數(shù)據(jù)科學(xué)導(dǎo)論：探索數(shù)據(jù)的奧秘

定　價(jià)：￥45.00

作　者：	黃曉林，劉斌，劉欽，陳穎，葛云著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	面向新工科的電工電子信息基礎(chǔ)課程系列教材
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302561699	出版時(shí)間：	2020-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	180	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)通過(guò)完整、規(guī)范的數(shù)據(jù)科學(xué)項(xiàng)目的流程來(lái)組織全書(shū)體系結(jié)構(gòu)，涵蓋數(shù)據(jù)科學(xué)項(xiàng)目的全過(guò)程，包括問(wèn)題提出與目標(biāo)制定、凝練前提假設(shè)和設(shè)計(jì)數(shù)據(jù)方案、探索性數(shù)據(jù)分析、建模與分析、性能評(píng)價(jià)、結(jié)果詮釋與展示。佐以豐富的案例分析和模擬項(xiàng)目訓(xùn)練，啟發(fā)學(xué)生主動(dòng)思考，培養(yǎng)學(xué)生在實(shí)踐中樹(shù)立嚴(yán)謹(jǐn)?shù)目茖W(xué)思維方式及數(shù)據(jù)科學(xué)流程。本書(shū)除了可作為本科生數(shù)據(jù)科學(xué)基礎(chǔ)課、理工通識(shí)課教材外，還面向所有對(duì)數(shù)據(jù)科學(xué)有濃厚興趣的人群，以及各行各業(yè)中有大體量數(shù)據(jù)分析需求的人群。

作者簡(jiǎn)介

　　黃曉林，南京大學(xué)電子科學(xué)與工程學(xué)院副教授，長(zhǎng)期從事信號(hào)處理與數(shù)據(jù)分析工作，發(fā)表SCI學(xué)術(shù)論文30多篇，主持縱向科研項(xiàng)目4項(xiàng)，獲國(guó)家授權(quán)方面專利5項(xiàng)，軟件著作權(quán)1項(xiàng)。目前主講南京大學(xué)電子科學(xué)與工程學(xué)院本科生課程《計(jì)算方法》、《數(shù)據(jù)科學(xué)導(dǎo)論》，曾經(jīng)講授《數(shù)據(jù)庫(kù)應(yīng)用》《生物醫(yī)學(xué)電子學(xué)》等課程。

