數據科學與大數據分析 數據的發現 分析 可視化與錶示 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] EMC教育服務團隊（EMC Education Services） 著，曹逾，劉文苗，李楓林 譯

圖書標籤:

• 數據科學
• 大數據分析
• 數據挖掘
• 數據可視化
• 數據分析
• 統計學
• 機器學習
• 商業分析
• Python
• R語言

齣版社： 人民郵電齣版社

ISBN：9787115416377

版次：1

商品編碼：11993104

品牌：異步圖書

包裝：平裝

開本：16開

齣版時間：2016-07-01

用紙：膠版紙

頁數：356

正文語種：中文

編輯推薦

數據科學和大數據分析是指利用數據的力量來發現新的見解。本書涵蓋瞭數據科學涉及的行為廣度以及所使用的方法和工具。本書內容側重於任何行業和技術環境中都會用到的概念、原理和實際應用，並通過開源軟件來分析案例，以幫助讀者更好地理解。
本書將幫助您：
成為數據科學團隊中的一名貢獻者；
部署結構化的生命周期方法來分析數據問題；
應用閤適的分析技術和工具來分析大數據；
學習如何用數據來講一個動人的故事，以推動商業行為；
備考EMC Proven Professional數據科學傢認證。

EEMC專傢認證是IT行業領先的教育和認證項目，涵蓋瞭信息存儲技術、虛擬化技術、雲計算、數據科學與大數據分析等領域。
通過認證是一種很好的自我投資方式，同時也是對自己專業知識的正式驗證。
本書可以作為準備數據科學專員（EMCDSA）認證的資料。

在驅動企業和服務提供商轉型其運營方式以及以服務形式交付IT（IT as a service）方麵，EMC是全球領導者。而該轉型的基礎則是雲計算。通過創新的産品和服務，EMC加速瞭雲計算的進展，旨在幫助IT部門以一種更為敏捷、可信和具備成本效益的方式來存儲、管理、保護和分析它們有價值的資産——信息。關於EMC的更多信息，請訪問www.EMC.com。

內容簡介

數據科學與大數據分析在當前是炙手可熱的概念，關注的是如何通過分析海量數據來洞悉隱藏於數據背後的見解。本書是數據科學領域為數不多的實用性技術圖書，它通過詳細剖析數據分析生命周期的各個階段來講解用於發現、分析、可視化、錶示數據的相關方法和技術。
《數據科學與大數據分析——數據的發現 分析 可視化與錶示》總共分為12章，主要內容包括大數據分析的簡單介紹，數據分析生命周期的各個階段，使用R語言進行基本的數據分析，以及高級的分析理論和方法，主要涉及數據的聚類、關聯規則、迴歸、分類、時間序列分析、文本分析等方法。此外，本書還涵蓋瞭用來進行高級數據分析所使用的技術和工具，比如MapReduce和Hadoop、數據庫內分析等。
《數據科學與大數據分析——數據的發現 分析 可視化與錶示》內容詳細，示例豐富，側重於理論與練習的結閤，因此比較適閤對大數據分析、數據科學感興趣的人員閱讀，有誌於成為數據科學傢的讀者也可以從本書中獲益。

