【章名目录】
第1章 数据科学概论
第2章 Python入门
第3章 表格数据分析
第4章 数据整理
第5章 数据可视化
第6章 数据分析
第7章 文本分析
第8章 图数据分析
第9章 大数据治理
第10章 深度学习与大模型
第11章 综合案例

【详细目录】
第1章 数据科学概论
1.1　数据：数字时代的“新石油” 1
1.1.1　大数据的提出与发展 2
1.1.2　大数据带来的深刻变革 2
1.2　数据思维：数据科学的核心素养 3
1.2.1　科学研究的“第四范式” 3
1.2.2　数据思维赋能千行百业 5
1.2.3　数据驱动的社会科学 5
1.3　以数据为中心的问题求解：数据科学的核心能力 6
1.3.1　提出问题 7
1.3.2　准备数据 7
1.3.3　分析数据 8
1.3.4　呈现结果 8
1.4　数据科学与数据科学家 8
1.5 “数据科学导论”课程的内容体系与教学目标 9
习题 10

第2章 Python入门
2.1　Python概述 11
2.2　开发环境配置 12
2.3　变量、常量、注释 13
2.4　基本数据类型 14
2.5　内置数据类型 15
2.6　运算符与表达式 18
2.7　程序的基本结构：顺序结构、分支结构与循环结构 19
2.8　完整的程序实例：数据结构与算法 21
2.8.1　冒泡排序 22
2.8.2　二分查找 23
2.9　函数、递归与库函数 23
2.9.1　函数的定义 23
2.9.2　n的阶乘 24
2.9.3　汉诺塔 25
2.9.4　库函数 25
2.10　面向对象编程 26
2.10.1　封装 26
2.10.2　构造函数 27
2.10.3　对象销毁与垃圾回收 27
2.10.4　继承 27
2.10.5　重写 27
2.11　异常处理 28
2.12　主要Python库简介 28
2.12.1　pandas库 29
2.12.2　NumPy库 29
2.12.3　scikit-learn库 29
2.12.4　Keras&TensorFlow库 29
2.12.5　Matplotlib库 30
2.12.6　NetworkX库 30
2.12.7　NLTK库 31
习题 31

第3章 表格数据分析
3.1　多样化的数据 32
3.1.1　现实中的不同数据 32
3.1.2　数据模型 33
3.1.3　数据分类 34
3.1.4　不同数据处理工具的对比 34
3.2　多维数组分析工具：NumPy 34
3.2.1　多维数组 34
3.2.2　NumPy简介 35
3.2.3　多维数组的创建和运算 35
3.2.4　数据切片 38
3.3　表格数据分析工具：pandas 39
3.3.1　表格数据 39
3.3.2　pandas简介 39
3.3.3　pandas的数据结构 39
3.3.4　Series对象的创建与访问 40
3.3.5　DataFrame对象的创建 42
3.3.6　DataFrame的基本操作 44
3.3.7　条件筛选 46
3.3.8　插入、更新与删除操作 48
3.3.9　数据分组与数据透视表 49
3.4　关系数据模型和SQL基础 51
3.4.1　关系数据模型 51
3.4.2　关系操作 52
3.4.3　SQL简介 53
3.4.4　SELECT语句的一般形式 53
3.4.5　单表查询 53
3.4.6　使用SQLite查询表格数据 56
习题 58

第4章 数据整理
4.1　数据采集 59
4.1.1　数据采集的重要因素 59
4.1.2　推-拉机制 60
4.1.3　发布-订阅机制 60
4.1.4　大数据收集系统 61
4.1.5　自定义连接器 61
4.2　信息抽取 62
4.2.1　信息抽取概述 62
4.2.2　半结构化数据和非结构化数据 62
4.2.3　信息抽取的关键技术 64
4.3　数据清洗 65
4.3.1　数据清洗的定义与对象 66
4.3.2　数据清洗原理与实现 66
4.3.3　数据清洗与检测方法 66
4.4　数据集成 68
4.4.1　数据集成概述 69
4.4.2　数据集成方法 69
4.4.3　数据集成的数据源异构问题 72
习题 73

第5章 数据可视化
5.1　数据可视化概述 74
5.1.1　数据可视化的定义 74
5.1.2　数据可视化的目标与作用 74
5.1.3　数据可视化的分类 74
5.2　可视化发展历程 75
5.2.1　早期数据可视化的起源（17—19世纪） 75
5.2.2　20世纪的可视化技术与突破 77
5.2.3　大数据时代的可视化发展 78
5.3　数据可视化的基本原则 79
5.3.1　表达性原则 80
5.3.2　有效性原则 80
5.4　现有数据可视化工具 82
5.4.1　商业工具 82
5.4.2　开源工具 82
习题 84

