數據科學導論 pdf epub mobi txt 電子書 下載2025

第1章 引論
1.1 序言
1.2 數據
1.2.1 數據的概念
1.2.2 數據的發展史
1.2.3 數據、信息與知識
1.3 大數據
1.3.1 大數據時代的來臨
1.3.2 大數據的概念
1.3.3 大數據的特徵
1.3.4 大數據對社會所産生的影響
1.3.5 迎接大數據時代的挑戰
1.4 數據科學
1.5 本書結構
第2章 數據科學在商業金融領域的應用
2.1 啤酒與尿布
2.1.1 案例詳析
2.1.2 大數據挖掘技術
2.1.3 購物籃分析法
2.1.4 對我們的思維模式啓示
2.2 比價網站的成功
2.2.1 Farecast案例詳析
2.2.2 Decide案例詳析
2.2.3 對我們的思維模式啓示
2.3 基於大數據的個性化推薦係統
2.3.1 基於亞馬遜雲的個性化推薦係統
2.3.2 潘多拉（Pandora）——基於基因的推薦係統
2.4.Target的大數據營銷
2.4.1 案例詳析
2.4.2 給我們的思維模式啓示
2.5 社交網絡數據之於對衝基金
第3章 數據科學在生物醫學領域的應用
3.1 流行病預測
3.1.1 榖歌的流感預測
3.1.2 利用微博來預測流感
3.1.3 給我們的思維模式啓示——大數據時代的科學倫理問題
3.2 大數據與智慧醫療
3.2.1 臨床操作
3.2.2 付款／定價
3.2.3 研發
3.2.4 新的商業模式
3.2.5 公眾健康
3.2.6 給我們的思維模式啓示
3.3 疾病監控
3.3.1 大數據服務心髒病患者
3.3.2 “魔毯”病人的監控
3.3.3 大數據監測腦外傷病人恢復
3.4 可穿戴技術、大數據與智慧醫療
3.4.1 什麼是可穿戴技術
3.4.2 可穿戴設備簡析
3.4.3 可穿戴設備與智慧醫療
3.4.4 給我們的思維模式啓示——可穿戴設備的缺陷
第4章 數據科學在智慧城市領域的應用
4.1 概述
4.1.1 什麼是智慧城市
4.1.2 産生背景
4.1.3 IT企業相繼介入智慧城市領域
4.1.4 國際實踐
4.2 韓國的鬆島新城
4.3 美國的智慧城市建設
4.3.1 哥倫布市
4.3.2 其他智慧城市建設的舉措
4.4 英國的智慧城市建設
4.5 日本的智慧城市建設
4.6 北歐智慧城市——愛沙尼亞
4.7 荷蘭阿姆斯特丹的智慧城市計劃
4.8 巴西裏約熱內盧的智慧城市建設
4.9 智慧城市建設中所應用的數據科學技術
4.9.1 數據信息的收集：利用傳感網絡收集數據信息
4.9.2 數據信息的整閤：不同數據信息的整閤和統一管理
4.9.3 數據信息分析與應用：大容量、實時性分析技術
第5章 數據科學在影視娛樂領域的應用
5.1 大數據捧紅《紙牌屋》
5.1.1 案例詳析
5.1.2 大數據如何捧紅《紙牌屋》
5.1.3 給我們的思維模式啓示
5.2 榖歌預測電影票房
5.2.1 案例詳析
5.2.2 榖歌的預測機理
5.2.3 給我們的思維模式啓示
5.3 利用數據預測奧斯卡奬項
第6章 數據科學在其他領域的應用實例
6.1 大數據幫助奧巴馬贏得大選
6.1.1 案例詳析
6.1.2 給我們的思維模式啓示
6.2 棱鏡門
6.2.1 案例詳析
6.2.2 “棱鏡”計劃
6.2.3 加拿大的“棱鏡門”
6.2.4 給我們的思維模式啓示
6.3 大數據幫助尋根問祖
6.3.1 案例分析
6.3.2 運作機理
6.4 大數據與社會治安
第7章 數據科學工程概論
7.1 科學研究的第四範式——數據密集型研究方法
7.1.1 範式和範式的演變
7.1.2 科學研究的第四範式
7.2 數據密集型科學研究興起的社會環境
7.2.1 數據洪流的到來
7.2.2 科學界對海量數據的關注
7.2.3 關聯數據運動
7.2.4 政府數據開放運動
7.3 對數據密集型科學研究範式的分析
7.3.1 科學數據和科學研究的問題
7.3.2 相應的解決方案
7.4 數據的收集
7.4.1 客觀世界（Matter）中的數據
7.4.2 主觀世界（Mind）中的數據
7.4.3 細談數據
7.5 數據的存儲
7.6 數據的管理
7.6.1 NoSQL數據庫簡介
7.6.2 NoSQL數據庫的特點
7.6.3 開源的NoSQL數據庫軟件
7.7 數據的處理
7.7.1 Hadoop的起源
7.7.2 優點
7.7.3 架構
7.7.4 MapReduce流程
7.8 數據的可視化
7.8.1 Excel
7.8.2 Raphael
7.8.3 Visual.ly
7.8.4 Crossfiltet
7.8.5 PolyMaps
7.8.6 Kartograph
7.8.7 Processing
7.8.8 R
7.8.9 Weka
7.8.10 Gephi
第8章 數據科學的未來展望
8.1 從業前景廣闊
8.2 對未來數據科學發展的探討
8.2.1 提防進入數據誤區
8.2.2 數據不是萬能的
· · · · · · (收起)