数据科学理论与实践(第2版)

第1章 基础理论
如何开始学习
1.1 术语定义
1.2 研究目的
1.3 研究视角
1.4 发展简史
1.5 理论体系
1.6 基本原则
1.7 相关理论
1.8 人才类型
如何继续学习
习题
参考文献
第2章 理论基础
如何开始学习
2.1 数据科学的学科地位
2.2 统计学
2.3 机器学习
2.4 数据可视化
如何继续学习
习题
参考文献
第3章 流程与方法
如何开始学习
3.1 基本流程
3.2 数据加工
3.3 数据审计
3.4 数据分析
3.5 数据可视化
3.6 数据故事化
3.7 数据科学项目管理
3.8 数据科学中的常见错误
如何继续学习
习题
参考文献
第4章 技术与工具
如何开始学习
4.1 数据科学的技术体系
4.2 MapReduce
4.3 Hadoop
4.4 Spark
4.5 NoSQL与NewSQL
4.6 R与Python
4.7 发展趋势
如何继续学习
习题
参考文献
第5章 数据产品及开发
如何开始学习
5.1 定义
5.2 主要特征
5.3 关键活动
5.4 数据柔术
5.5 数据能力
5.6 数据战略
5.7 数据治理
5.8 数据**、隐私、道德与伦理
如何继续学习
习题
参考文献
第6章 典型案例及实践
如何开始学习
6.1 统计分析
6.2 机器学习
6.3 数据可视化
6.4 Spark编程
6.5 2012年美国总统大选
如何继续学习
习题
参考文献
附录A 本书例题的R语言版代码
附录B 数据科学的重要资源
��录C 术语索引
后记