人人可懂的數據科學

購買商店

人人可懂的數據科學

$301.00

馬上購買

內容描述

本書從數據科學發展演化史，數據科學定義，數據、數據集，數據科學生態系統，機器學習，數據科學標準任務，隱私與倫理，發展趨勢等角度，對數據科學展開了精彩的闡述。

本書精準界定了數據科學的術語、任務、生命周期，並介紹了主流的數據科學生態技術，及決策樹、回歸分析、神經網絡、深度學習等常見機器學習算法。同時也涵蓋隱私、數據倫理等方面的話題，介紹了數據科學可能引發的隱私泄露、人為歧視、不公平，以及歐盟、美國等國家或地區針對數據因素保護、數據倫理的立法。

數據科學是什麽？
數據科學是如何發展演化的？
數據科學項目的標準流程是什麽？
數據基礎設施面臨的挑戰有哪些？
數據科學與機器學習有什麽關系？
在數據科學過程中如何進行數據監管和保護個人隱私？
數據科學項目成功的重要原則是什麽？
數據科學的未來影響是什麽？

如今，數據科學推動了現代社會幾乎所有領域決策的發展，正在影響著人們日常生活的方方面面。本書旨在闡述理解數據科學所需的基本思想和概念，幫助你理解什麽是數據科學，它是如何工作的，以及它能（和不能）做什麽。

目錄大綱

譯者序
前言
致謝
作者簡介
 
第1章什麼是數據科學
1．1數據科學簡史
1．1．1數據收集簡史
1．1．2數據分析簡史
1．1．3數據科學的產生與發展
1．2數據科學用於何處
1．2．1銷售和營銷中的數據科學
1．2．2數據科學在政府中的應用
1．2．3數據科學在競技體育中的應用
1．3為什麼是現在
1．4關於數據科學的神話
 
第2章什麼是數據，什麼是數據集
2．1關於數據的觀點
2．2數據可以積累，而智慧不能
2．3 CRISP-DM
 
第3章數據科學生態系統
3．1將算法遷移至數據
3．1．1傳統數據庫與現代的傳統數據庫
3．1．2大數據架構
3．1．3混合數據庫世界
3．2數據準備和集成
 
第4章機器學習
4 ．1有監督學習與無監督學習
4．2學習預測模型
4．2．1相關性不等同於因果，但它有時非常有用
4．2．2線性回歸
4．2．3神經網絡與深度學習
4 ．2．4決策樹
4．3數據科學中的偏差
4．4評估模型：泛化而不是記憶
4．5摘要
 
第5章標準的數據科學任務
5．1誰是我們的目標客戶（聚類）
5．2這是欺詐嗎（異常值檢測）
5．3你要配份炸薯條嗎（關聯規則挖掘）
5．4流失還是不流失，這是一個問題（分類）
5．5它價值幾何（回歸）
 
第6章隱私與道德
6．1商業利益與個人隱私
6．1．1數據科學的道德啟示：畫像與歧視
6．1．2數據科學的道德含義：創建一個全景監獄
6．2隱私保護
6．2．1保護隱私的計算方法
6．2．2規範數據使用和保護隱私的法律框架
6 ．3通往道德的數據科學之路
 
第7章未來趨勢與成功準則
7．1醫療數據科學
7．2智慧城市
7．3數據科學項目準則：為什麼會成功或失敗
7．4終極思考
 
術語表
延伸閱讀
參考文獻

作者介紹

[愛爾蘭]約翰· D.凱萊赫(John D. Kelleher)，布倫丹·蒂爾尼(Brendan Tierney)著：
約翰· D.凱萊赫(John D. Kelleher)是都柏林理工學院計算機科學學院的教授以及信息、通信和娛樂研究所的學術負責人。他的研究得到了ADAPT中心的支持，該中心由愛爾蘭科學基金會（Grant 13 / RC / 2106）資助，同時也接受歐洲區域發展基金的資助。他還是《Fundamentals of Machine Learning for Predictive Data Analytics》的作者之一。
布倫丹·蒂爾尼(Brendan Tierney）是都柏林理工學院計算機科學學院的講師，同時也是Oracle ACE主任，還著有多本基於Oracle技術的數據挖掘類著作。