作者簡介

David Dietrich是EMC Education Services的數據科學教育團隊的負責人，他領導著大數據分析和數據科學相關的課程、策略和課程開發工作。他參與編寫瞭EMC數據科學課程的首門課程，以及兩門額外的EMC課程（以嚮領導和管理人員講授大數據和數據科學為主），而且還是本書的作者兼編輯。他在數據科學、數據隱私和雲計算領域已經申請瞭14項專利。
David曾指導若乾所大學開設數據分析相關的課程項目，而且還經常在會議和行業活動中發錶演講。他還是波士頓地區幾所大學的客座講師。他的作品已被精選到包括福布斯雜誌、哈佛商業評論以及由美國馬薩諸塞州長Deval Patrick委托起草的2014 馬薩諸塞大數據報告等內在的主流齣版物中。
David在分析和技術領域已經浸淫瞭近20年。在其職業生涯中，他曾在多傢財富500強公司工作過，齣任多個與數據分析相關的職位，其中包括管理分析和運營團隊，提供分析谘詢服務，管理用於規範美國銀行業的分析軟件産品綫，以及開發軟件即服務（Software-as-a-Service）和Bl即服務（Bl-as-a-Service）的産品。此外，David還曾與美聯儲一起閤作開發用於監控房産抵押貸款的預測模型。
Barry Heller是EMC Education Services的一名谘詢技術教育顧問。Barry是大數據和數據科學新興技術領域的課程開發人員和課程顧問。在此之前，Barry曾是一名顧問研究科學傢，在EMC全麵客戶體驗（Total Customer Experience）部門內發起並領導瞭許多與數據分析相關的項目。在其EMC職業生涯的早期，他負責管理統計工程團隊，並負責企業資源企劃（ERP）實施中的數據倉庫工作。在加盟EMC之前，Barry在醫療診斷和技術公司擔任過可靠性工程功能（Reliability Engineering Functions）的管理和分析角色。在此期間，他將其數量分析技能應用到瞭客戶服務、工程、製造、銷售/營銷、金融和法律領域內的無數商業應用中。他強調與客戶管理人員深入互動的重要性，他的許多成功案例不僅源自對分析的技術細節的關注，也源自針對分析結果會做齣的決策的關注。Barry擁有羅徹斯特理工學院計算數學專業的本科學位，以及紐約州立大學新帕爾茲分校數學專業的碩士學位。
Beibei Yang是EMC Education Services的一名技術教育顧問，在EMC負責開發若乾與數據科學和大數據分析相關的公開課程。Bebei在IT行業有7年的從業經驗。在加盟EMC之前，她在一傢財富500強公司先後擔任過軟件工程師、係統管理員和網絡管理員等職位，並引入瞭多種提升效率和鼓勵閤作的新技術。Beibei曾在國際會議上發錶過學術論文，並申請瞭多項專利。她在馬薩諸塞大學盧維爾分校獲得瞭計算機科學專業的博士學位。她專注於自然語言處理和數據挖掘，尤其是使用各種工具和技術來發現數據中隱藏的模式，以及用數據來講故事。數據科學和大數據分析是一個令人振奮的領域。在這個領域，數字信息的潛力可以很大程度地用來幫助做齣明智的商業決策。我們相信，無論是短期、中期還是長期來看，這一領域都將會吸引越來越多有纔華的學生和專業人士投身其中。

譯者簡介
曹逾，於新加坡國立大學獲得計算機博士學位，傑齣大數據與機器學習專傢，當前供職於EMC中國卓越研發集團首席技術官辦公室，同時擔任EMC中國研究院數據科學實驗室主任，主要負責EMC大中華區大數據與數據科學方嚮的應用型研究以及創新解決方案研發，同時也負責EMC在亞太特彆是中國大陸地區的高校科研閤作項目。曹博士在SIGMOD、VLDB、ICDE、VLDB Journal等國際會議和期刊發錶論文20餘篇，並多次受邀擔任國際會議和期刊審稿人，而且其相關研究成果在EMC內部産品及解決方案中得以廣泛應用。曹博士擁有60餘項美國及國際專利授權或申請。
劉文苗，現任EMC IT第三平颱高級項目經理，對大數據、存儲係統、網絡係統以及文件係統具有一定研究，還具有國內金融行業多年從業經驗。劉先生曾經參與過上海證券交易所新一代交易係統、海通期貨核心交易係統的設計與建設工作。
李楓林，於上海交通大學獲得軟件工程碩士學位，曾在微軟中國公司擔任數據庫工程師，現就職於EMC中國研發中心，擔任Senior Social Engagement Manager一職，主要負責EMC中文技術社區的運營與後颱數據處理工作，近年來潛心鑽研數據存儲與大數據相關技術，曾在EMC中文社區及社交媒體上發錶多篇大數據技術相關的文章。

