第1章 基础理论

如何开始学习

1.1 术语定义

1.2 研究目的

1.3 发展简史

1.4 理论体系

1.5 基本原则

1.6 数据科学家

如何继续学习

习题

参考文献

第2章 理论基础

如何开始学习

2.1 数据科学的学科地位

2.2 统计学

2.3 机器学习

2.4 数据可视化

如何继续学习

习题

参考文献

第3章 流程与方法

如何开始学习

3.1 基本流程

3.2 数据加工

3.3 数据审计

3.4 数据分析

3.5 数据可视化

3.6 数据故事化

3.7 项目管理

如何继续学习

习题

参考文献

第4章 技术与工具

如何开始学习

4.1 技术体系

4.2 MapReduce

4.3 Hadoop

4.4 Spark

4.5 NoSQL与NewSQL

4.6 R与Python

4.7 发展趋势

如何继续学习

习题

参考文献

第5章 数据产品及开发

如何开始学习

5.1 定义

5.2 主要特征

5.3 关键活动

5.4 数据柔术

5.5 数据能力

5.6 数据战略

5.7 数据治理

如何继续学习

习题

参考文献

第6章 典型案例及实践

如何开始学习

6.1 2012年美国总统大选

6.2 统计分析

6.3 机器学习

6.4 数据可视化

6.5 SparkR编程

如何继续学习

习题

参考文献

附录A R语言学习笔记与参考手册

学习与参考指南

1．R变量定义方法

2．R语句的写法

3．R中的赋值语句

4．R的文件读写路径——当前工作目录

5．R的变量查找机制——搜索路径

6．R中查看帮助的方法

7．R区分大小写字母

8．R的注释

9．R的语句

10．R中的变量命名规范

11．R中的关键字／保留字

12．R中的默认数据类型

13．R中数据类型的判断与强制类型转换

14．R中的向量

15．R中的列表

16．R中的数据框

17．R中的因子类型

18．R中的循环语句

19．R中的选择语句

20．R中的特殊运算符

21．R中的快速生成数列的方法

22．R中自定义函数

23．R中常用的数学函数

24．R中的字符串处理函数

25．R中的常用统计函数

26．R中的随机数

27．R包的用法

28．R中的矩阵

29．R中的数组

30．R中的面向对象编程

31．R中的S4类

32．R中的数据可视化

33．R的输入输出

34．R中的正则表达式

35．R的数据集

36．R第三方包——R的灵魂

37．基于R的数据加工

附录B 数据科学的重要资源

1．学术期刊

2．国际会议

3．研究机构

4．课程资源

5．硕士学位项目

6．专家学者

7．相关工具

附录C 术语索引

后记