数据科学导论

　　从科学与教育的角度来看，了解大数据的挑战、机遇和价值，探索数据对传统的理工科、社会科学、商业和管理学科的重塑作用具有 重要的意义。本书对数据科学领域的基本概念、基础技术、应用领域、数据驱动的创新创业、数据安全与伦理进行了介绍和讨论，适用于对数据科学感兴趣的学生与初级入门的读者。本书分六章，第1章描述了数据科学的基础概念和发展历程，对数据科学的定义、方法、工具、语言和框架做了的总体介绍。第2章详细阐述了数据科学的基础知识。第3章重点介绍数据科学的技术方法，包括统计分析方法、分类技术、聚类技术。第4章对数据科学的一些常见应用场景进行了介绍和讨论。第5章聚焦于数据智能驱动的创新与创业，归纳了数据驱动下的技术创新模式与管理要素。第6章通过列举一些典型案例介绍了数据安全与伦理问题。本书旨在为希望深入了解数据科学的原理及应用的人提供有益的参考和借鉴。

暂缺《数据科学导论》作者简介

第1章 数据科学的概念与影响
1.1 数据的基础概念
1.1.1 什么是数据
1.1.2 数据结构模式
1.1.3 数据的价值
1.2 数据科学发展历程
1.3 什么是数据科学
1.3.1 数据科学的概念
1.3.2 数据科学使用的方法
1.3.3 数据科学使用的工具
1.3.4 数据科学使用的语言
1.3.5 数据科学使用的架构
1.4 数据科学的影响
1.4.1 变革教育模式
1.4.2 提升医疗服务水平
1.4.3 构建智慧交通
1.4.4 发展农业建设
1.4.5 提升营销价值
1.4.6 反馈群体行为特征
1.5 数据科学面临的机遇与挑战
1.5.1 海量却无效的数据
1.5.2 数据共享问题
1.6 本章小结
参考文献
第2章 数据科学基础
2.1 数据科学技术的整体概览
2.1.1 数据科学技术的介绍
2.1.2 数据科学技术架构的演进
2.2 各个技术分支的简介
2.2.1 数据采集
2.2.2 数据传输
2.2.3 数据存储
2.2.4 数据处理
2.2.5 数据应用
2.2.6 基础技术
2.2.7 数据治理
2.3 本章小结
参考文献
第3章 数据科学技术方法
3.1 数据科学技术方法概论
3.1.1 数据分析及挖掘技术整体概论
3.1.2 数据统计分析方法介绍
3.1.3 基于机器学习的数据科学技术方法
3.1.4 模型评估与选择
3.2 数据统计分析
3.2.1 数据分布特征的度量
3.2.2 参数估计
3.2.3 假设检验
3.2.4 方差分析
3.2.5 回归分析