數(shù)據(jù)科學(xué)導(dǎo)論

第1章 引論
1.1 序言
1.2 數(shù)據(jù)
1.2.1 數(shù)據(jù)的概念
1.2.2 數(shù)據(jù)的發(fā)展史
1.2.3 數(shù)據(jù)、信息與知識(shí)
1.3 大數(shù)據(jù)
1.3.1 大數(shù)據(jù)時(shí)代的來臨
1.3.2 大數(shù)據(jù)的概念
1.3.3 大數(shù)據(jù)的特征
1.3.4 大數(shù)據(jù)對社會(huì)所產(chǎn)生的影響
1.3.5 迎接大數(shù)據(jù)時(shí)代的挑戰(zhàn)
1.4 數(shù)據(jù)科學(xué)
1.5 本書結(jié)構(gòu)
第2章 數(shù)據(jù)科學(xué)在商業(yè)金融領(lǐng)域的應(yīng)用
2.1 啤酒與尿布
2.1.1 案例詳析
2.1.2 大數(shù)據(jù)挖掘技術(shù)
2.1.3 購物籃分析法
2.1.4 對我們的思維模式啟示
2.2 比價(jià)網(wǎng)站的成功
2.2.1 Farecast案例詳析
2.2.2 Decide案例詳析
2.2.3 對我們的思維模式啟示
2.3 基于大數(shù)據(jù)的個(gè)性化推薦系統(tǒng)
2.3.1 基于亞馬遜云的個(gè)性化推薦系統(tǒng)
2.3.2 潘多拉（Pandora）——基于基因的推薦系統(tǒng)
2.4.Target的大數(shù)據(jù)營銷
2.4.1 案例詳析
2.4.2 給我們的思維模式啟示
2.5 社交網(wǎng)絡(luò)數(shù)據(jù)之于對沖基金
第3章 數(shù)據(jù)科學(xué)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用
3.1 流行病預(yù)測
3.1.1 谷歌的流感預(yù)測
3.1.2 利用微博來預(yù)測流感
3.1.3 給我們的思維模式啟示——大數(shù)據(jù)時(shí)代的科學(xué)倫理問題
3.2 大數(shù)據(jù)與智慧醫(yī)療
3.2.1 臨床操作
3.2.2 付款／定價(jià)
3.2.3 研發(fā)
3.2.4 新的商業(yè)模式
3.2.5 公眾健康
3.2.6 給我們的思維模式啟示
3.3 疾病監(jiān)控
3.3.1 大數(shù)據(jù)服務(wù)心臟病患者
3.3.2 “魔毯”病人的監(jiān)控
3.3.3 大數(shù)據(jù)監(jiān)測腦外傷病人恢復(fù)
3.4 可穿戴技術(shù)、大數(shù)據(jù)與智慧醫(yī)療
3.4.1 什么是可穿戴技術(shù)
3.4.2 可穿戴設(shè)備簡析
3.4.3 可穿戴設(shè)備與智慧醫(yī)療
3.4.4 給我們的思維模式啟示——可穿戴設(shè)備的缺陷
第4章 數(shù)據(jù)科學(xué)在智慧城市領(lǐng)域的應(yīng)用
4.1 概述
4.1.1 什么是智慧城市
4.1.2 產(chǎn)生背景
4.1.3 IT企業(yè)相繼介入智慧城市領(lǐng)域
4.1.4 國際實(shí)踐
4.2 韓國的松島新城
4.3 美國的智慧城市建設(shè)
4.3.1 哥倫布市
4.3.2 其他智慧城市建設(shè)的舉措
4.4 英國的智慧城市建設(shè)
4.5 日本的智慧城市建設(shè)
4.6 北歐智慧城市——愛沙尼亞
4.7 荷蘭阿姆斯特丹的智慧城市計(jì)劃
4.8 巴西里約熱內(nèi)盧的智慧城市建設(shè)
4.9 智慧城市建設(shè)中所應(yīng)用的數(shù)據(jù)科學(xué)技術(shù)
