前言
致谢
作者简介
第一部分 概念介绍
第1章 简介
1.1 什么是数据科学
1.2 数据科学在哪里
1.2.1 金融
1.2.2 公共政策
1.2.3 政治
1.2.4 医疗保健
1.2.5 城市规划
1.2.6 教育
1.2.7 图书馆
1.3 数据科学与其他领域如何关联
1.3.1 数据科学与统计
1.3.2 数据科学与计算机科学
1.3.3 数据科学与工程
1.3.4 数据科学与商业分析
1.3.5 数据科学、社会科学与计算社会科学
1.4 数据科学和信息科学之间的关系
1.4.1 信息与数据
1.4.2 信息科学用户
1.4.3 iSchool中的数据科学
1.5 计算思维
1.6 数据科学技能
1.7 数据科学工具
1.8 数据科学中的伦理、偏见和隐私问题
总结
关键术语
概念性问题
实践问题
注释
第2章 数据
2.1 引言
2.2 数据类型
2.2.1 结构化数据
2.2.2 非结构化数据
2.2.3 非结构化数据的挑战
2.3 数据收集
2.3.1 开放数据
2.3.2 社交媒体数据
2.3.3 多类型数据
2.3.4 数据存储和呈现
2.4 数据预处理
2.4.1 数据清洗
2.4.2 数据集成
2.4.3 数据转换
2.4.4 数据缩减
2.4.5 数据离散化
总结
关键术语
概念性问题
实践问题
延伸阅读及资源
注释
第3章 技术
3.1 引言
……
第二部分 数据科学工具
第三部分 数据科学中的机器学习
第四部分 应用、评估和方法
附录
展开