第1章 數(shù)據(jù)科學(xué)概論　1 1.1　數(shù)據(jù)與大數(shù)據(jù)　1 1.2　大數(shù)據(jù)應(yīng)用案例——從數(shù)據(jù)到知識，數(shù)據(jù)思維淺析　2 1.2.1　數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)　3 1.2.2　電子商務(wù)與推薦技術(shù)　5 1.2.3　網(wǎng)絡(luò)輿情管理　6 1.2.4　數(shù)據(jù)思維　7 1.3　數(shù)據(jù)科學(xué)與數(shù)據(jù)科學(xué)家　7 1.4　數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)課程的內(nèi)容體系與具體內(nèi)容　11 1.5　思考題　12 第2章　Python語言與數(shù)據(jù)科學(xué)　13 2.1　Python概述　13 2.2　Python開發(fā)環(huán)境配置　14 2.3　變量、常量和注釋　16 2.4　數(shù)據(jù)類型　16 2.4.1　布爾型　17 2.4.2　整數(shù)　17 2.4.3　浮點(diǎn)數(shù)　17 2.4.4　字符串　17 2.4.5　列表　18 2.4.6　元組　19 2.4.7　字典　19 2.5　運(yùn)算符及其優(yōu)先級、表達(dá)式　20 2.6　程序的基本結(jié)構(gòu)　21 2.6.1　順序結(jié)構(gòu)　21 2.6.2　分支結(jié)構(gòu)　22 2.6.3　循環(huán)結(jié)構(gòu)　22 2.6.4　編寫完整的程序　23 2.6.5　程序?qū)嵗�：二分查找�?4 2.7　函數(shù)以及庫函數(shù)　24 2.8　面向?qū)ο缶幊獭?7 2.8.1　構(gòu)造函數(shù)　28 2.8.2　對象的摧毀和垃圾回收　28 2.8.3　繼承　28 2.8.4　重寫　28 2.9　異常處理　29 2.10　第三方庫和實(shí)例　29 2.10.1　機(jī)器學(xué)習(xí)庫scikit-learn簡介　30 2.10.2　深度學(xué)習(xí)庫Keras簡介　30 2.10.3　繪圖庫matplotlib簡介　30 2.10.4　社交網(wǎng)絡(luò)與圖數(shù)據(jù)處理庫networkX簡介　31 2.10.5　自然語言處理庫NLTK簡介　31 2.10.6　pandas庫入門　31 2.11　思考題　38 第3章　數(shù)據(jù)分析基礎(chǔ)　39 3.1　數(shù)據(jù)模型　39 3.1.1　數(shù)組　39 3.1.2　圖　42 3.1.3　關(guān)系模型　44 3.1.4　時序模型　45 3.2　數(shù)據(jù)分析流程與數(shù)據(jù)生命期　45 3.2.1　業(yè)務(wù)理解　45 3.2.2　數(shù)據(jù)理解　46 3.2.3　數(shù)據(jù)準(zhǔn)備　46 3.2.4　建�！�46 3.2.5　評估　47 3.2.6　部署　47 3.3　數(shù)據(jù)分析的基礎(chǔ)方法　47 3.3.1　描述性分析　47 3.3.2　診斷性分析　48 3.3.3　預(yù)測性分析　48 3.3.4　規(guī)范分析　49 3.4　大數(shù)據(jù)平臺　49 3.4.1　Hadoop　49 3.4.2　Hive　51 3.4.3　Mahout　52 3.4.4　Spark　52 3.4.5　Storm　53 3.4.6　Flink　53 3.4.7　Neo4j　54 3.5　思考題　54 第4章　數(shù)據(jù)可視化　55 4.1　可視化的定義　55 4.2　可視化發(fā)展歷程　55 4.3　可視化的意義和價值　57 4.4　數(shù)據(jù)可視化的流程　59 4.5　常見可視化圖表　59 4.5.1　柱狀圖　60 4.5.2　折線圖　61 4.5.3　餅圖　61 4.5.4　散點(diǎn)圖　61 4.5.5　雷達(dá)圖　61 4.6　可視化圖表工具　62 4.7　思考題　64 第5章　數(shù)據(jù)分析與計算　65 5.1　機(jī)器學(xué)習(xí)簡介　65 5.2　分類　67 5.2.1　支持向量機(jī)　67 5.2.2　決策樹　70 5.2.3　樸素貝葉斯方法　72 5.2.4　K最近鄰（KNN）算法　75 5.2.5　邏輯斯蒂回歸　76 5.2.6　分類算法的實(shí)例　77 5.3　聚類　81 5.3.1　K-Means算法　81 5.3.2　DBSCAN算法　83 5.3.3　聚類實(shí)例　85 5.4　回歸　88 5.4.1　線性回歸與多元線性回歸　88 5.4.2　回歸實(shí)例　90 5.5　關(guān)聯(lián)規(guī)則分析　92 5.5.1　關(guān)聯(lián)規(guī)則分析　92 5.5.2　關(guān)聯(lián)規(guī)則分析實(shí)例　95 5.6　推薦　97 5.6.1　基于用戶的協(xié)同過濾推薦　98 5.6.2　基于項(xiàng)目的協(xié)同過濾推薦　100 5.7　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)　101 