AI人工智能行业资讯更多

学会动态丨位列总榜前三！中国科协网络平台宣传评价2022年第四季度排行榜公布

2023-02-03 18:52

经典书籍 | David Dietrich《数据科学与大数据分析》

来源：世展网分类：AI人工智能行业资讯 2023-01-31 18:31 阅读：*****

2025年深圳高交会人工智能与大数据展CHTF

2025-11-14-11-16

距离130天

收录于话题

#资料领取

点击上方蓝色字体，关注我们

内容简介

数据科学与大数据分析在当前是炙手可热的概念，关注的是如何通过分析海量数据来洞悉隐藏于数据背后的见解。本书是数据科学领域为数不多的实用性技术图书，它通过详细剖析数据分析生命周期的各个阶段来讲解用于发现、分析、可视化、表示数据的相关方法和技术。《数据科学与大数据分析——数据的发现分析可视化与表示》总共分为12章，主要内容包括大数据分析的简单介绍，数据分析生命周期的各个阶段，使用R语言进行基本的数据分析，以及高级的分析理论和方法，主要涉及数据的聚类、关联规则、回归、分类、时间序列分析、文本分析等方法。此外，本书还涵盖了用来进行高级数据分析所使用的技术和工具，比如MapReduce和Hadoop、数据库内分析等。《数据科学与大数据分析——数据的发现分析可视化与表示》内容详细，示例丰富，侧重于理论与练习的结合，因此比较适合对大数据分析、数据科学感兴趣的人员阅读，有志于成为数据科学家的读者也可以从本书中获益。

作者简介

David Dietrich是EMC Education Services的数据科学教育团队的负责人，他领导着大数据分析和数据科学相关的课程、策略和课程开发工作。他参与编写了EMC数据科学课程的首门课程，以及两门额外的EMC课程（以向领导和管理人员讲授大数据和数据科学为主），而且还是本书的作者兼编辑。他在数据科学、数据隐私和云计算领域已经申请了14项专利。David曾指导若干所大学开设数据分析相关的课程项目，而且还经常在会议和行业活动中发表演讲。他还是波士顿地区几所大学的客座讲师。他的作品已被精选到包括福布斯杂志、哈佛商业评论以及由美国马萨诸塞州长Deval Patrick委托起草的2014 马萨诸塞大数据报告等内在的主流出版物中。David在分析和技术领域已经浸淫了近20年。在其职业生涯中，他曾在多家财富500强公司工作过，出任多个与数据分析相关的职位，其中包括管理分析和运营团队，提供分析咨询服务，管理用于规范美国银行业的分析软件产品线，以及开发软件即服务（Software-as-a-Service）和Bl即服务（Bl-as-a-Service）的产品。此外，David还曾与美联储一起合作开发用于监控房产抵押贷款的预测模型。Barry Heller是EMC Education Services的一名咨询技术教育顾问。Barry是大数据和数据科学新兴技术领域的课程开发人员和课程顾问。在此之前，Barry曾是一名顾问研究科学家，在EMC全面客户体验（Total Customer Experience）部门内发起并领导了许多与数据分析相关的项目。在其EMC职业生涯的早期，他负责管理统计工程团队，并负责企业资源企划（ERP）实施中的数据仓库工作。在加盟EMC之前，Barry在医疗诊断和技术公司担任过可靠性工程功能（Reliability Engineering Functions）的管理和分析角色。