面臨大數據為軟件工程帶來的挑戰，軟件科學家
和數據科學家齊聚此次研討會，分享他們的技術、工
具和經驗，蒂姆·孟席斯、勞裡·威廉姆斯、托馬斯
·齊默爾曼編著的《大數據時代的軟件工程(軟件科
學家與數據科學家的思維踫撞)/華章程序員書庫》即
為會議成果的合集。科學家們從數據科學的視角洞察
軟件工程，討論如何更有效地收集和處理軟件開發過
程中產生的代碼和Git提交信息等數據，以及如何在
種類繁多的數據分析工具中進行選擇。
書中雲集來自微軟、思科等公司的著名軟件專家
，以及來自北卡羅來納州立大學等高校的頂尖學者。
他們用言簡意賅的方式表達自己的見解，分享業界最
前線的思維方式和實戰技巧，而不展開繁雜的技術細
節和數學推理。因此，每個章節都簡潔實用，還包含
很多有趣的故事，適合不同層次的讀者從中學習數據
驅動的軟件工程之道。

譯者序
本書作者
第1章 簡介
1.1 軟件工程的數據科學視角
1.2 軟件分析與實際應用
1.3 歸納式軟件工程的七個原則：我們做的是不同的
1.4 軟件工程中對數據分析模式的需求
1.5 從軟件數據到軟件理論：到達的捷徑
1.6 為何理論是重要的
第2章 成功案例與應用
2.1 挖掘應用中的異常
2.2 擁抱動態工件
2.3 移動應用商店分析
2.4 軟件的自然性
2.5 版本發布就緒的研究進展
2.6 如何征服你的在線服務
2.7 評價個人生產率
2.8 基於堆棧跟蹤的攻擊面檢測
2.9 軟件工程數據的視覺分析
2.10 遊戲數據分組後效果*佳
2.11 實踐中應用數據科學的成功故事
2.12 從來沒有足夠的時間做所有需要的測試
2.13 能源開采的危險：多次衡量，一次比較
2.14 大規模商業軟件中的錯誤文件定位
2.15 定制組件：個性化問題跟蹤的機遇
2.16 至關重要的是決策而非數字：分析設計表
2.17 編程語言對代碼質量影響的繫統研究
2.18 代碼審查不是為了尋找缺陷：即使已建立的工具也需要偶爾進行評估
第3章 技術
3.1 會談
3.2 查找暫存數據中的狀態轉換
3.3 卡片分類：從文本到主題
3.4 工具！工具！我們需要工具
3.5 基於證據的軟件工程
3.6 你需要哪種機器學習方法
3.7 首先結構化你的非結構化數據！用標簽雲概括非結構化數據的案例
3.8 解析數據！準備原始數據的實用技巧
3.9 自然語言處理不是免費的午餐
3.10 聚集經驗證據進行*可信的決策
3.11 如果是軟件工程，它可能是一個貝葉斯因子
3.12 隱私和數據共享都要有恰如其分的條件
3.13 軟件工程可預測模型中的群體智慧
3.14 挖掘軟件數據時兼顧定量方法和定性方法
3.15 為存活而調查設計的過程和為遠航而調查部署的過程
第4章 智慧與技巧
4.1 記錄一切？
4.2 起源的重要性
4.3 從一開始就保持開放
4.4 減少洞察時間
4.5 獲取成功的五步：如何在組織中部署數據科學