數(shù)據(jù)科學實戰(zhàn)

定　價：￥79.00

作　者：	（美）舒特（Rachel Schutt），（美）奧尼爾（Cathy O''Neil）
出版社：	人民郵電出版社
叢編項：
標　簽：	計算機/網(wǎng)絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787115383495	出版時間：	2015-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	290頁	字數(shù)：

內(nèi)容簡介

　　本書脫胎于哥倫比亞大學“數(shù)據(jù)科學導論”課程的教學講義，它界定了數(shù)據(jù)科學的研究范疇，是一本注重人文精神，多角度、全方位、深入介紹數(shù)據(jù)科學的實用指南，堪稱大數(shù)據(jù)時代的實戰(zhàn)寶典。本書旨在讓讀者能夠舉一反三地解決重要問題，內(nèi)容包括：數(shù)據(jù)科學及工作流程、統(tǒng)計模型與機器學習算法、信息提取與統(tǒng)計變量創(chuàng)建、數(shù)據(jù)可視化與社交網(wǎng)絡、預測模型與因果分析、數(shù)據(jù)預處理與工程方法。另外，本書還將帶領讀者展望數(shù)據(jù)科學未來的發(fā)展。

作者簡介

　　Rachel Schutt，美國新聞集團旗下數(shù)據(jù)科學部門高級副總裁、哥倫比亞大學統(tǒng)計系兼職教授、約翰遜實驗室高級研究科學家，同時也是哥倫比亞大學數(shù)據(jù)科學及工程研究所教育委員會的發(fā)起人之一。她曾在谷歌研究院工作數(shù)年，負責設計算法原型并通過建模理解用戶行為。Cathy O'Neil，約翰遜實驗室高級數(shù)據(jù)科學家、哈佛大學數(shù)學博士、麻省理工學院數(shù)學系博士后、巴納德學院教授，曾發(fā)表過大量算術代數(shù)幾何方面的論文。他曾在著名的全球投資管理公司D.E. Shaw擔任對沖基金金融師，后加入專門評估銀行和對沖基金風險的軟件公司RiskMetrics，個人博客：mathbabe.org。

圖書目錄

作者介紹
關于封面圖
前言
第1章簡介：什么是數(shù)據(jù)科學
　1．1大數(shù)據(jù)和數(shù)據(jù)科學的喧囂
　1．2沖出迷霧
　1．3為什么是現(xiàn)在
　1．4數(shù)據(jù)科學的現(xiàn)狀和歷史
　1．5數(shù)據(jù)科學的知識結構
　1．6思維實驗：元定義
　1．7什么是數(shù)據(jù)科學家
　　1．7．1學術界對數(shù)據(jù)科學家的定義
　　1．7．2工業(yè)界對數(shù)據(jù)科學家的定義
第2章統(tǒng)計推斷、探索性數(shù)據(jù)分析和數(shù)據(jù)科學工作流程
　2．1大數(shù)據(jù)時代的統(tǒng)計學思考
　　2．1．1統(tǒng)計推斷
　　2．1．2總體和樣本
　　2．1．3大數(shù)據(jù)的總體和樣本
　　2．1．4大數(shù)據(jù)意味著大膽的假設
　　2．1．5建模
　2．2探索性數(shù)據(jù)分析
　　2．2．1探索性數(shù)據(jù)分析的哲學
　　2．2．2練習：探索性數(shù)據(jù)分析
　2．3數(shù)據(jù)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(shù)據(jù)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：關于統(tǒng)計學家的自動化
第4章垃圾郵件過濾器、樸素貝葉斯與數(shù)據(jù)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(wǎng)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(shù)據(jù)與金融建模
第7章從數(shù)據(jù)到結論
第8章構建面向大量用戶的推薦引擎
第9章數(shù)據(jù)可視化與欺詐偵測
第10章社交網(wǎng)絡與數(shù)據(jù)新聞學
第11章因果關系研究
第12章流行病學
第13章從競賽中學到的：數(shù)據(jù)泄漏和模型評價
第14章數(shù)據(jù)工程：Mapreduce pregel、Hadoop
第15章聽聽學生學們怎么說
第16章下一代數(shù)據(jù)科學家、自大狂和職業(yè)道德