數(shù)據(jù)科學與大數(shù)據(jù)分析

　　數(shù)據(jù)科學與大數(shù)據(jù)分析在當前是炙手可熱的概念，關(guān)注的是如何通過分析海量數(shù)據(jù)來洞悉隱藏于數(shù)據(jù)背后的見解。本書是數(shù)據(jù)科學領(lǐng)域為數(shù)不多的實用性技術(shù)圖書，它通過詳細剖析數(shù)據(jù)分析生命周期的各個階段來講解用于發(fā)現(xiàn)、分析、可視化、表示數(shù)據(jù)的相關(guān)方法和技術(shù)?！稊?shù)據(jù)科學與大數(shù)據(jù)分析——數(shù)據(jù)的發(fā)現(xiàn) 分析 可視化與表示》總共分為12章，主要內(nèi)容包括大數(shù)據(jù)分析的簡單介紹，數(shù)據(jù)分析生命周期的各個階段，使用R語言進行基本的數(shù)據(jù)分析，以及高級的分析理論和方法，主要涉及數(shù)據(jù)的聚類、關(guān)聯(lián)規(guī)則、回歸、分類、時間序列分析、文本分析等方法。此外，本書還涵蓋了用來進行高級數(shù)據(jù)分析所使用的技術(shù)和工具，比如MapReduce和Hadoop、數(shù)據(jù)庫內(nèi)分析等?！稊?shù)據(jù)科學與大數(shù)據(jù)分析——數(shù)據(jù)的發(fā)現(xiàn) 分析 可視化與表示》內(nèi)容詳細，示例豐富，側(cè)重于理論與練習的結(jié)合，因此比較適合對大數(shù)據(jù)分析、數(shù)據(jù)科學感興趣的人員閱讀，有志于成為數(shù)據(jù)科學家的讀者也可以從本書中獲益。

　　David Dietrich是EMC Education Services的數(shù)據(jù)科學教育團隊的負責人，他領(lǐng)導著大數(shù)據(jù)分析和數(shù)據(jù)科學相關(guān)的課程、策略和課程開發(fā)工作。他參與編寫了EMC數(shù)據(jù)科學課程的首門課程，以及兩門額外的EMC課程（以向領(lǐng)導和管理人員講授大數(shù)據(jù)和數(shù)據(jù)科學為主），而且還是本書的作者兼編輯。他在數(shù)據(jù)科學、數(shù)據(jù)隱私和云計算領(lǐng)域已經(jīng)申請了14項專利。David曾指導若干所大學開設(shè)數(shù)據(jù)分析相關(guān)的課程項目，而且還經(jīng)常在會議和行業(yè)活動中發(fā)表演講。他還是波士頓地區(qū)幾所大學的客座講師。他的作品已被精選到包括福布斯雜志、哈佛商業(yè)評論以及由美國馬薩諸塞州長Deval Patrick委托起草的2014 馬薩諸塞大數(shù)據(jù)報告等內(nèi)在的主流出版物中。David在分析和技術(shù)領(lǐng)域已經(jīng)浸淫了近20年。在其職業(yè)生涯中，他曾在多家財富500強公司工作過，出任多個與數(shù)據(jù)分析相關(guān)的職位，其中包括管理分析和運營團隊，提供分析咨詢服務(wù)，管理用于規(guī)范美國銀行業(yè)的分析軟件產(chǎn)品線，以及開發(fā)軟件即服務(wù)（Software-as-a-Service）和Bl即服務(wù)（Bl-as-a-Service）的產(chǎn)品。此外，David還曾與美聯(lián)儲一起合作開發(fā)用于監(jiān)控房產(chǎn)抵押貸款的預(yù)測模型。Barry Heller是EMC Education Services的一名咨詢技術(shù)教育顧問。Barry是大數(shù)據(jù)和數(shù)據(jù)科學新興技術(shù)領(lǐng)域的課程開發(fā)人員和課程顧問。在此之前，Barry曾是一名顧問研究科學家，在EMC全面客戶體驗（Total Customer Experience）部門內(nèi)發(fā)起并領(lǐng)導了許多與數(shù)據(jù)分析相關(guān)的項目。在其EMC職業(yè)生涯的早期，他負責管理統(tǒng)計工程團隊，并負責企業(yè)資源企劃（ERP）實施中的數(shù)據(jù)倉庫工作。在加盟EMC之前，Barry在醫(yī)療診斷和技術(shù)公司擔任過可靠性工程功能（Reliability Engineering Functions）的管理和分析角色。在此期間，他將其數(shù)量分析技能應(yīng)用到了客戶服務(wù)、工程、制造、銷售/營銷、金融和法律領(lǐng)域內(nèi)的無數(shù)商業(yè)應(yīng)用中。他強調(diào)與客戶管理人員深入互動的重要性，他的許多成功案例不僅源自對分析的技術(shù)細節(jié)的關(guān)注，也源自針對分析結(jié)果會做出的決策的關(guān)注。