数据学

数据学 pdf epub mobi txt 电子书 下载 2026

出版者:复旦大学出版社
作者:朱扬勇
出品人:
页数:131
译者:
出版时间:2009-12
价格:22.00元
装帧:平装
isbn号码:9787309069563
丛书系列:
图书标签:
  • 数据学
  • 计算机
  • 数据
  • 大数据
  • 统计学
  • Data-Science
  • 数据科学
  • 数据分析
  • 机器学习
  • 数据库
  • 数据可视化
  • 数据挖掘
  • 大数据
  • 统计学
  • 编程
  • 人工智能
想要找书就要到 小哈图书下载中心
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

具体描述

《数据学》介绍了数据学的由来、基本概念和基本原理,包括:数据大爆炸、数据自然界、数据学基础:介绍了数据学的主要方法,包括:数据勘探、数据获取与整合、数据挖掘、数据实验;还介绍了数据学的应用和数据学面临的挑战。

《数据学》主要作为科学研究工作者的参考书,试图向科学工作者展示一种新的科学,并且能够利用这种新的科学为当前的科学研究工作服务。《数据学》基本以较为通俗化的语言来表达数据学的基本原理、方法和技术,希望对各领域的科学家,包括行为科学家和社会科学家能够有所启迪。

《数据学》是一部深刻探讨数据本质、发展脉络及其在现代社会中扮演角色的学术著作。本书并非一本操作指南或技术手册,而是致力于从更宏观、更具思辨性的角度,剖析“数据”这一概念的丰富内涵和演变历程。 第一部分:数据之源与流变 在本部分,作者首先追溯了数据概念的哲学根源,探讨了人类早期记录信息、整理知识的方式,以及这些原始形态如何孕育了现代数据学的雏形。从古代的结绳记事、文字符号,到中世纪的藏书阁、档案管理,再到近代的印刷术和统计学方法,本书细致梳理了人类文明发展中,信息载体和组织形式的每一次飞跃,它们都为数据的积累和利用奠定了基础。 接着,本书将目光聚焦于信息时代的数据爆发。作者分析了互联网、移动通信、传感器技术等革命性创新如何以前所未有的速度和规模产生海量数据。从社交媒体上的每一次互动,到智能设备的每一次测量,再到科研领域的大规模实验,每一个行为都在生成着数据。这部分内容并非简单罗列技术,而是着重阐述这些技术是如何改变了数据的生成机制、形态和传播方式,从而带来了“数据洪流”的时代。 第二部分:数据的形态与特征 《数据学》深入剖析了数据在不同维度下的丰富形态。本书将数据划分为结构化、半结构化和非结构化数据,并详细阐述了它们各自的特点、优缺点以及在不同应用场景下的表现。例如,结构化数据如同整齐排列的乐高积木,易于理解和处理,常用于数据库和电子表格;半结构化数据则像带有标签的文本,既有结构又包含自由表达,如XML和JSON;而非结构化数据,如图像、音频、视频和自然语言文本,则更加复杂和多样,蕴含着丰富但难以直接提取的信息。 此外,本书还探讨了数据的其他重要特征,如数据量(Volume)、速度(Velocity)、多样性(Variety)、真实性(Veracity)和价值(Value),即“5V”特征。作者通过丰富的案例,说明了这些特征如何相互作用,影响着数据的采集、存储、处理和分析。例如,高速流动但真实性存疑的数据,需要更复杂的校验和清洗机制;而多样化的非结构化数据,则需要先进的算法和模型才能挖掘出其内在价值。 第三部分:数据在社会中的角色与影响 本书的第三部分是全书的重点,它将理论层面上升到实践层面,探讨数据在现代社会中的多重角色及其深远影响。 认知与决策的驱动力: 作者强调,数据已不再是简单的记录,而是理解世界、做出明智决策的核心驱动力。从科学研究中的实验数据分析,到商业运营中的用户行为洞察,再到政府治理中的社会统计和趋势预测,数据为我们提供了前所未有的洞察力,帮助我们更准确地认识事物规律,优化决策过程。本书通过具体案例,例如医疗诊断中基因数据的应用,金融市场中交易数据的分析,以及城市规划中交通数据的优化,展示了数据如何赋能各行各业。 创新与变革的引擎: 数据是驱动技术创新的重要源泉。机器学习、人工智能等前沿技术的发展,离不开海量高质量数据的支撑。本书探讨了数据如何催生新的商业模式、服务和产品,例如个性化推荐系统、自动驾驶技术、智能家居等,这些都离不开对海量数据的深度挖掘和智能分析。 社会关系的重塑: 数据也深刻地影响着人与人之间的互动方式和社会结构的构建。社交媒体上的数据分享、在线平台的互动记录,都在重塑我们的社交网络和信息获取渠道。本书也审视了数据在塑造公共舆论、影响群体行为方面的作用。 伦理与治理的挑战: 伴随着数据能力的增长,也带来了新的伦理和治理挑战。本书严肃讨论了数据隐私保护、数据安全、算法偏见、信息茧房等议题。作者呼吁建立健全的数据治理框架,平衡数据利用与个体权利,确保数据技术朝着有益于人类社会的方向发展。 第四部分:数据未来的展望 在书的最后,作者对数据学的未来发展进行了展望。他认为,随着物联网、边缘计算、量子计算等技术的发展,数据将以更加多元、实时和智能的方式渗透到我们生活的方方面面。未来的数据学将更加关注数据的连接性、动态性以及跨模态的融合处理。同时,对数据的解释性、可信赖性和伦理合规性的要求也将不断提高。 《数据学》并非旨在提供一套标准化的方法论,而是希望通过对数据深层逻辑和广泛影响的探讨,引发读者对数据这一时代核心要素的深度思考。它适用于任何对数据在现代社会中的角色感到好奇,希望从更基础、更具前瞻性的视角理解数据科学发展轨迹的读者。无论您是学生、研究者、从业者,还是仅仅对我们所处的这个“数据化时代”感到好奇,本书都将为您提供一个全新的观察和理解的维度。