在此期间，他将其数量分析技能应用到了客户服务、工程、制造、销售/营销、金融和法律领域内的无数商业应用中。他强调与客户管理人员深入互动的重要性，他的许多成功案例不仅源自对分析的技术细节的关注，也源自针对分析结果会做出的决策的关注。Barry拥有罗彻斯特理工学院计算数学专业的本科学位，以及纽约州立大学新帕尔兹分校数学专业的硕士学位。Beibei Yang是EMC Education Services的一名技术教育顾问，在EMC负责开发若干与数据科学和大数据分析相关的公开课程。Bebei在IT行业有7年的从业经验。在加盟EMC之前，她在一家财富500强公司先后担任过软件工程师、系统管理员和网络管理员等职位，并引入了多种提升效率和鼓励合作的新技术。Beibei曾在国际会议上发表过学术论文，并申请了多项专利。她在马萨诸塞大学卢维尔分校获得了计算机科学专业的博士学位。她专注于自然语言处理和数据挖掘，尤其是使用各种工具和技术来发现数据中隐藏的模式，以及用数据来讲故事。数据科学和大数据分析是一个令人振奋的领域。在这个领域，数字信息的潜力可以很大程度地用来帮助做出明智的商业决策。我们相信，无论是短期、中期还是长期来看，这一领域都将会吸引越来越多有才华的学生和专业人士投身其中。译者简介曹逾，于新加坡国立大学获得计算机博士学位，杰出大数据与机器学习专家，当前供职于EMC中国卓越研发集团首席技术官办公室，同时担任EMC中国研究院数据科学实验室主任，主要负责EMC大中华区大数据与数据科学方向的应用型研究以及创新解决方案研发，同时也负责EMC在亚太特别是中国大陆地区的高校科研合作项目。曹博士在SIGMOD、VLDB、ICDE、VLDB Journal等国际会议和期刊发表论文20余篇，并多次受邀担任国际会议和期刊审稿人，而且其相关研究成果在EMC内部产品及解决方案中得以广泛应用。曹博士拥有60余项美国及国际专利授权或申请。刘文苗，现任EMC IT第三平台高级项目经理，对大数据、存储系统、网络系统以及文件系统具有一定研究，还具有国内金融行业多年从业经验。刘先生曾经参与过上海证券交易所新一代交易系统、海通期货核心交易系统的设计与建设工作。李枫林，于上海交通大学获得软件工程硕士学位，曾在微软中国公司担任数据库工程师，现就职于EMC中国研发中心，担任Senior Social Engagement Manager一职，主要负责EMC中文技术社区的运营与后台数据处理工作，近年来潜心钻研数据存储与大数据相关技术，曾在EMC中文社区及社交媒体上发表多篇大数据技术相关的文章。主审人员简介孙宇熙（Ricky Sun），EMC中国研究院院长，在EMC主要负责大数据、软件定义的数据中心、云计算、超融合架构、高性能计算、高效存储等领域的研发、战略合作与创新等工作。Ricky有在硅谷和国内近20年的学习、工作、生活和创业的经验。Ricky既有在大型跨国公司（EMC、微软、Yahoo!）的工作经历，也有过往成功的创业经历，曾于2001年在美国加州硅谷地区创立WL科技公司并成功带领公司在2004年与香港Telewave集团合并。Ricky在混合云架构、大数据快数据处理与分析、软件定义存储等领域有着多年的国际领先的工作经验业界的影响力，并持有多项专利。Ricky在近年的专业著作有《程序员生存手册：面试篇》、《软件定义数据中心：技术与实践》等。

