统地阐述大数据分析处理工作流程中的重要步骤。
电子书
编辑推荐
解码数据科学的奥秘，驱动业务决策和创新。
内容简介
从数据分析方法到数据科学基础知识，你需要了解的知识全部在本书中。
当下，利用数据为自己的业务和服务提供支持是大势所趋。但是，分析数据需要广泛的知识，自己很难成体系地学习。
本书介绍了数据科学的基础知识及周边知识，包括数据、图表的类型以及统计学、人工智能的基本知识等，网罗信息社会中数据活用的问题点，结合生动插图，让初学者也能迅速理解。
除了按顺序阅读，获取系统的知识，读者还可以从目录中挑选感兴趣的主题和关键词，按照自己的需求阅读，是一本实用性满分的数据科学学习指南。
章节目录
- 封面
- 版权信息
- 前言
- 第1章 数据科学的支撑技术——应对未来需求高涨的必修课
- 1-1 21世纪的石油
- 数据、信息
- 1-2 数据为何越来越多
- 信息化社会、物联网、信息社会、传感器
- 1-3 综合各种知识进行分析
- 数据科学、数据挖掘
- 1-4 从数据中发现价值的职业
- 数据科学家、数据工程师、数据分析师
- 1-5 数据不能直接拿来使用
- 结构化数据、非结构化数据
- 1-6 大量的数据是宝藏
- 大数据、3个V
- 1-7 人与计算机易于处理的数据不同
- 杂乱数据、整齐数据
- 1-8 把握供数据使用的数据
- 主数据、元数据
- 1-9 将数据整理到一处
- 数据基础设施、商业智能仪表盘、数据管道
- 1-10 对高效处理流程进行思考
- 算法、数据结构
- 1-11 导出规则的实用化
- 模型、建模
- 1-12 用于处理数据的编程语言
- R语言、Python语言、Julia语言
- 1-13 任何人都可以免费使用的数据
- 开放数据、e-Stat、WebAPI
- 1-14 一边娱乐，一边学习分析方法
- Kaggle、编程比赛、CTF
- 1-15 围绕IT进行思考
- 数字化转型、数码化、数字化
- 1-16 已经分析的数据的运用事例
- 聊天机器人、推荐
- 1-17 购买了这款商品的顾客还同时购买了这样的商品
- 购物篮分析、关联分析、RFM分析
- 1-18 根据数据进行不同的定价
- 动态定价、金融科技
- 1-19 从小规模出发进行尝试
- 概念验证、小规模启动
- 1-20 持续不断地谋求改善
- PDCA循环、OODA循环、反馈循环
- 1-21 先行确定目标，之后有策略地实施
- KPI、KGI、KSF
- 1-22 把握与数据相关的人
- 用例、利益相关者
- 试一试 尝试一下对使用数据的事例进行调查吧
- 第2章 数据的基础——表示方法与读取方法
- 2-1 数据的分类
- 名义尺度、定序尺度、定距尺度、比例尺度、定性变量、定量变量
- 2-2 从范围的角度对数据加以区分
- 频数分布表、组、频数、组距、直方图
- 2-3 区别使用各种图形
- 柱形图、折线图
- 2-4 表示比例的图形
- 饼状图、条形图
- 2-5 将各种数据展示于一张图中
- 雷达图、箱形图
- 2-6 构成数据基准的数值
- 代表性数值、平均值、中位数、鲁棒性、众数
- 2-7 掌握数据离散程度
- 方差、标准偏差
- 2-8 用一个标准判断
- 变异系数、标准化、偏差值
- 2-9 处理不恰当的数据
- 异常值、缺失值
- 2-10 为什么销售额的八成来自两成的商品
- 帕累托定律、帕累托分析、帕累托图、长尾效应
- 2-11 对数量实施视觉展示
- 数据可视化、热图、文字云图
- 2-12 任何人都可以使用的便捷的数据分析工具
- BI工具、OLAP
- 2-13 集中管理数据
- 数据仓库、数据湖、数据集市
- 2-14 对数据协作进行思考
- ETL、EAI、ESB
- 2-15 对数据结构进行可视化
- ER图、DFD图、CRUD表、CRUD图
- 2-16 设计数据库
- 正规化、非正规化
- 2-17 对纸上打印的数据进行提取处理
- OCR、OMR
- 2-18 高精度、高速度地导入数据
- 条形码、二维码、NFC
- 试一试 选择一下合适的图表吧
- 第3章 数据处理与充分利用——对数据进行分类和预测
- 3-1 根据获取时间而变化的数据
- 时间序列数据、趋势、噪声、周期
- 3-2 程序自动输出的数据
- 日志、转储文件
- 3-3 捕捉长期变化
- 移动平均法、移动平均线、加权移动平均法
- 3-4 掌握两个数轴之间的关系
- 散点图、协方差、相关系数
- 3-5 不被表面的关系所欺骗
- 相关关系、因果关系、伪相关
- 3-6 立足于多个数轴进行汇总
- 交叉汇总、联合分析、直交表
- 3-7 通过减少数轴的数量来把握特征
- 维度、主成分分析
- 3-8 了解人们对两点之间距离的看法
- 欧几里得距离、曼哈顿距离
- 3-9 调查相似的角度
- 余弦相似度、Word2Vec
- 3-10 数据分析不只有帅气的一面
- 预处理、数据准备、数据清洗、数据分析识别
- 3-11 明确多个数轴之间的关系
- 回归分析、最小二乘法
- 3-12 了解高级回归分析
- 多重回归分析、逻辑回归分析
- 3-13 对分类进行预测
- 判别分析、马哈拉诺比斯距离
- 3-14 基于已掌握的知识进行数值推算
- 费米估算
- 3-15 实现对掷骰子结果的操控
- 随机数、伪随机数、随机种子、蒙特卡罗法