作者简介

朱扬勇,1963年生,浙江武义人。复旦大学计算机科学技术学院教授,数据科学研究中心主任;上海市政府信息化专家,上海市计算机学会、生物信息学会理事等。主持完成国家自然科学基金、“863计划”等10多项科研课题,发表论文100余篇,出版图书7本。目前作为主要倡导者,从事数据科学的研究工作。

熊赟,1980年生,江西南昌人。复旦大学计算机科学技术学院教师。主要研究领域为数据科学,发表论文20余篇。作为项目负责人,主持国家自然科学基金、上海市科委重点发展基金项目等的研究工作,并参与国家“863计划”、“973计划”等多项研究课题。

目录信息

读后感

评分

本书我花了1个小时速读了一遍。感觉还是比较系统比较新颖的。本书试图按照学科的规模构建数据相关的整个体系。比如本体,比如面向对象的方法。但是,遗憾的是,论据和论证过程还有待加强。 目前关于数据的研究已经摆到了非常重要的位置,比如第四范式等作品都很不错,期待下...  

评分

本书的英文名为《Dataology and Data Science》,应该是国内首先提出“数据学”概念的一本书。不过书中内容并无太多新颖之处:数据勘探、ETL、数据仓库、数据挖掘和数据实验都不是新的概念,本书的介绍也没有什么新颖之处。这本书只是告诉我们:有一门新的学科Data Science正在...

评分

本书的英文名为《Dataology and Data Science》,应该是国内首先提出“数据学”概念的一本书。不过书中内容并无太多新颖之处:数据勘探、ETL、数据仓库、数据挖掘和数据实验都不是新的概念,本书的介绍也没有什么新颖之处。这本书只是告诉我们:有一门新的学科Data Science正在...

评分

本书的英文名为《Dataology and Data Science》,应该是国内首先提出“数据学”概念的一本书。不过书中内容并无太多新颖之处:数据勘探、ETL、数据仓库、数据挖掘和数据实验都不是新的概念,本书的介绍也没有什么新颖之处。这本书只是告诉我们:有一门新的学科Data Science正在...