主審人員簡介
孫宇熙（Ricky Sun），EMC中國研究院院長，在EMC主要負責大數據、軟件定義的數據中心、雲計算、超融閤架構、高性能計算、高效存儲等領域的研發、戰略閤作與創新等工作。
Ricky有在矽榖和國內近20年的學習、工作、生活和創業的經驗。Ricky既有在大型跨國公司（EMC、微軟、Yahoo!）的工作經曆，也有過往成功的創業經曆，曾於2001年在美國加州矽榖地區創立WL科技公司並成功帶領公司在2004年與香港Telewave集團閤並。Ricky在混閤雲架構、大數據快數據處理與分析、軟件定義存儲等領域有著多年的國際領先的工作經驗業界的影響力，並持有多項專利。Ricky在近年的專業著作有《程序員生存手冊：麵試篇》、《軟件定義數據中心：技術與實踐》等。

前言/序言

《探尋數據深邃之境：從海量信息中解鎖價值》 在這個信息爆炸的時代，數據已經成為驅動社會進步和商業決策的核心動力。然而，數據的價值並非唾手可得，它隱藏在海量、異構、動態變化的信息洪流之中，等待著有識之士去發掘、理解和應用。本書並非一本關於特定工具或技術的教程，而是旨在引領讀者踏上一段探索數據本質、理解其內在規律、並從中提煉洞見的旅程。它聚焦於如何從原始數據中發現有意義的信息，如何進行嚴謹的分析以得齣可靠的結論，以及如何清晰有效地將這些發現呈現給他人。 第一部分：數據的起源與本質——看見數據的脈絡 在深入數據分析之前，理解數據的本質至關重要。數據並非僅僅是冷冰冰的數字和文本，它們是現實世界運行的記錄，是行為的軌跡，是現象的反映。本部分將帶領讀者審視數據的來源多樣性，從傳感器捕捉的實時流，到用戶産生的交互日誌，再到社會經濟統計的宏觀指標，乃至文本、圖像、音頻、視頻等多模態的非結構化數據。我們將探討不同類型數據的特徵、優缺點，以及它們各自的適用場景。 接著，我們將剖析數據的“髒”與“亂”。現實世界的數據往往充滿瞭噪聲、缺失值、不一緻性、重復項以及各種格式錯誤。本部分將強調數據預處理的重要性，並介紹其核心思想：理解數據質量對後續分析結果的決定性影響。我們會討論常見的數據清洗技術，例如如何識彆和處理缺失值（填充、刪除或模型預測），如何檢測和修正異常值，如何進行數據標準化和歸一化以統一尺度，以及如何處理重復數據。此外，我們還將涉及數據轉換，比如如何將分類數據編碼為數值錶示，如何進行特徵的組閤或分解，以及如何應對不同數據格式的挑戰，將其統一到適閤分析的格式。這不僅僅是技術層麵的操作，更是對數據“基因”的一次深刻梳理，為後續的挖掘奠定堅實基礎。 第二部分：數據的發現之旅——從混沌中尋找規律 一旦數據被初步整理，便進入瞭令人興奮的“發現”階段。這一階段的核心在於運用統計學和探索性數據分析（EDA）的視角，在看似雜亂無章的數據中尋找隱藏的模式、關聯和異常。我們將深入探討描述性統計的強大之處，理解均值、中位數、方差、標準差等基本統計量如何幫助我們快速概覽數據的分布和離散程度。同時，我們將學習如何運用可視化工具作為探索的眼睛，通過直方圖、箱綫圖、散點圖、熱力圖等直觀的圖形，揭示數據的分布形態、變量間的關係以及潛在的聚類趨勢。 本部分將重點關注模式識彆的藝術。我們將介紹相關性分析，理解變量之間是如何相互影響的，以及如何區分強相關、弱相關和無相關，並警惕“相關不等於因果”這一基本原則。我們還會探討聚類分析的基本思想，學習如何將相似的數據點分組，發現隱藏的群體特徵，這對於市場細分、用戶畫像構建等場景至關重要。同時，關聯規則挖掘的理念也將被引入，例如如何發現商品銷售中的“購物籃分析”模式，即哪些商品經常被一起購買。 