第6章 数据分析
6.1　人工智能、机器学习和深度学习 85
6.1.1　人工智能 85
6.1.2　机器学习 86
6.1.3　深度学习 86
6.2　机器学习的业务流程 86
6.3　机器学习的分类：监督学习、无监督学习与强化学习 87
6.4　机器学习的基本要素 88
6.4.1　常数模型+MSE损失函数 88
6.4.2　常数模型+MAE损失函数 89
6.5　分类 90
6.5.1　KNN算法 90
6.5.2　决策树算法 93
6.5.3　分类算法的评价指标 102
6.6　回归 103
6.6.1　一元线性回归 103
6.6.2　多元线性回归 105
6.6.3　多元线性回归的解析解 105
6.6.4　多元线性回归的梯度下降算法求解 110
6.6.5　多元线性回归的评价：MSE、RMSE和拟合优度 116
6.7　聚类 118
6.7.1　k-means算法 118
6.7.2　高斯混合模型 121
6.7.3　聚类算法的评价 130
习题 134

第7章 文本分析
7.1　文本分析的背景和意义 135
7.2　以词频为中心的文本向量编码 135
7.2.1　独热编码 136
7.2.2　词袋模型与n-gram模型 136
7.2.3　TF-IDF编码 137
7.3　以词相关性为中心的文本向量编码 138
7.3.1　潜在语义分析 138
7.3.2　基于词嵌入的文本表示 140
7.4　分词算法 141
7.4.1　BPE算法 142
7.4.2　WordPiece算法 142
7.5　实际应用 143
7.5.1　基于朴素贝叶斯的垃圾邮件分类 143
7.5.2　基于线性模型的情感分析 144
7.5.3　人工智能中大语言模型的预训练 144
习题 145

第8章 图数据分析
8.1　网络化世界与图模型 146
8.2　图的定义与基本表示 147
8.3　节点中心性分析 148
8.3.1　度中心性 149
8.3.2　接近中心性 149
8.3.3　中介中心性 150
8.3.4　3种中心性的比较 150
8.4　社区检测 151
8.4.1　社区检测的目标与意义 151
8.4.2　模块度优化 151
8.4.3　Louvain算法 152
8.5　PageRank与影响力分析 153
8.5.1　PageRank算法的基本思想 153
8.5.2　PageRank的矩阵计算与稳态分布 154
8.5.3　个性化PageRank 155
8.5.4　信息传播模型：Independent Cascades模型 155
8.5.5　影响力最大化问题 156
8.5.6　基于节点度的算法：Degree Discount 157
8.5.7　基于最短路径的算法 157
8.6　图分析工具：NetworkX实践 159
8.6.1　NetworkX基本操作 159
8.6.2　可视化与中心性计算 160
8.7　节点嵌入与图表征学习 162
8.7.1　随机游走方法：DeepWalk与Node2vec 162
8.7.2　图嵌入技术简介 163
习题 163

第9章 大数据治理
9.1　数据危机演进及其背后机理 164
9.2　数据治理的概念 165
9.2.1　从数据管理到数据治理 165
9.2.2　数据社会化 166
9.2.3　数据治理的跨域特性 166
9.2.4　社会信息系统与跨域数据治理体系 167
9.3　跨域数据治理关键任务 167
9.3.1　数据质量 167
9.3.2　数据安全 168
9.3.3　数据隐私 168
9.3.4　数据权属 169
9.4　跨域数据治理关键阶段 169
9.4.1　数据组织汇聚 169
9.4.2　数据发布 174
9.4.3　数据可信流通 177
9.5　典型案例：政企数据融合流通 182
习题 186

第10章 深度学习与大模型
10.1　深度学习基础 187
10.1.1　深度学习的定义 187
10.1.2　神经网络基础 188
10.1.3　训练神经网络 188
10.2　常见深度学习架构 189
10.2.1　卷积神经网络 189
10.2.2　循环神经网络 190
10.2.3　Transformer 191
10.3　大模型及其重要性 192
10.3.1　大模型的定义 192
10.3.2　大模型的训练 193
10.3.3　大模型的应用 193
10.4　深度学习在数据科学与大数据中的应用 194
10.4.1　深度学习在数据科学中的应用 194
10.4.2　大数据上下文中的挑战与解决方案 195
10.4.3　工具和框架 195
习题 196

第11章 综合案例
11.1　案例1：学生表现预测 197
11.1.1　问题描述 197
11.1.2　数据装载与数据预处理 197
11.1.3　分类 200
11.1.4　回归 204
11.2　案例2：中文文本的词云可视化与情感分析 206
11.2.1　问题描述 206
11.2.2　数据装载与数据预处理 207
11.2.3　正面情感和负面情感文本的词云可视化 208
11.2.4　构建分类模型 209
11.2.5　对新数据进行预测 211
11.3　案例3：图数据的节点重要度分析与社区检测 212
11.3.1　问题描述 212
11.3.2　数据装载与数据预处理 212
11.3.3　节点重要度分析 216
11.3.4　社区检测与可视化 218
11.3.5　社区的简化与可视化 219
习题 220