评分

本书的英文名为《Dataology and Data Science》,应该是国内首先提出“数据学”概念的一本书。不过书中内容并无太多新颖之处:数据勘探、ETL、数据仓库、数据挖掘和数据实验都不是新的概念,本书的介绍也没有什么新颖之处。这本书只是告诉我们:有一门新的学科Data Science正在...

用户评价

评分

《数据学》这本书,其深度和广度都超出了我的预期。它并非一本简单的技术手册,而是一部关于数据思维和数据文化的百科全书。作者对不同行业数据应用的剖析,让我看到了数据在医疗、金融、零售、教育等各个领域的巨大潜力。他通过生动的案例,展示了数据如何驱动创新、优化决策、提升效率。在阅读过程中,我不断地被书中闪耀的洞察力和独到的见解所折服。这本书不仅让我了解了数据学的基础知识,更激发了我对数据科学研究的浓厚兴趣。我开始思考,如何将书中的知识应用到自己的工作和生活中,去发现和解决更多的问题。

评分

这本书的语言风格简洁明快,却又蕴含着深刻的哲理。作者善于用精炼的文字勾勒出复杂的概念,用形象的比喻解释抽象的理论。我在阅读过程中,时常会因为一句深刻的论断而停下思考,回味良久。例如,在探讨数据驱动的决策时,作者写道:“数据并非冰冷的数字,而是倾诉着真相的语言。”这句话,让我对数据的理解上升到了一个全新的高度。它让我明白,数据不仅仅是工具,更是我们理解世界、认识自我的一种方式。这本书不仅仅是知识的传递,更是一种思维方式的启迪,一种对世界的新鲜解读。

评分

这本书的出现,仿佛为我打开了一扇通往未知领域的大门,而我,一个对数据世界既充满好奇又带着一丝敬畏的普通读者,就这样被深深吸引。初次翻阅《数据学》,我便被其宏大的叙事和严谨的逻辑所震撼。它并非枯燥乏味的理论堆砌,而是将冰冷的数据转化为生动的故事,让我仿佛亲身经历了一场数据驱动的伟大变革。书中对于数据起源的追溯,从早期统计学的萌芽,到如今大数据时代的浪潮,都描绘得淋漓尽致。我尤其对书中关于数据收集、清洗、分析、可视化以及应用等一系列环节的阐述印象深刻。它不仅仅是教你“怎么做”,更是让你理解“为什么这么做”。例如,在谈到数据清洗时,作者并没有简单地列举各种错误类型,而是通过生动的案例,展现了不洁数据可能带来的灾难性后果,让我深刻体会到数据质量的重要性,也激发了我对数据一丝不苟的态度。

评分

《数据学》这本书的体系结构严谨而又富有逻辑性。作者循序渐进地展开论述,从基础的概念到复杂的应用,层层递进,让读者能够逐步建立起对数据学的完整认知。我尤其欣赏书中对案例的选取,它们都具有很强的代表性和典型性,能够很好地说明相关理论。在阅读过程中,我不仅学到了知识,更获得了解决实际问题的思路和方法。这本书对我而言,不仅仅是一本书,更是一位良师益友,在我探索数据世界的道路上,给予了我重要的指导和启迪。

评分

这本书的叙事结构让我印象深刻。作者以一种非线性的方式,将数据学的发展脉络、核心概念、实际应用以及未来趋势巧妙地编织在一起。读起来丝毫不会感到枯燥乏味,反而像是在跟随作者的脚步,一步步探索数据世界的奥秘。书中穿插的许多历史故事和科技人物的轶事,为严肃的学术内容增添了几分人情味,也让我对数据学的发展有了更深的理解。我特别欣赏作者在分析具体案例时,那种深入浅出的讲解方式。他总是能将复杂的模型和算法,用通俗易懂的语言解释清楚,并辅以直观的图示,让我这个初学者也能轻松掌握。

