数据科学理论与实践

1 (p1): 第1章 基础理论
1 (p1-1): 如何开始学习
2 (p1-2): 1.1 术语定义
7 (p1-3): 1.2 研究目的
11 (p1-4): 1.3 发展简史
14 (p1-5): 1.4 理论体系
16 (p1-6): 1.5 基本原则
23 (p1-7): 1.6 数据科学家
28 (p1-8): 如何继续学习
32 (p1-9): 习题
32 (p1-10): 参考文献
34 (p2): 第2章 理论基础
34 (p2-1): 如何开始学习
35 (p2-2): 2.1 数据科学的学科地位
36 (p2-3): 2.2 统计学
42 (p2-4): 2.3 机器学习
56 (p2-5): 2.4 数据可视化
58 (p2-6): 如何继续学习
59 (p2-7): 习题
59 (p2-8): 参考文献
61 (p3): 第3章 流程与方法
61 (p3-1): 如何开始学习
62 (p3-2): 3.1 基本流程
70 (p3-3): 3.2 数据加工
79 (p3-4): 3.3 数据审计
83 (p3-5): 3.4 数据分析
86 (p3-6): 3.5 数据可视化
96 (p3-7): 3.6 数据故事化
101 (p3-8): 3.7 项目管理
103 (p3-9): 如何继续学习
104 (p3-10): 习题
104 (p3-11): 参考文献
106 (p4): 第4章 技术与工具
106 (p4-1): 如何开始学习
107 (p4-2): 4.1 技术体系
112 (p4-3): 4.2 MapReduce
119 (p4-4): 4.3 Hadoop
129 (p4-5): 4.4 Spark
136 (p4-6): 4.5 NoSQL与NewSQL
148 (p4-7): 4.6 R与Python
149 (p4-8): 4.7 发展趋势
153 (p4-9): 如何继续学习
154 (p4-10): 习题
154 (p4-11): 参考文献
156 (p5): 第5章 数据产品及开发
156 (p5-1): 如何开始学习
157 (p5-2): 5.1 定义
159 (p5-3): 5.2 主要特征
163 (p5-4): 5.3 关键活动
164 (p5-5): 5.4 数据柔术
175 (p5-6): 5.5 数据能力
183 (p5-7): 5.6 数据战略
185 (p5-8): 5.7 数据治理
188 (p5-9): 如何继续学习
189 (p5-10): 习题
189 (p5-11): 参考文献
190 (p6): 第6章 典型案例及实践
190 (p6-1): 如何开始学习
191 (p6-2): 6.1 2012年美国总统大选
195 (p6-3): 6.2 统计分析
198 (p6-4): 6.3 机器学习
213 (p6-5): 6.4 数据可视化
215 (p6-6): 6.5 SparkR编程
229 (p6-7): 如何继续学习
229 (p6-8): 习题
230 (p6-9): 参考文献
231 (p7): 附录A R语言学习笔记与参考手册
231 (p7-1): 学习与参考指南
233 (p7-2): 1．R变量定义方法
234 (p7-3): 2．R语句的写法
234 (p7-4): 3．R中的赋值语句
235 (p7-5): 4．R的文件读写路径——当前工作目录
235 (p7-6): 5．R的变量查找机制——搜索路径
237 (p7-7): 6．R中查看帮助的方法
237 (p7-8): 7．R区分大小写字母
238 (p7-9): 8．R的注释
238 (p7-10): 9．R的语句
238 (p7-11): 10．R中的变量命名规范
239 (p7-12): 11．R中的关键字／保留字
240 (p7-13): 12．R中的默认数据类型
241 (p7-14): 13．R中数据类型的判断与强制类型转换
241 (p7-15): 14．R中的向量
245 (p7-16): 15．R中的列表
248 (p7-17): 16．R中的数据框
253 (p7-18): 17．R中的因子类型
254 (p7-19): 18．R中的循环语句
255 (p7-20): 19．R中的选择语句
256 (p7-21): 20．R中的特殊运算符
257 (p7-22): 21．R中的快速生成数列的方法
258 (p7-23): 22．R中自定义函数
259 (p7-24): 23．R中常用的数学函数
260 (p7-25): 24．R中的字符串处理函数
262 (p7-26): 25．R中的常用统计函数
263 (p7-27):…