 P2DR模型　187
7.7 数据偏见　187
7.7.1 数据来源选择偏见　188
7.7.2 数据加工和准备偏见　189
7.7.3 算法与模型选择偏见　189
7.7.4 分析结果的解读和呈现上的偏见　189
7.8 数据伦理与道德　190
7.9 继续学习本章知识　191
习题　　191
术语索引　　193
参考文献　　198