评分

这本书的价值在于,它不仅为我提供了海量的数据学知识,更重要的是,它改变了我对数据的认知方式。我开始意识到,数据无处不在,数据思维也应该渗透到我们生活的方方面面。作者的笔触充满了激情和洞察力,他将枯燥的理论变得生动有趣,将抽象的概念变得易于理解。这本书让我不再是那个被动接受数据的消费者,而是能够主动去发现、去分析、去利用数据的思考者。它是一本能够点亮我思维火花的著作,让我对未来的学习和工作充满了信心。

评分

我特别喜欢作者在书中对数据可视化的强调。他认为,好的可视化能够让数据“说话”,能够将复杂的趋势和模式直观地呈现出来。书中提供了大量精美的可视化图表,让我领略到了数据之美。这些图表不仅信息量丰富,而且设计精巧,具有很强的艺术感。它让我明白,数据可视化不仅仅是技术的运用,更是一种艺术的表达。这本书让我开始重新审视那些日常生活中遇到的图表,学会从它们的视觉呈现中提取更深层次的信息。

评分

《数据学》带给我的,远不止是知识的增益,更是一种全新的视角。作者对于数据伦理和社会责任的探讨,让我看到了数据背后的复杂性和双面性。他并没有回避数据隐私泄露、算法歧视等敏感问题,而是以一种负责任的态度,深入分析了这些问题产生的根源,并提出了一些建设性的解决方案。这让我深刻认识到,数据的发展并非一帆风顺,它伴随着挑战和争议。在信息爆炸的时代,我们既要拥抱数据带来的便利,也要警惕其潜在的风险。这本书的价值在于,它不仅教会我们如何驾驭数据,更引导我们思考如何负责任地使用数据,如何构建一个更加公平、透明、可信赖的数据社会。

评分

阅读《数据学》的过程,更像是一次思维的洗礼。作者的笔触深刻而有力,他不仅展示了数据强大的分析能力,更引导我们去思考数据背后隐藏的逻辑和规律。在探讨数据模型的部分,我被那些精妙的算法和复杂的统计学理论所吸引,但作者的讲解方式却异常清晰,仿佛一位循循善诱的老师,将晦涩难懂的概念化繁为简。他通过大量的图表和实例,将抽象的数学模型具象化,让我这个非专业读者也能领略到其中的奥妙。书中对不同数据分析方法的比较和应用场景的介绍,也为我提供了宝贵的参考。我开始意识到,在面对海量数据时,选择合适的分析工具和方法是多么的关键。这本书让我不再畏惧那些复杂的数字和图表,而是学会如何从中挖掘出有价值的信息,甚至是隐藏在其中的商业洞察。

评分

《数据学》这本书,给我最大的感受是它的前瞻性。作者不仅对当前的数据技术和应用进行了深入的分析,更对未来的发展趋势进行了大胆的预测。他对于人工智能、机器学习、区块链等前沿技术与数据学的融合,进行了独到的阐述,让我看到了数据学在未来社会发展中的无限可能。在阅读过程中,我仿佛看到了一个更加智能、更加高效的未来。这本书让我对接下来的科技发展充满了期待,也让我对自己在其中扮演的角色有了更清晰的认识。它是一本能够激发人思考、引导人探索的著作。

评分

复旦的新专业绝不是fad。我觉得未来数据科学将成为很多软科学极其重要的研究手段,对世界进行那么一点量化就可以totally change the world

评分

复旦的新专业绝不是fad。我觉得未来数据科学将成为很多软科学极其重要的研究手段,对世界进行那么一点量化就可以totally change the world

评分

对数据做了介绍,包括概念,框架,挖掘等等,是一本不错的入门书!

评分

对数据做了介绍,包括概念,框架,挖掘等等,是一本不错的入门书!

评分

本书我花了1个小时速读了一遍。感觉还是比较系统比较新颖的。本书试图按照学科的规模构建数据相关的整个体系。比如本体,比如面向对象的方法。但是,遗憾的是,论据和论证过程还有待加强。期待下一版。

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有