資料科學導論（簡體書）

數據科學，作為一門正在蓬勃發展的新學科，所關注的正是如何在大數據時代背景下，去運用各門與數據相關的技術和理論，服務于社會，讓我們可以更好的去利用身邊的數據，將生活變得更加美好。本書將會系統性的講述與數據科學相關的各個方面的知識，著重于培養數據工程師所需要的技能與思維。本書將從數據科學相關的概念出發，通過豐富詳實的案例，從各個方面，來展示數據科學的運用方式，讓讀者有一個更為直觀的認識，也從中可以感受到數據科學處理各個領域問題的方法和流程，并且會在其中穿插數據科學研究方式下新的思維模式的講解。本書還會從工程概論的流程角度來講述數據科學的工程體系架構，并展望數據科學的未來發展。本書可作為計算機相關專業本科生教材，也可供相關專業技術人員閱讀參考。

楊旭，男，博士。2003年7月于清華大學電子工程系獲得學士學位，2009年7月于清華大學微電子所獲得博士學位。2009年10月至2012年2月，在清華大學計算機系做博士后。2012年3月出站后，進入北京理工大學信息與電子學院。2013年4月，進入北京理工大學軟件學院。主要研究領域為大數據、并行計算、計算機體系結構、編譯技術。曾擔任過我國核高基01重大專項分項目副組長/子項目負責人，并曾主持過多項部委基金項目。目前已發表論文22篇，其中第一作者及通信作者13篇，SCI收錄2篇，EI收錄13篇。申請專利3項。

普通高等教育“十二五”規劃教材

第1章 引論
1.1 序言
1.2 數據
1.2.1 數據的概念
1.2.2 數據的發展史
1.2.3 數據、信息與知識
1.3 大數據
1.3.1 大數據時代的來臨
l.3.2 大數據的概念
1.3.3 大數據的特征
1.3.4 大數據對社會所產生的影響
1.3.5 迎接大數據時代的挑戰
1.4 數據科學
1.5 本書結構
第2章 數據科學在商業金融領域的應用 第1章 引論
1.1 序言
1.2 數據
1.2.1 數據的概念
1.2.2 數據的發展史
1.2.3 數據、信息與知識
1.3 大數據
1.3.1 大數據時代的來臨
l.3.2 大數據的概念
1.3.3 大數據的特征
1.3.4 大數據對社會所產生的影響
1.3.5 迎接大數據時代的挑戰
1.4 數據科學
1.5 本書結構
第2章 數據科學在商業金融領域的應用
2.1 啤酒與尿布
2.1.1 案例詳析
2.1.2 大數據挖掘技術
2.1.3 購物籃分析法
2.1.4 對我們的思維模式啟示
2.2 比價網站的成功
2.2.1 Farecast案例詳析
2.2.2 Decide案例詳析
2.2.3 對我們的思維模式啟示
2.3 基于大數據的個性化推薦系統
2.3.1 基于亞馬遜云的個性化推薦系統
2.3.2 潘多拉(Pandora)——基于基因的推薦系統
2.4.Target的大數據營銷
2.4.1 案例詳析
2.4.2 給我們的思維模式啟示
2.5 社交網絡數據之于對沖基金
第3章 數據科學在生物醫學領域的應用
3.1 流行病預測
3.1.1 谷歌的流感預測
3.1.2 利用微博來預測流感
3.1.3 給我們的思維模式啟示——大數據時代的科學倫理問題
3.2 大數據與智慧醫療
3.2.1 臨床操作
3.2.2 付款／定價
3.2.3 研發
3.2.4 新的商業模式
3.2.5 公眾健康
3.2.6 給我們的思維模式啟示
3.3 疾病監控
3.3.1 大數據服務心臟病患者
3.3.2 “魔毯”病人的監控
3.3.3 大數據監測腦外傷病人恢復
3.4 可穿戴技術、大數據與智慧醫療
3.4.1 什么是可穿戴技術
3.4.2 可穿戴設備簡析
3.4.3 可穿戴設備與智慧醫療
3.4.4 給我們的思維模式啟示——可穿戴設備的缺陷
第4章 數據科學在智慧城市領域的應用
4.1 概述
4.1.1 什么是智慧城市
4.1.2 產生背景
4.1.3 IT企業相繼介入智慧城市領域
4.1.4 國際實踐
4.2 韓國的松島新城
4.3 美國的智慧城市建設
4.3.1 哥倫布市
4.3.2 其他智慧城市建設的舉措
4.4 英國的智慧城市建設
4.5 日本的智慧城市建設
4.6 北歐智慧城市——愛沙尼亞
4.7 荷蘭阿姆斯特丹的智慧城市計劃
4.8 巴西里約熱內盧的智慧城市建設
4.9 智慧城市建設中所應用的數據科學技術
4.9.1 數據信息的收集：利用傳感網絡收集數據信息
4.9.2 數據信息的整合：不同數據信息的整合和統一管理
4.9.3 數據信息分析與應用：大容量、實時性分析技術
第5章 數據科學在影視娛樂領域的應用
5.1 大數據捧紅《紙牌屋》
5.1.1 案例詳析
5.1.2 大數據如何捧紅《紙牌屋》
5.1.3 給我們的思維模式啟示
5.2 谷歌預測電影票房
5.2.1 案例詳析
5.2.2 谷歌的預測機理
5.2.3 給我們的思維模式啟示
5.3 利用數據預測奧斯卡獎項
第6章 數據科學在其他領域的應用實例
6.1 大數據幫助奧巴馬贏得大選
6.1.1 案例詳析
6.1.2 給我們的思維模式啟示
6.2 棱鏡門
6.2.1 案例詳析
6.2.2 “棱鏡”計劃
6.2.3 加拿大的“棱鏡門”
6.2.4 給我們的思維模式啟示
6.3 大數據幫助尋根問祖
6.3.1 案例分析
6.3.2 運作機理
6.4 大數據與社會治安
第7章 數據科學工程概論
7.1 科學研究的第四范式——數據密集型研究方法
7.1.1 范式和范式的演變
7.1.2 科學研究的第四范式
7.2 數據密集型科學研究興起的社會環境
7.2.1 數據洪流的到來
7.2.2 科學界對海量數據的關注
7.2.3 關聯數據運動
7.2.4 政府數據開放運動
7.3 對數據密集型科學研究范式的分析
7.3.1 科學數據和科學研究的問題
7.3.2 相應的解決方案
7.4 數據的收集
7.4.1 客觀世界(Matter)中的數據
7.4.2 主觀世界(Mind)中的數據
7.4.3 細談數據
7.5 數據的存儲
7.6 數據的管理
7.6.1 NoSQL數據庫簡介
7.6.2 NoSQL數據庫的特點
7.6.3 開源的NoSQL數據庫軟件
7.7 數據的處理
7.7.1 Hadoop的起源
7.7.2 優點
7.7.3 架構
7.7.4 MapReduce流程
7.8 數據的可視化
7.8.1 Excel
7.8.2 Raphael
7.8.3 Visual.ly
7.8.4 Crossfiltet
7.8.5 PolyMaps
7.8.6 Kartograph
7.8.7 Processing
7.8.8 R
7.8.9 Weka
7.8.10 Gephi
第8章 數據科學的未來展望
8.1 從業前景廣闊
8.2 對未來數據科學發展的探討
8.2.1 提防進入數據誤區
8.2.2 數據不是萬能的