数据科学与工程导论(数据科学与工程专业系列教材)

本书围绕数据全生命周期介绍了数据科学与工 程的基本理论，具体包括七部分内容：第一部分绪 论；第二部分大规模数据的采集、加工、管理和数 据工程；第三部分数据可视化；第四部分数据分析 ；第五部分数据应用；第六部分数据科学伦理；第 七部分数据科学的高级实现。

算法／程序列表 第一部分 数据科学与工程概述 第1章 绪论 1.1 信息文明与数据简史 1.2 数据科学与工程的基本内涵 1.3 第四范式：数据密集型科学 1.4 数据科学与工程的应用 1.5 实践：以Git与Python为中心 1.6 本章小结 1.7 习题与实践 第2章 数据思维与问题求解 2.1 问题求解与思维方式 2.2 计算思维与数据思维 2.3 计算思维与数据思维实例 2.4 实践：Python问题求解 2.5 本章小结 2.6 习题与实践 第二部分 数据与计算的基础设施 第3章 数据的模型与结构 3.1 比特与数据 3.2 进制与数据表达 3.3 数据的编码与存储 3.4 数据的模型 3.5 数据的结构 3.6 实践：Python数据结构 3.7 本章小结 3.8 习题与实践 第4章 数据的计算与程序表达 4.1 数据的计算 4.2 算法分析 4.3 算法的实例 4.4 计算机编程语言 4.5 实践：Python算法 4.6 本章小结 4.7 习题与实践 第5章 计算基础设施 5.1 数据处理的通用机器 5.2 程序执行过程 5.3 计算机系统结构 5.4 基础设施软件 5.5 云计算与数据中心 5.6 实践：基础设施数据采集与分析 5.7 本章小结 5.8 习题与实践 第6章 数据的全生命周期管理 6.1 数据采集 6.2 数据存储 6.3 数据管理 6.4 数据计算 6.5 数据分析 6.6 数据展示 6.7 实践：PⅥhon网络爬虫 6.8 本章小结 6.9 习题与实践 第7章 数据库系统 7.1 数据库的起源与发展 7.2 关系数据库 7.3 数据仓库与OLAP 7.4 SQL语言 7.5 实践：SQL数据处理与分析 7.6 本章小结 7.7 习题与实践 第8章 大数据系统 8.1 大数据的基本概念 8.2 Had00p和SparK生态 8.3 SQL与Had00D的组合 8.4 大数据系统的发展与未来 8.5 实践：Hadoop与Spark大数据处理 8.6 本章小结 8.7 习题与实践 第三部分 数据分析的原理与方法 第9章 数据科学过程 9.1 数据科学过程基础 9.2 数据科学工作流 9.3 实践：KNIME数据科学工作流 9.4 本章小结 9.5 习题与实践 第10章 统计分析的原理 10.1 数据科学的数学基础 10.2 概率与统计基础 10.3 统计建模：线性回归模型 10.4 数据分析的工具 10.5 实践：Pvthon统计分析 10.6 本章小结 10.7 习题与实践 第11章 机器学习方法 11.1 机器学习发展历史 11.2 机器学习方法 11.3 机器学习最新发展 11.4 经典机器学习算法 11.5 实践：Python机器学习 11.6 本章小结 11.7 习题与实践 第12章 深度学习 12.1 深度学习介绍 12.2 深度学习价值 12.3 误差反向传播算法 12.4 卷积神经网络 12.5 深度学习工具 12.6 实践：python深度学习—手写汉字识别 12.7 本章小结 12.8 习题与实践 第13章 数据挖掘基础 13.1 初识数据挖掘 13.2 数据挖掘技术 13.3 典型数据挖掘算法 13.4 实践：PⅥhon图像分类 13.5 本章小结 13.6 习题与实践 第14章 非结构化数据挖掘 14.1 自然语言处理 14.2 语音信号处理 14.3 图像处理与理解 14.4 实践：Pvthon文本数据挖掘 14.5 本章小结 14.6 习题与实践 第四部分 数据应用与社会问题 第15章 数据综合应用 15.1 搜索引擎 15.2 智能运维 15.3 开源数字年报 15.4 本章小结 15.5 习题与实践 第16章 数据道德与职业行为准则 16.1 开放的世界 16.2 数据科学与工程职业规划 16.3 数据隐私与社会问题 16.4 数据与人工智能伦理 16.5 本章小结 16.6 习题与实践 文献阅读 参考文献 附录