- 3-16 通过反复预测提高精度
- 德尔菲法、指数平滑法
- 3-17 了解各种分析方法
- 多变量分析、数量化一类、数量化二类、数量化三类
- 试一试 尝试一下统计问卷调查的结果吧
- 第4章 需要了解的统计学知识——立足于数据推测答案
- 4-1 统计学的分类
- 描述统计学、推断统计学
- 4-2 抽取数据
- 总体、样本、随机抽样
- 4-3 用数值表示易发性
- 统计概率、数学概率、概率、期望值
- 4-4 针对几个独立事件同时发生的概率进行思考
- 同时概率、独立性、互斥性、条件概率、概率的乘法定理
- 4-5 基于结果对原因进行思考
- 先验概率、后验概率、贝叶斯定理、似然
- 4-6 把握数据的分布
- 概率分布、均匀分布、二项分布、正态分布、标准正态分布
- 4-7 如果收集众多数据，就能接近真实值
- 中心极限定理、大数定律
- 4-8 用函数来表示分布
- 概率密度函数、累积分布函数
- 4-9 根据抽取的数据推测原始的总体
- 无偏估计量、点估计、区间估计、置信区间
- 4-10 在不知道方差的情况下进行推算
- 标准误差、无偏方差、自由度、t分布
- 4-11 从统计学的角度进行验证
- 检验、原假设、备择假设、拒绝
- 4-12 确定做出正确判断的基准
- 检验统计量、拒绝域、显著性水平、双侧检验、单侧检验
- 4-13 对检验结果做出判断
- p值、显著性差异、错误、第一类错误、第二类错误
- 4-14 检验平均值
- Z检验、t检验
- 4-15 检验方差
- χ2分布、χ2检验、F检验
- 试一试 尝试检验一下身边的食品吧
- 第5章 需要了解的有关人工智能的知识——常用的手法及其机制
- 5-1 打造与人类具有同等智慧的计算机
- 人工智能、图灵测试
- 5-2 实现人工智能的手法
- 机器学习、监督学习、无监督学习、强化学习
- 5-3 用于评价人工智能的指标
- 混淆矩阵、准确率、精确率、召回率、F值、交叉验证
- 5-4 掌握学习的进度
- 过拟合、欠拟合
- 5-5 模仿大脑的学习方法
- 神经网络、损失函数、误差反向传播法
- 5-6 逐渐接近最优解
- 梯度下降法、局部解、学习率
- 5-7 深入各分层，利用大量数据进行学习
- 深度学习、CNN、RNN、LSTM
- 5-8 对误差进行量化
- 偏差-方差分解、折中
- 5-9 提升精度
- 正则化、拉索回归、岭回归
- 5-10 分成多个组
- 聚类、k均值算法
- 5-11 划分为任意个簇
- 分层次聚类、Ward法、最短距离法、最长距离法
- 5-12 在树结构中学习
- 决策树、不纯度、信息增益
- 5-13 使用多个人工智能进行多数表决
- 随机森林、集成学习、引导聚集算法、提升方法
- 5-14 评价规则的指标
- 支持度、置信度、提升度
- 5-15 边界余量的最大化
- 支持向量机、超平面、硬余量、软余量
- 5-16 进行自动的机器学习
- 自动化机器学习、可解释性人工智能
- 5-17 结合各种方法寻找解决方法
- 运筹学、数理优化、数理设计法、概率设计法
- 试一试 查找一下最新的论文吧
- 第6章 有关安全与隐私的问题——数据社会将走向何方
- 6-1 处理数据时必须遵守道德
- 信息伦理、数据伦理
- 6-2 数据可靠性堪忧
- 统计造假、技术人员伦理
- 6-3 错误认识导致精度下降
- 数据偏差、算法偏差
- 6-4 在日本对于个人信息的处理
- 个人信息保护法、P认证
- 6-5 在海外对于个人信息的处理
- GDPR、CCPA
- 6-6 对个人信息的充分利用进行思考
- 假名化、匿名化、k-匿名化
- 6-7 对数据的流通、一般使用与充分利用进行思考
- 数据驱动型社会、超智能社会、信息银行
- 6-8 制定处理数据时的规则
- 信息安全政策、隐私政策
- 6-9 公示收集数据的目的
- 使用目的、选择加入、选择退出
- 6-10 了解保有数据的权利
- 知识产权、著作权
- 6-11 自动获得外部数据
- 抓取、爬取
- 6-12 对保有数据的读取进行管理
- 访问控制、备份
- 6-13 防止从内部带出数据
- 审计、数据泄露防护
- 6-14 每次都能得到相同结果
- 幂等性
展开全部
图解数据科学是2023年由中国科学技术出版社出版,作者[日] 增井敏克。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《图解数据科学》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
系统介绍商业数据分析与可视化的主要内容及常用的分析方法。
电子书
治愈你的“数据恐惧症”，开启你的数据达人之旅。
电子书
从科技到人文，多角度探寻定量分析应用何去何从，解读数字时代的“定量陷阱”。
电子书
一本教你用Microsoft Power BI分析处理经营业务数据的教程。
电子书
数据科学与大数据技术专业系列规划教材。强调概念+算法实践，让你“小数据”上会“算”，“大数据”上“算得快”。
电子书
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。
电子书
中国信通院专家倾情撰写和推荐，知识图谱方法技术与实践应用指南。
