本书系统介绍了“大数据、人工智能+公共卫生”的知识体系和应用案例，通过多学科交叉融合，从理论体系层面，开展 “大数据与人工智能应用”重点学科的建设工作。全书内容共分为4部分，分别为基本理论和知识、应用场景和技术、应用保障机制和公共卫生应用实践，内容详实，采用理论、仿真模拟与实践案例相结合的方式，生动易懂，可用于公共卫生领域大数据和人工智能应用的人才教育培养、标准规范制定、研究方向指引、经典知识传承。本书形成国内首创的“大数据、人工智能+公共卫生”理论体系，将提高大数据、人工智能、公共卫生及其交叉学科的影响力，从知识和政策创新的角度指导实践应用，促进人工智能、大数据技术与公共卫生的深度融合，提升公共卫生管理规范与效率，提高公共卫生的社会服务力。

第一篇 数据科学
第一章 数据科学
第一节 数据科学的内涵
第二节 学习数据科学的方法
第二章 公共卫生数据
第一节 公共卫生领域
第二节 公共卫生大数据
第三节 健康医疗数据
第四节 健康行为数据
第五节 健康环境数据
第六节 健康科研数据
第七节 健康行政管理数据
第三章 机器学习
第一节 机器学习理论和方法
第二节 深度学习理论和方法
第三节 机器学习的挑战和展望
第四章 公共卫生中的相关性与因果性
第一节 相关性与因果性的定义
第二节 相关性与因果性的关系
第三节 相关性与因果性的意义
第四节 相关性与因果性面临的挑战
第五章 因果推断与因果学习
第一节 基础概念
第二节 因果图
第三节 混杂因素及其应对方法
第六章 经典统计方法
第一节 统计描述
第二节 回归模型
第三节 时间序列方法
第四节 贝叶斯方法
第五节 方差分析
第六节 卡方检验
第七章 机器学习算法
第一节 决策树
第二节 聚类
第三节 贝叶斯分类
第四节 支持向量机
第五节 EM算法
第六节 AdaBoost算法