内容简介
数据科学与大数据分析在当前是炙手可热的概念，关注的是如何通过分析海量数据来洞悉隐藏于数据背后的见解。本书是数据科学领域为数不多的实用性技术图书，它通过详细剖析数据分析生命周期的各个阶段来讲解用于发现、分析、可视化、表示数据的相关方法和技术。《数据科学与大数据分析——数据的发现 分析 可视化与表示》总共分为12章，主要内容包括大数据分析的简单介绍，数据分析生命周期的各个阶段，使用R语言进行基本的数据分析，以及高级的分析理论和方法，主要涉及数据的聚类、关联规则、回归、分类、时间序列分析、文本分析等方法。此外，本书还涵盖了用来进行高级数据分析所使用的技术和工具，比如MapReduce和Hadoop、数据库内分析等。《数据科学与大数据分析——数据的发现 分析 可视化与表示》内容详细，示例丰富，侧重于理论与练习的结合，因此比较适合对大数据分析、数据科学感兴趣的人员阅读，有志于成为数据科学家的读者也可以从本书中获益。
作者简介
作者简介David Dietrich是EMC Education Services的数据科学教育团队的负责人，他领导着大数据分析和数据科学相关的课程、策略和课程开发工作。他参与编写了EMC数据科学课程的首门课程，以及两门额外的EMC课程（以向领导和管理人员讲授大数据和数据科学为主），而且还是本书的作者兼编辑。他在数据科学、数据隐私和云计算领域已经申请了14项专利。David曾指导若干所大学开设数据分析相关的课程项目，而且还经常在会议和行业活动中发表演讲。他还是波士顿地区几所大学的客座讲师。他的作品已被精选到包括福布斯杂志、哈佛商业评论以及由美国马萨诸塞州长Deval Patrick委托起草的2014 马萨诸塞大数据报告等内在的主流出版物中。David在分析和技术领域已经浸淫了近20年。在其职业生涯中，他曾在多家财富500强公司工作过，出任多个与数据分析相关的职位，其中包括管理分析和运营团队，提供分析咨询服务，管理用于规范美国银行业的分析软件产品线，以及开发软件即服务（Software-as-a-Service）和Bl即服务（Bl-as-a-Service）的产品。此外，David还曾与美联储一起合作开发用于监控房产抵押贷款的预测模型。Barry Heller是EMC Education Services的一名咨询技术教育顾问。Barry是大数据和数据科学新兴技术领域的课程开发人员和课程顾问。在此之前，Barry曾是一名顾问研究科学家，在EMC全面客户体验（Total Customer Experience）部门内发起并领导了许多与数据分析相关的项目。在其EMC职业生涯的早期，他负责管理统计工程团队，并负责企业资源企划（ERP）实施中的数据仓库工作。在加盟EMC之前，Barry在医疗诊断和技术公司担任过可靠性工程功能（Reliability Engineering Functions）的管理和分析角色。在此期间，他将其数量分析技能应用到了客户服务、工程、制造、销售/营销、金融和法律领域内的无数商业应用中。他强调与客户管理人员深入互动的重要性，他的许多成功案例不仅源自对分析的技术细节的关注，也源自针对分析结果会做出的决策的关注。Barry拥有罗彻斯特理工学院计算数学专业的本科学位，以及纽约州立大学新帕尔兹分校数学专业的硕士学位。Beibei Yang是EMC Education Services的一名技术教育顾问，在EMC负责开发若干与数据科学和大数据分析相关的公开课程。Bebei在IT行业有7年的从业经验。在加盟EMC之前，她在一家财富500强公司先后担任过软件工程师、系统管理员和网络管理员等职位，并引入了多种提升效率和鼓励合作的新技术。Beibei曾
目录
第1章 大数据分析介绍 1
1.1 大数据概述 2
1.1.1 数据结构 4
1.1.2 数据存储的分析视角 9
1.2 分析的实践状态 10
1.2.1 商业智能 VS 数据科学 11
1.2.2 当前分析架构 12
1.2.3 大数据的驱动力 14
1.2.4 新的大数据生态系统和新的分析方法 15
1.3 新的大数据生态系统中的关键角色 17
1.4 大数据分析案例 20
1.5 总结 21
1.6 练习 21
参考书目 21
第2章 数据分析生命周期 23
2.1 数据分析生命周期概述 24
2.1.1 一个成功分析项目的关键角色 24
2.1.2 数据分析生命周期的背景和概述 26
2.2 第1阶段：发现 28
2.2.1 学习业务领域 29
2.2.2 资源 29
2.2.3 设定问题 30
2.2.4 确定关键利益相关者 30
2.2.5 采访分析发起人 31
2.2.6 形成初始假设 32
2.2.7 明确潜在数据源 32
2.3 第2阶段：数据准备 33
2.3.1 准备分析沙箱 34
2.3.2 执行ETLT 35
2.3.3 研究数据 36
2.3.4 数据治理 37
2.3.5 调查和可视化 37
2.3.6 数据准备阶段的常用工具 38
2.4 第3阶段：模型规划 39
2.4.1 数据探索和变量选择 40
2.4.2 模型的选择 41
2.4.3 模型设计阶段的常用工具 42
2.5 第4阶段：模型建立 42
2.5.1 模型构建阶段中的常用工具 44
2.6 第5阶段：沟通结果 45
2.7 第6阶段：实施 46
2.8 案例研究：全球创新网络和分析（GINA） 49
2.8.1 第1阶段：发现 50
2.8.2 第2阶段：数据准备 51
2.8.3 第3阶段：模型规划 51
2.8.4 第4阶段：模型建立 51
2.8.5 第5阶段：沟通结果 53
2.8.6 第6阶段：实施 54
2.9 总结 55
2.10 练习 55
参考书目 55
第3章 使用R进行基本数据分析 57
3.1 R简介 58
3.1.1 R图形用户界面 6
文档截图