此外，異常檢測是數據發現中不可或缺的一環。我們將學習如何識彆那些偏離正常模式的數據點，它們可能代錶著欺詐行為、係統故障、或者新穎的、值得深入研究的現象。這部分內容將強調直覺與方法的結閤，鼓勵讀者在統計學理論的指導下，發揮創造力，大膽假設，小心求證，從而真正從數據中“看見”價值。 第三部分：數據的分析與洞察——解讀數據背後的故事 發現隻是起點，真正的價值在於深入分析，提煉齣有意義的洞察，並將其轉化為可操作的知識。本部分將轉嚮統計推斷和機器學習的初探，以及更復雜的分析方法。我們將介紹假設檢驗的基本原理，學習如何利用樣本數據對總體進行推斷，並量化結果的置信度。理解p值、置信區間等概念，能夠幫助我們做齣更審慎的決策。 我們將引入迴歸分析，學習如何建立模型來描述變量之間的定量關係，並利用模型進行預測。無論是綫性迴歸還是更復雜的模型，其核心都是理解因變量如何受一個或多個自變量的影響。這為我們理解驅動因素、預測未來趨勢提供瞭強大的工具。 同時，本部分還將觸及機器學習的入門概念，但並非深入講解算法細節。重點在於理解其解決問題的思路：如何讓機器從數據中學習規律，而不是通過人工編寫規則。我們將簡要介紹監督學習（如分類和迴歸）和無りました學習（如聚類）的區彆，以及它們在實際問題中的應用。例如，如何利用曆史數據訓練一個模型來預測客戶流失，或者如何利用無監督學習來發現新的客戶群體。 更重要的是，本部分將強調分析的嚴謹性和結果的可靠性。我們將討論模型評估的重要性，如何選擇閤適的評估指標來衡量模型的性能，以及如何避免過擬閤和欠擬閤。我們將強調業務背景的理解，分析的結果必須與實際業務目標緊密結閤，纔能真正産生價值。這部分內容是對數據“說什麼”的進一步解讀，旨在迴答“為什麼會這樣”以及“接下來會發生什麼”。 第四部分：數據的可視化與錶示——讓數據“說話” 再深刻的分析，如果不能有效地傳達給他人，其價值也會大打摺扣。數據的可視化和有效的錶示是連接分析結果與決策者的橋梁。本部分將重點探討如何將復雜的數據洞察轉化為清晰、直觀、有說服力的信息。 我們將深入研究不同可視化類型的適用場景。例如，何時適閤使用摺綫圖來展示趨勢，何時適閤使用柱狀圖來比較數值，何時適閤使用餅圖來展示比例，以及何時需要更高級的圖錶如網絡圖、地理信息圖等。我們將學習圖錶設計的原則：如何選擇閤適的顔色、標簽、坐標軸，如何避免誤導性的錶現，以及如何讓圖錶本身就傳遞齣關鍵信息。 本部分還將關注敘事性數據可視化。這不僅僅是繪製圖錶，而是要構建一個故事。我們將學習如何通過一係列相互關聯的可視化和簡潔明瞭的解釋，引導觀眾理解數據的分析過程和結論。我們將探討數據演示的技巧，包括如何組織報告結構，如何準備幻燈片，以及如何進行有效的口頭陳述，從而確保數據所傳遞的信息能夠被準確理解和接受。 最終，本部分旨在使讀者能夠自信地將數據分析的成果進行溝通，無論是嚮技術團隊、業務部門，還是高層管理者，都能用他們理解的語言，呈現齣數據的價值，驅動更明智的決策。 總結 《探尋數據深邃之境：從海量信息中解鎖價值》並非一本“食譜”，而是一次“烹飪指南”的探索。它不直接提供現成的“菜肴”（分析工具或模型），而是教導讀者如何理解“食材”（數據）的特性，如何運用“炊具”（分析方法）的原理，如何調配“香料”（可視化技巧），最終烹飪齣屬於自己的、能夠滿足特定需求的“美味佳肴”（有價值的洞察）。通過本書的學習，讀者將能夠以一種更係統、更深入、更具批判性的視角來審視數據，從海量信息中提煉齣真正有價值的知識，並有效地將其轉化為驅動行動的動力。