Barry擁有羅徹斯特理工學院計算數(shù)學專業(yè)的本科學位，以及紐約州立大學新帕爾茲分校數(shù)學專業(yè)的碩士學位。Beibei Yang是EMC Education Services的一名技術(shù)教育顧問，在EMC負責開發(fā)若干與數(shù)據(jù)科學和大數(shù)據(jù)分析相關(guān)的公開課程。Bebei在IT行業(yè)有7年的從業(yè)經(jīng)驗。在加盟EMC之前，她在一家財富500強公司先后擔任過軟件工程師、系統(tǒng)管理員和網(wǎng)絡(luò)管理員等職位，并引入了多種提升效率和鼓勵合作的新技術(shù)。Beibei曾在國際會議上發(fā)表過學術(shù)論文，并申請了多項專利。她在馬薩諸塞大學盧維爾分校獲得了計算機科學專業(yè)的博士學位。她專注于自然語言處理和數(shù)據(jù)挖掘，尤其是使用各種工具和技術(shù)來發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式，以及用數(shù)據(jù)來講故事。數(shù)據(jù)科學和大數(shù)據(jù)分析是一個令人振奮的領(lǐng)域。在這個領(lǐng)域，數(shù)字信息的潛力可以很大程度地用來幫助做出明智的商業(yè)決策。我們相信，無論是短期、中期還是長期來看，這一領(lǐng)域都將會吸引越來越多有才華的學生和專業(yè)人士投身其中。 譯者簡介曹逾，于新加坡國立大學獲得計算機博士學位，杰出大數(shù)據(jù)與機器學習專家，當前供職于EMC中國卓越研發(fā)集團首席技術(shù)官辦公室，同時擔任EMC中國研究院數(shù)據(jù)科學實驗室主任，主要負責EMC大中華區(qū)大數(shù)據(jù)與數(shù)據(jù)科學方向的應(yīng)用型研究以及創(chuàng)新解決方案研發(fā)，同時也負責EMC在亞太特別是中國大陸地區(qū)的高?？蒲泻献黜椖?。曹博士在SIGMOD、VLDB、ICDE、VLDB Journal等國際會議和期刊發(fā)表論文20余篇，并多次受邀擔任國際會議和期刊審稿人，而且其相關(guān)研究成果在EMC內(nèi)部產(chǎn)品及解決方案中得以廣泛應(yīng)用。曹博士擁有60余項美國及國際專利授權(quán)或申請。劉文苗，現(xiàn)任EMC IT第三平臺高級項目經(jīng)理，對大數(shù)據(jù)、存儲系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)以及文件系統(tǒng)具有一定研究，還具有國內(nèi)金融行業(yè)多年從業(yè)經(jīng)驗。劉先生曾經(jīng)參與過上海證券交易所新一代交易系統(tǒng)、海通期貨核心交易系統(tǒng)的設(shè)計與建設(shè)工作。李楓林，于上海交通大學獲得軟件工程碩士學位，曾在微軟中國公司擔任數(shù)據(jù)庫工程師，現(xiàn)就職于EMC中國研發(fā)中心，擔任Senior Social Engagement Manager一職，主要負責EMC中文技術(shù)社區(qū)的運營與后臺數(shù)據(jù)處理工作，近年來潛心鉆研數(shù)據(jù)存儲與大數(shù)據(jù)相關(guān)技術(shù)，曾在EMC中文社區(qū)及社交媒體上發(fā)表多篇大數(shù)據(jù)技術(shù)相關(guān)的文章。 主審人員簡介孫宇熙（Ricky Sun），EMC中國研究院院長，在EMC主要負責大數(shù)據(jù)、軟件定義的數(shù)據(jù)中心、云計算、超融合架構(gòu)、高性能計算、高效存儲等領(lǐng)域的研發(fā)、戰(zhàn)略合作與創(chuàng)新等工作。Ricky有在硅谷和國內(nèi)近20年的學習、工作、生活和創(chuàng)業(yè)的經(jīng)驗。Ricky既有在大型跨國公司（EMC、微軟、Yahoo?。┑墓ぷ鹘?jīng)歷，也有過往成功的創(chuàng)業(yè)經(jīng)歷，曾于2001年在美國加州硅谷地區(qū)創(chuàng)立WL科技公司并成功帶領(lǐng)公司在2004年與香港Telewave集團合并。Ricky在混合云架構(gòu)、大數(shù)據(jù)快數(shù)據(jù)處理與分析、軟件定義存儲等領(lǐng)域有著多年的國際領(lǐng)先的工作經(jīng)驗業(yè)界的影響力，并持有多項專利。Ricky在近年的專業(yè)著作有《程序員生存手冊：面試篇》、《軟件定義數(shù)據(jù)中心：技術(shù)與實踐》等。