5.7.1　神經(jīng)網(wǎng)絡(luò)　101 5.7.2　深度學(xué)習(xí)　104 5.7.3　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實(shí)例　112 5.8　云計算平臺與主流大數(shù)據(jù)平臺　119 5.8.1　云計算平臺　119 5.8.2　Hadoop大數(shù)據(jù)處理平臺與MapReduce計算模型　121 5.8.3　Spark大數(shù)據(jù)處理平臺與DAG計算模型　128 5.9　思考題　134 第6章　文本分析　135 6.1　文本分析的背景和意義　135 6.2　文本表達(dá)　136 6.2.1　單詞的局域性表示和分布式表示　136 6.2.2　基于話題模型的文本表示　139 6.2.3　基于詞嵌入的文本表示　139 6.3　文本聚類　140 6.3.1　聚類分析問題描述　141 6.3.2　常用聚類算法　142 6.4　文本分類　144 6.4.1　分類問題定義　144 6.4.2　主要文本分類方法　144 6.5　思考題　149 第7章　數(shù)據(jù)存儲與管理　150 7.1　數(shù)據(jù)管理的初級階段——文件管理　150 7.2　層次數(shù)據(jù)庫和網(wǎng)狀數(shù)據(jù)庫　151 7.3　關(guān)系數(shù)據(jù)庫管理系統(tǒng)　153 7.3.1　關(guān)系數(shù)據(jù)模型　153 7.3.2　數(shù)據(jù)操作　154 7.3.3　事務(wù)處理、并發(fā)控制和恢復(fù)技術(shù)　155 7.3.4　SQL入門　156 7.4　NoSQL數(shù)據(jù)庫　160 7.4.1　CAP理論與NoSQL數(shù)據(jù)庫　160 7.4.2　Key Value數(shù)據(jù)庫　161 7.4.3　Column Family數(shù)據(jù)庫　164 7.4.4　Document數(shù)據(jù)庫　165 7.4.5　Graph數(shù)據(jù)庫　166 7.5　NewSQL及其代表VoltDB　167 7.5.1　事務(wù)的串行執(zhí)行　167 7.5.2　通過存儲過程存取數(shù)據(jù)庫　167 7.5.3　數(shù)據(jù)分區(qū)策略考慮盡量避免跨節(jié)點(diǎn)數(shù)據(jù)通信　168 7.5.4　命令日志與恢復(fù)技術(shù)　168 7.6　思考題　168 第8章　數(shù)據(jù)采集與集成　170 8.1　數(shù)據(jù)采集　170 8.1.1　數(shù)據(jù)采集的重要因素　171 8.1.2　推-拉機(jī)制　171 8.1.3　發(fā)布-訂閱機(jī)制　172 8.1.4　大數(shù)據(jù)收集系統(tǒng)　172 8.1.5　自定義連接器　173 8.2　信息抽取　173 8.2.1　信息抽取概述　174 8.2.2　半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)　174 8.2.3　信息抽取的關(guān)鍵技術(shù)　176 8.3　數(shù)據(jù)清洗　178 8.3.1　數(shù)據(jù)清洗的定義及對象　178 8.3.2　數(shù)據(jù)清洗原理　179 8.3.3　數(shù)據(jù)清洗方法　179 8.4　數(shù)據(jù)集成　181 8.4.1　數(shù)據(jù)集成概述　182 8.4.2　數(shù)據(jù)集成方法　183 8.4.3　數(shù)據(jù)集成的數(shù)據(jù)源異構(gòu)問題　186 8.5　思考題　188 第9章　數(shù)據(jù)治理　189 9.1　數(shù)據(jù)治理的業(yè)務(wù)驅(qū)動力　189 9.2　數(shù)據(jù)治理的概念　190 9.3　數(shù)據(jù)治理的目標(biāo)　191 9.3.1　實(shí)現(xiàn)價值　191 9.3.2　管控風(fēng)險　192 9.4　數(shù)據(jù)治理的要素和框架　192 9.4.1　人員要素　194 9.4.2　技術(shù)要素　196 9.5　數(shù)據(jù)治理的實(shí)踐　201 9.5.1　各個業(yè)務(wù)子系統(tǒng)的建設(shè)和數(shù)據(jù)治理同步推進(jìn)　201 9.5.2　建立數(shù)據(jù)治理的組織機(jī)構(gòu)，確定數(shù)據(jù)治理戰(zhàn)略/政策和標(biāo)準(zhǔn)　201 9.5.3　規(guī)劃具體的數(shù)據(jù)治理任務(wù)　201 9.5.4　開展數(shù)據(jù)治理工作　202 9.5.5　數(shù)據(jù)治理的評價　203 9.6　大數(shù)據(jù)時代數(shù)據(jù)治理的挑戰(zhàn)　203 9.7　思考題　204 第10章　數(shù)據(jù)科學(xué)綜合案例　205 10.1　利用現(xiàn)成分類器對Twitter數(shù)據(jù)集進(jìn)行情感分類　206 10.2　如何自行構(gòu)造一個文本分類器　209 10.3　綜合實(shí)例　218 10.4　思考題　232 參考文獻(xiàn)　233