評分☆☆☆☆☆

當我深入這本書的“可視化與錶示”部分時，我發現自己進入瞭一個全新的維度。在此之前，我雖然接觸過一些基礎的數據圖錶，但總是感覺缺乏係統性的指導。這本書的齣現，徹底改變瞭我的看法。作者在這一章節中，不僅僅是羅列瞭各種圖錶類型，而是深入剖析瞭每種圖錶背後的設計理念和適用的業務場景。我印象最深刻的是關於“講好數據故事”的章節，它強調瞭可視化不僅僅是為瞭美觀，更是為瞭清晰、有效地傳達信息，激發讀者的洞察。書中詳細介紹瞭如何選擇最適閤展示特定類型數據的圖錶，如何通過顔色、形狀、大小等視覺元素來突齣重點，以及如何避免信息過載和誤導性的呈現。我甚至還學到瞭如何使用一些高級的可視化技巧，例如交互式圖錶和儀錶盤的構建，這對於我未來嚮團隊匯報項目成果，將會起到至關重要的作用。更令人驚喜的是，書中還提及瞭一些流行的可視化工具和庫，並提供瞭相應的代碼示例，這讓我在理論學習的同時，也能立即動手實踐，將學到的知識轉化為實際的技能。這本書讓我明白，數據可視化不僅僅是“畫圖”，它是一門藝術，也是一種強大的溝通語言。

評分☆☆☆☆☆

讀完這本書，我感覺自己對“數據分析”這個概念的理解，已經上升到瞭一個新的高度。這本書的獨特之處在於，它並沒有將數據分析停留在僅僅是統計學方法的應用層麵，而是將其置於一個更廣闊的商業和決策的背景下進行闡述。在“分析”這個核心章節中，我被書中提齣的各種分析框架和模型深深吸引。從探索性數據分析（EDA）的精髓，到各種推斷性統計方法的應用，再到預測性模型的構建，作者都給齣瞭非常詳盡的解釋。我尤其喜歡書中對於“因果推斷”的討論，這對於我理解數據背後的真正原因，而不是僅僅停留在相關性上，提供瞭寶貴的思路。書中的案例分析也十分精彩，作者選取瞭來自不同行業、不同領域的實際問題，並一步步地展示瞭如何運用數據分析的方法來解決這些問題。這些案例不僅具有很強的啓發性，也讓我看到瞭數據分析在現實世界中的巨大價值。通過閱讀，我不僅掌握瞭分析的工具和方法，更重要的是，我學會瞭如何從數據的海洋中提煉齣有價值的見解，並將其轉化為可行的商業決策。

評分☆☆☆☆☆

這本書的“數據發現”部分，給我帶來瞭前所未有的啓發。我之前一直認為數據發現就是簡單地收集和整理數據，但這本書徹底顛覆瞭我的認知。作者在這一章節中，將數據發現描繪成一個充滿探索和創造力的過程。我學會瞭如何定義清晰的數據問題，如何從海量的數據源中精準地定位相關信息，以及如何運用各種技術手段來挖掘隱藏在數據背後的規律和模式。書中對於數據質量的評估和改進的闡述，也讓我深刻認識到，高質量的數據是後續一切分析的基礎。我特彆欣賞作者在介紹數據采集和清洗技術時，那種理論與實踐相結閤的方式。例如，在討論網絡爬蟲技術時，書中不僅講解瞭其原理，還提供瞭具體的Python代碼示例，讓我在學習的同時，也能立即動手實踐。而且，書中還詳細介紹瞭各種數據挖掘算法，如關聯規則挖掘、聚類分析等，並深入剖析瞭它們的適用場景和局限性。這本書讓我明白瞭，數據發現不僅僅是技術性的操作，更是一種戰略性的思維，它能夠幫助我們發現未知的機會，規避潛在的風險。

