数据科学实战

本书特色

[

本书脱胎于哥伦比亚大学“数据科学导论”课程的教学讲义，它界定了数据科学的研究范畴，是一本注重人文精神，多角度、全方位、深入介绍数据科学的实用指南，堪称大数据时代的实战宝典。本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

]

目录

作者介绍关于封面图前言第1章简介：什么是数据科学　1．1大数据和数据科学的喧嚣　1．2冲出迷雾　1．3为什么是现在　1．4数据科学的现状和历史　1．5数据科学的知识结构　1．6思维实验：元定义　1．7什么是数据科学家　　1．7．1学术界对数据科学家的定义　　1．7．2工业界对数据科学家的定义第2章统计推断、探索性数据分析和数据科学工作流程　2．1大数据时代的统计学思考　　2．1．1统计推断　　2．1．2总体和样本　　2．1．3大数据的总体和样本　　2．1．4大数据意味着大胆的假设　　2．1．5建模　2．2探索性数据分析　　2．2．1探索性数据分析的哲学　　2．2．2练习：探索性数据分析　2．3数据科学的工作流程　2．4思维实验：如何模拟混沌　2．5案例学习：realdirect　　2．5．1realdirect是如何赚钱的　　2．5．2练一练：realdirect公司的数据策略第3章算法　3．1机器学习算法　3．2三大基本算法　　3．2．1线性回归模型　　3．2．2足近邻模型(k-nn)　　3．2．3i(均值算法　3．3练习：机器学习算法基础　3．4总结　3．5思维实验：关于统计学家的自动化第4章垃圾邮件过滤器、朴素贝叶斯与数据清理　4．1思维实验：从实例中学习　　4．1．1线性回归为何不适用　　4．1．2l(近邻效果如何　4．2朴素贝叶斯模型　　4.2．1贝叶斯法则　　4．2．2个别单词的过滤器　　4．2．3直通朴素贝叶斯　4．3拉普拉斯平滑法　4．4对比朴素贝叶斯和k近邻　4．5bash代码示例”　4.6网页抓取：apl和其他工具　4．7jake的练习题：文章分类问题中的朴素贝叶斯模型第5章逻辑回归　5．1思维实验　5．2分类器　　5．2．1运行时间　　5．2．2你自己　　5．2．3模型的可解释性　　5．2．4可扩展性　……第6章时间戳数据与金融建模第7章从数据到结论第8章构建面向大量用户的推荐引擎第9章数据可视化与欺诈侦测第10章社交网络与数据新闻学第11章因果关系研究第12章流行病学第13章从竞赛中学到的：数据泄漏和模型评价第14章数据工程：mapreduce pregel、hadoop第15章听听学生学们怎么说第16章下一代数据科学家、自大狂和职业道德

封面

书名:数据科学实战

作者:舒特

页数:290

定价:¥79.0

出版社:人民邮电出版社

出版日期:2015-03-01

ISBN:9787115383495

PDF电子书大小:94MB 高清扫描完整版