了得網計算機/網絡_數據科學實戰

內容簡介

本書脫胎於哥倫比亞大學“數據科學導論”課程的教學講義，它界定了數據科學的研究範疇，是一本注重人文精神，多角度、全方位、深入介紹數據科學的實用指南，堪稱大數據時代的實戰寶典。本書旨在讓讀者能夠舉一反三地解決重要問題，內容包括：數據科學及工作流程、統計模型與機器學習算法、信息提取與統計變量創建、數據可視化與社交網絡、預測模型與因果分析、數據預處理與工程方法。另外，本書還將帶領讀者展望數據科學未來的發展。

作者介紹
關於封面圖
前言
第1章簡介：什麼是數據科學
1．1大數據和數據科學的喧囂
1．2衝出迷霧
1．3為什麼是現在
1．4數據科學的現狀和歷史
1．5數據科學的知識結構
1．6思維定義
1．7什麼是數據科學家
1．7．1學術界對數據科學家的定義
1．7．2工業界對數據科學家的定義
第2章統計推斷、探索性數據分析和數據科學工作流程作者介紹

關於封面圖

前言

第1章簡介：什麼是數據科學

1．1大數據和數據科學的喧囂

1．2衝出迷霧

1．3為什麼是現在

1．4數據科學的現狀和歷史

1．5數據科學的知識結構

1．6思維定義

1．7什麼是數據科學家

1．7．1學術界對數據科學家的定義

1．7．2工業界對數據科學家的定義

第2章統計推斷、探索性數據分析和數據科學工作流程

2．1大數據時代的統計學思考

2．1．1統計推斷

2．1．2總體和樣本

2．1．3大數據的總體和樣本

2．1．4大數據意味著大膽的假設

2．1．5建模

2．2探索性數據分析

2．2．1探索性數據分析的哲學

2．2．2練習：探索性數據分析

2．3數據科學的工作流程

2．4思維實驗：如何模擬混沌

2．5案例學習：RealDirect

2．5．1RealDirect是如何賺錢的

2．5．2練一練：RealDirect公司的數據策略

第3章算法

3．1機器學習算法

3．2三大基本算法

3．2．1線性回歸模型

3．2．2足近鄰模型(k-NN)

3．2．3I(均值算法

3．3練習：機器學習算法基礎

3．4總結

3．5思維實驗：關於統計學家的自動化

第4章垃圾郵件過濾器、樸素貝葉斯與數據清理

4．1思維實驗：從實例中學習

4．1．1線性回歸為何不適用

4．1．2l(近鄰效果如何

4．2樸素貝葉斯模型

4.2．1貝葉斯法則

4．2．2個別單詞的過濾器

4．2．3直通樸素貝葉斯

4．3拉普拉斯平滑法

4．4對比樸素貝葉斯和k近鄰

4．5Bash代碼示例”

4.6網頁抓取：APl和其他工具

4．7Jake的練習題：文章分類問題中的樸素貝葉斯模型

第5章邏輯回歸

5．1思維實驗

5．2分類器

5．2．1運行時間

5．2．2你自己

5．2．3模型的可解釋性

5．2．4可擴展性

……

第6章時間戳數據與金融建模

第7章從數據到結論

第8章構建面向大量用戶的推薦引擎

第9章數據可視化與欺詐偵測

第10章社交網絡與數據新聞學

第11章因果關繫研究

第12章流行病學

第13章從競賽中學到的：數據洩漏和模型評價

第14章數據工程：Mapreduce pregel、Hadoop

第15章聽聽學生學們怎麼說

第16章下一代數據科學家、自大狂和職業道德

書摘插畫

商品搜索

商品分类

【醫學】

【各大出版社】