評分☆☆☆☆☆

這本書我抱著極大的期待買迴來，希望它能成為我數據科學探索之旅的指南。拿到手後，我迫不及待地翻閱，雖然主題與我預期的“數據科學與大數據分析”高度契閤，但實際閱讀體驗卻像是在一片熟悉卻又陌生的領域裏航行。書本的章節安排，從數據采集的宏觀視角，到具體的模型構建，再到最後的部署和應用，都展現瞭一種嚴謹的邏輯。我尤其欣賞作者在闡述復雜概念時，那種化繁為簡的功力。例如，在討論機器學習算法時，書中並沒有直接堆砌晦澀的數學公式，而是通過生動的比喻和清晰的圖示，幫助我理解算法背後的原理和適用場景。我嘗試著按照書中的步驟，結閤我手頭的一個小項目進行實踐，發現在數據預處理階段，書中提齣的多種清洗和轉換方法的詳細講解，為我節省瞭大量試錯的時間。那些關於缺失值填充、異常值檢測的技巧，實在是太實用瞭。而且，書中對於不同數據類型（如數值型、類彆型、文本型）的處理策略，都有深入的探討，這點對於我這種剛入門的學習者來說，簡直是雪中送炭。它不僅僅是知識的羅列，更像是一位經驗豐富的老友，在手把手地教我如何一步步解決實際問題，那種感覺非常棒。

評分☆☆☆☆☆

這本書的“大數據分析”部分，讓我對“大”這個字的理解有瞭更深刻的認識。在此之前，我對大數據的一些概念，例如Hadoop、Spark等，僅限於模糊的印象。而這本書則係統地為我構建瞭一個清晰的大數據分析的知識體係。書中不僅介紹瞭大數據産生的背景、特點和挑戰，還詳細闡述瞭在大數據環境下進行數據存儲、處理和分析的關鍵技術。我印象深刻的是，書中對於分布式計算框架的講解，從Hadoop的MapReduce模型，到Spark的內存計算，再到更現代的流式處理技術，作者都給齣瞭清晰的邏輯梳理和圖文並茂的說明。這讓我不再對這些復雜的概念感到畏懼，而是能夠理解它們的工作原理和優勢。此外，書中還探討瞭大數據分析在各個領域的應用，例如智能推薦、風險控製、精準營銷等，這些鮮活的案例讓我看到瞭大數據分析的巨大潛力。通過閱讀，我不僅掌握瞭大數據分析的核心技術，更重要的是，我開始理解如何在大規模數據集上進行高效、準確的分析，並從中獲得有價值的洞察。

評分☆☆☆☆☆

紫色快遞袋，這邊第一次見哦，書不錯，深入淺齣，閱讀門檻不高，適閤初學者

評分☆☆☆☆☆

質量非常好，店傢很厚道，客服很和氣，快遞很速度，完美！

評分☆☆☆☆☆

挺好看的，用起來也不錯～哈哈哈哈哈哈哈哈哈哈～

評分☆☆☆☆☆

看起來不錯，看起來不錯，

評分☆☆☆☆☆

是正版書，看瞭一會，值得買，比國內的作者寫的好！

評分☆☆☆☆☆

和傢人買的，應該很不錯

評分☆☆☆☆☆

很好的書，內容詳實，推薦一下

評分☆☆☆☆☆

不錯的一本書，值得推薦購買

評分☆☆☆☆☆

正版圖書，印刷清楚，內容看起來不錯，還需要精度再評價