4.9.1 數(shù)據(jù)信息的收集：利用傳感網(wǎng)絡(luò)收集數(shù)據(jù)信息
4.9.2 數(shù)據(jù)信息的整合：不同數(shù)據(jù)信息的整合和統(tǒng)一管理
4.9.3 數(shù)據(jù)信息分析與應(yīng)用：大容量、實(shí)時(shí)性分析技術(shù)
第5章 數(shù)據(jù)科學(xué)在影視娛樂領(lǐng)域的應(yīng)用
5.1 大數(shù)據(jù)捧紅《紙牌屋》
5.1.1 案例詳析
5.1.2 大數(shù)據(jù)如何捧紅《紙牌屋》
5.1.3 給我們的思維模式啟示
5.2 谷歌預(yù)測電影票房
5.2.1 案例詳析
5.2.2 谷歌的預(yù)測機(jī)理
5.2.3 給我們的思維模式啟示
5.3 利用數(shù)據(jù)預(yù)測奧斯卡獎(jiǎng)項(xiàng)
第6章 數(shù)據(jù)科學(xué)在其他領(lǐng)域的應(yīng)用實(shí)例
6.1 大數(shù)據(jù)幫助奧巴馬贏得大選
6.1.1 案例詳析
6.1.2 給我們的思維模式啟示
6.2 棱鏡門
6.2.1 案例詳析
6.2.2 “棱鏡”計(jì)劃
6.2.3 加拿大的“棱鏡門”
6.2.4 給我們的思維模式啟示
6.3 大數(shù)據(jù)幫助尋根問祖
6.3.1 案例分析
6.3.2 運(yùn)作機(jī)理
6.4 大數(shù)據(jù)與社會(huì)治安
第7章 數(shù)據(jù)科學(xué)工程概論
7.1 科學(xué)研究的第四范式——數(shù)據(jù)密集型研究方法
7.1.1 范式和范式的演變
7.1.2 科學(xué)研究的第四范式
7.2 數(shù)據(jù)密集型科學(xué)研究興起的社會(huì)環(huán)境
7.2.1 數(shù)據(jù)洪流的到來
7.2.2 科學(xué)界對海量數(shù)據(jù)的關(guān)注
7.2.3 關(guān)聯(lián)數(shù)據(jù)運(yùn)動(dòng)
7.2.4 政府?dāng)?shù)據(jù)開放運(yùn)動(dòng)
7.3 對數(shù)據(jù)密集型科學(xué)研究范式的分析
7.3.1 科學(xué)數(shù)據(jù)和科學(xué)研究的問題
7.3.2 相應(yīng)的解決方案
7.4 數(shù)據(jù)的收集
7.4.1 客觀世界（Matter）中的數(shù)據(jù)
7.4.2 主觀世界（Mind）中的數(shù)據(jù)
7.4.3 細(xì)談數(shù)據(jù)
7.5 數(shù)據(jù)的存儲(chǔ)
7.6 數(shù)據(jù)的管理
7.6.1 NoSQL數(shù)據(jù)庫簡介
7.6.2 NoSQL數(shù)據(jù)庫的特點(diǎn)
7.6.3 開源的NoSQL數(shù)據(jù)庫軟件
7.7 數(shù)據(jù)的處理
7.7.1 Hadoop的起源
7.7.2 優(yōu)點(diǎn)
7.7.3 架構(gòu)
7.7.4 MapReduce流程
7.8 數(shù)據(jù)的可視化
7.8.1 Excel
7.8.2 Raphael
7.8.3 Visual.ly
7.8.4 Crossfiltet
7.8.5 PolyMaps
7.8.6 Kartograph
7.8.7 Processing
7.8.8 R
7.8.9 Weka
7.8.10 Gephi
第8章 數(shù)據(jù)科學(xué)的未來展望
8.1 從業(yè)前景廣闊
8.2 對未來數(shù)據(jù)科學(xué)發(fā)展的探討
8.2.1 提防進(jìn)入數(shù)據(jù)誤區(qū)
8.2.2 數(shù)據(jù)不是萬能的