圖書(shū)目錄

第1章緒論
1.1為什么要研究數(shù)據(jù)科學(xué)
1.2基本概念
1.2.1數(shù)據(jù)
1.2.2大數(shù)據(jù)
1.2.3數(shù)據(jù)科學(xué)
1.3數(shù)據(jù)科學(xué)項(xiàng)目涉及的人員及其任務(wù)
1.4數(shù)據(jù)科學(xué)項(xiàng)目流程
1.4.1確定問(wèn)題
1.4.2制定目標(biāo)
1.4.3搜集數(shù)據(jù)
1.4.4探索性數(shù)據(jù)分析
1.4.5建立模型
1.4.6性能評(píng)價(jià)
1.4.7結(jié)果展示
1.4.8部署模型
1.5數(shù)據(jù)科學(xué)項(xiàng)目中的數(shù)據(jù)流
1.6本書(shū)內(nèi)容、采用工具和目標(biāo)人群
思考題
第2章問(wèn)題與目標(biāo)
2.1用戶層面的問(wèn)題與目標(biāo)
2.2數(shù)據(jù)科學(xué)層面的問(wèn)題與目標(biāo)
思考題
第3章數(shù)據(jù)獲取
3.1前提假設(shè)與數(shù)據(jù)方案設(shè)計(jì)
3.1.1前提假設(shè)
3.1.2數(shù)據(jù)方案設(shè)計(jì)
3.1.3數(shù)據(jù)獲取的可行性分析
3.1.4確定數(shù)據(jù)構(gòu)成
3.2總體和抽樣
3.2.1總體和個(gè)體
3.2.2樣本
3.2.3無(wú)偏抽樣
3.2.4抽樣偏差
3.3混雜因素和A/B Testing
3.3.1混雜因素和辛普森悖論
3.3.2雙盲實(shí)驗(yàn)和A/B Testing
思考題
第4章Python基礎(chǔ)
4.1Python的下載與安裝
4.2常用工具包的下載與安裝
4.3Jupyter Notebook
4.4Python的常用數(shù)據(jù)結(jié)構(gòu)
4.4.1列表
4.4.2元組
4.4.3字典
4.4.4集合
4.4.5numpy.ndarray
4.4.6Pandas.DataFrame
4.5Python基本語(yǔ)法
4.5.1基本命令
4.5.2控制流和相關(guān)語(yǔ)法
4.6Python數(shù)據(jù)導(dǎo)入
4.6.1本地?cái)?shù)據(jù)導(dǎo)入
4.6.2在線數(shù)據(jù)導(dǎo)入
4.6.3數(shù)據(jù)的連續(xù)流加載
第5章探索性數(shù)據(jù)分析
5.1數(shù)據(jù)檢查
5.1.1數(shù)據(jù)的意義及規(guī)模
5.1.2特征的數(shù)據(jù)類型及意義
5.1.3初步排除數(shù)據(jù)泄露
5.2數(shù)據(jù)預(yù)處理
5.2.1缺失處理
5.2.2異常處理
5.2.3冗余處理
5.3描述性統(tǒng)計(jì)
5.3.1位置性測(cè)度
5.3.2離散性測(cè)度
5.3.3圖形化描述統(tǒng)計(jì)
思考題
第6章建模與性能評(píng)價(jià)
6.1統(tǒng)計(jì)建模
6.1.1常見(jiàn)的概率密度函數(shù)
6.1.2參數(shù)估計(jì)
6.1.3假設(shè)檢驗(yàn)
6.1.4phacking
6.2回歸模型
6.2.1線性回歸模型
6.2.2線性回歸模型性能評(píng)價(jià)
6.2.3線性回歸與線性相關(guān)
6.2.4邏輯回歸
6.2.5訓(xùn)練集測(cè)試集劃分
6.2.6應(yīng)用非數(shù)值特征作為輸入時(shí)的onehot編碼
6.3樸素貝葉斯模型
6.3.1貝葉斯定理
6.3.2高斯模型
6.3.3多項(xiàng)式模型
6.3.4伯努利模型
6.4分類模型的性能評(píng)價(jià)
6.4.1混淆矩陣
6.4.2指標(biāo)權(quán)衡
6.4.3應(yīng)用舉例
6.4.4參數(shù)區(qū)分性能評(píng)價(jià)
6.5決策樹(shù)
6.5.1決策樹(shù)工作原理
6.5.2分類任務(wù)決策樹(shù)的建模過(guò)程
6.5.3分類決策樹(shù)應(yīng)用舉例
6.6有監(jiān)督學(xué)習(xí)模型與無(wú)監(jiān)督學(xué)習(xí)模型
6.7Kmeans模型
6.7.1兩個(gè)基本概念
6.7.2Kmeans迭代算法
6.8偏差方差權(quán)衡
6.8.1偏差方差困境
6.8.2過(guò)擬合與欠擬合
6.8.3K折交叉驗(yàn)證
6.9參數(shù)的網(wǎng)格搜索
6.10集成學(xué)習(xí)
6.10.1孔多塞陪審團(tuán)定理
6.10.2決策樹(shù)集成
思考題
第7章結(jié)果展示
7.1區(qū)分面向?qū)ο蟮慕Y(jié)果展示
7.1.1面向出資方的結(jié)果展示
7.1.2面向用戶的結(jié)果展示
7.1.3面向數(shù)據(jù)科學(xué)家的結(jié)果展示
7.2展示過(guò)程中的可視化
7.2.1展示可視化的兩個(gè)層面
7.2.2展示可視化的三點(diǎn)基本原則
結(jié)語(yǔ)
參考文獻(xiàn)