第1章大数据分析介绍 11.1 大数据概述 21.1.1 数据结构 41.1.2 数据存储的分析视角 91.2 分析的实践状态 101.2.1 商业智能 VS 数据科学 111.2.2 当前分析架构 121.2.3 大数据的驱动力 141.2.4 新的大数据生态系统和新的分析方法 151.3 新的大数据生态系统中的关键角色 171.4 大数据分析案例 201.5 总结 211.6 练习 21参考书目 21第2章数据分析生命周期 232.1 数据分析生命周期概述 242.1.1 一个成功分析项目的关键角色 242.1.2 数据分析生命周期的背景和概述 262.2 第1阶段：发现 282.2.1 学习业务领域 292.2.2 资源 292.2.3 设定问题 302.2.4 确定关键利益相关者 302.2.5 采访分析发起人 312.2.6 形成初始假设 322.2.7 明确潜在数据源 322.3 第2阶段：数据准备 332.3.1 准备分析沙箱 342.3.2 执行ETLT 352.3.3 研究数据 362.3.4 数据治理 372.3.5 调查和可视化 372.3.6 数据准备阶段的常用工具 382.4 第3阶段：模型规划 392.4.1 数据探索和变量选择 402.4.2 模型的选择 412.4.3 模型设计阶段的常用工具 422.5 第4阶段：模型建立 422.5.1 模型构建阶段中的常用工具 442.6 第5阶段：沟通结果 452.7 第6阶段：实施 462.8 案例研究：全球创新网络和分析（GINA） 492.8.1 第1阶段：发现 502.8.2 第2阶段：数据准备 512.8.3 第3阶段：模型规划 512.8.4 第4阶段：模型建立 512.8.5 第5阶段：沟通结果 532.8.6 第6阶段：实施 542.9 总结 552.10 练习 55参考书目 55第3章使用R进行基本数据分析 573.1 R简介 583.1.1 R图形用户界面 613.1.2 数据导入和导出 633.1.3 属性和数据类型 643.1.4 描述性统计(descriptive statistics) 723.2 探索性数据分析 733.2.1 在分析之前先可视化 743.2.2 脏数据 773.2.3 可视化单个变量 803.2.4 研究多个变量 833.2.5 对比数据探索和数据演示 903.3 用于评估的统计方法 923.3.1 假设检验 933.3.2 均值差异 943.3.3 Wilcoxon秩和检验 983.3.4 I型和II型错误 993.3.5 功效和抽样大小 1003.3.6 ANOVA 1003.4 总结 1043.5 练习 104参考文献 105第4章高级分析理论与方法：聚类 1074.1 聚类概述 1084.2 k均值聚类 1084.2.1 使用案例 1094.2.2 方法概述 1104.2.3 确定聚类簇的数量 1124.2.4 诊断 1174.2.5 选择原因及注意事项 1184.3 其他算法 1224.4 总结 1224.5 练习 123参考书目 123第5章高级分析理论与方法：关联规则 1245.1 概述 1255.2 Apriori算法 1275.3 评估候选规则 1285.4 关联规则的应用 1295.5 杂货店交易示例 1305.5.1 杂货店数据集 1305.5.2 生成频繁数据集 1325.5.3 规则的生成和可视化 1375.6 验证和测试 1435.7 诊断 1435.8 总结 1445.9 练习 144参考书目 145第6章高级分析理论与方法：回归 1476.1 线性回归 1486.1.1 用例 1486.1.2 模型描述 1496.1.3 诊断 1586.2 逻辑回归 1636.2.1 用例 1636.2.2 模型描述 1636.2.3 诊断 1656.3 选择理由和注意事项 1726.4 其他回归模型 1736.5 总结 1736.6 练习 174第7章高级分析理论与方法：分类 1757.1 决策树 1767.1.1 决策树概览 1777.1.2 通用算法 1817.1.3 决策树算法 1857.1.4 评估决策树 1867.1.5 R中的决策树 1897.2 朴素贝叶斯 1937.2.1 贝叶斯定理 1947.2.2 朴素贝叶斯分类器 1967.2.3 平滑 1987.2.4 诊断 1987.2.5 R中的朴素贝叶斯 1997.3 分类器诊断 2047.4 其他分类方法 2087.5 总结 2097.6 练习 210参考书目 210第8章高级分析理论与方法：时间序列分析 2128.1 时间序列分析概述 2138.1.1 Box-Jenkins方法 2148.2 ARIMA模型 2158.2.1 自相关函数（ACF） 2158.2.2 自回归模型 2168.2.3 移动平均模型 2188.2.4 ARMA和ARIMA模型 2198.2.5 建立和评估ARIMA模型 2228.2.6 选择理由及注意事项 2308.3 其他方法 2308.4 总结 2318.5 练习 231第9章高级分析理论与方法：文本分析 2329.1 文本分析步骤 2349.2 一个文本分析的示例 2359.3 收集原始数据 2379.4 表示文本 2409.5 词频-逆文档频率（TFIDF） 2459.6 通过主题来分类文件 2499.7 情感分析 2539.8 获得洞察力 2589.9 总结 2639.10 练习 263参考书目 264第10章高级分析技术与工具：MapReduce和Hadoop 26710.1 非结构化数据分析 26810.1.1 用例 26810.1.2 MapReduce 27010.1.3 Apache Hadoop 27110.2 Hadoop生态系统 27710.2.1 Pig 27810.2.2 Hive 27910.2.3 HBase 28210.2.4 Mahout 29010.3 NoSQL 29210.4 总结 29310.5 练习 294参考书目 294第11章高级分析技术与工具：数据库内分析 29711.1 SQL基本要素 29811.1.1 连接 29911.1.2 set运算符 30111.1.3 grouping扩展 30311.2 数据库内的文本分析 30711.3 高级SQL技术 31111.3.1 窗口函数 31111.3.2 用户定义函数与聚合 31511.3.3 排序聚合 31811.3.4 MABlib 31911.4 总结 32311.5 练习 323参考书目 323第12章结尾 32412.1 沟通和实施一个分析项目 32512.2 创建最终可交付成果 32712.2.1 为多个受众群体创建核心材料 32912.2.2 项目目标 33012.2.3 主要发现 33112.2.4 方法 33312.2.5 模型描述 33412.2.6 有数据支持的关键论点 33512.2.7 模型细节 33612.2.8 建议 33712.2.9 关于最终演示文档的额外提示 33812.2.10 提供技术规范和代码 33912.3 数据可视化基础 34012.3.1 有数据支持的要点 34112.3.2 图的演进 34212.3.3 通用表示方法 34812.3.4 如何清理图形 34912.3.5 额外考虑 35312.4 总结 35512.5 练习 35512.6 参考文献与扩展阅读 355参考书目 356

公众号后台回复文字“EMC”即可获取想要获得更多资料，和相关交流社群加客服微信