作為問題導向、數據驅動的交叉學科，數據科學要求研究者具備扎實的知識儲備、高效的編程能力以及廣闊的研究視野。本書嘗試以概論的形式對數據科學的緣起、內涵、技術、工具、原則、方法、平臺、產品、應用等展開討論，幫助讀者建立完整的知識體繫與專業邏輯。全書劃分為四個部分：第一部分是緒論，鳥瞰數據科學的概念、歷史與應用；第二部分是基礎技能，涵蓋編程工具、數學基礎與統計原則；第三部分是分析方法，遵從從探索性到驗證性的數據分析思路，闡釋數據可視化方法，講解面向結構化數據的機器學習與人工智能模型，並討論非結構化數據的分析技術；第四部分是數據應用，從業界視角介紹數據庫、大數據平臺、可重復研究的理念與實踐，並以互聯網、零售、金融、醫療健康四個行業為例展開實戰討論。
李揚 中國人民大學統計學院教授、博士生導師，副院長、統計咨詢研究中心主任；國際統計學會推選會員、中國商業統計學會副會長、北京生物醫學統計與數據管理研究會監事長、北京大數據協會綜合評價專業委員會主任委員。主要從事相關型數據分析、模型選擇與不確定性評價、潛變量建模、臨床試驗設計等領域研究，承擔國家自然科學基金面上項目、全國統計科學研究重大項目等科研項目二十餘項，發表JASA、JAMA IM、Biometrics、Biostatistics、統計研究等國內外期刊研究論文五十餘篇。李艦 統計學本科、軟件工程碩士、商學博士，數據科學領域的多年從業者，見證並參與了統計學從冷門專業到顯學的過程。是“統計之都”社區的核心成員之一、一些開源社區的活躍貢獻者，致力於數據科學在實體行業的應用。著有《統計之美》《數據科學中的R語言》。
數據科學是大數據時代發展的必然產物，也是推動時代進步的內生動力。作為一門問題導向、數據驅動的交叉學科，數據科學要求研究者具備扎實的知識儲備、高效的編程能力以及廣闊的研究視野。本書嘗試以概論的形式對數據科學的緣起、內涵、技術、工具、原則、方法、平臺、產品、應用等展開討論，幫助讀者建立完整的知識體繫與專業邏輯。全書劃分為四個部分：第一部分是緒論，鳥瞰數據科學的概念、歷史與應用；第二部分是基礎技能，涵蓋編程工具、數學基礎與統計原則；第三部分是分析方法，遵從從探索性到驗證性的數據分析思路，闡釋數據可視化方法，講解面向結構化數據的機器學習與人工智能模型，並討論非結構化數據的分析技術；第四部分是數據應用，從業界視角介紹數據庫、大數據平臺、可重復研究的理念與實踐，並以互聯網、零售、金融、醫療健康四個行業為例展開實戰討論。為適應時代要求，全書示例盡量以 R和 Python對照展開，方便讀者掌握不同的分析工具。為提供教學便利，作者分別準備了基於 Beamer和 PowerPoint的課件素材，在中國人民大學出版社網站（ www.crup.com.cn）提供下載，並秉承開源思想將所有數據與代碼共享於 https://github.com/rucliyang/Intro2ds。近二十年，兩位作者分別修讀了統計學博士、軟件工程碩士與管理學博士學位，並長期活躍於基於數據科學技術的統計咨詢一線，在互聯網、市場研究、生物醫藥、金融、教育心理等領域積累了豐富的實踐經驗，希冀從不同視角為大家展開數據科學的畫卷。
請選擇顏色、尺碼等選項！
已成功加入購物車！
