数据科学与大数据分析数据的发现分析可视化与表示

目 录 版权信息 版权声明 内容提要 序 主要贡献人 致谢 译者简介 主审人员简介 本书中文版审校人员 前言 EMC学院联盟 EMC专家认证证书 第1章 大数据分析介绍 1.1 大数据概述 1.1.1 数据结构 1.1.2 数据存储的分析视角 1.2 分析的实践状态 1.2.1 商业智能 VS 数据科学 1.2.2 当前分析架构 1.2.3 大数据的驱动力 1.2.4 新的大数据生态系统和新的分析方法 1.3 新的大数据生态系统中的关键角色 1.4 大数据分析案例 1.5 总结 1.6 练习 参考书目 第2章 数据分析生命周期 2.1 数据分析生命周期概述 2.1.1 一个成功分析项目的关键角色 2.1.2 数据分析生命周期的背景和概述 2.2 第1阶段：发现 2.2.1 学习业务领域 2.2.2 资源 2.2.3 设定问题 2.2.4 确定关键利益相关者 2.2.5 采访分析发起人 2.2.6 形成初始假设 2.2.7 明确潜在数据源 2.3 第2阶段：数据准备 2.3.1 准备分析沙箱 2.3.2 执行ETLT 2.3.3 研究数据 2.3.4 数据治理 2.3.5 调查和可视化 2.3.6 数据准备阶段的常用工具 2.4 第3阶段：模型规划 2.4.1 数据探索和变量选择 2.4.2 模型的选择 2.4.3 模型设计阶段的常用工具 2.5 第4阶段：模型建立 2.5.1 模型构建阶段中的常用工具 2.6 第5阶段：沟通结果 2.7 第6阶段：实施 2.8 案例研究：全球创新网络和分析（GINA） 2.8.1 第1阶段：发现 2.8.2 第2阶段：数据准备 2.8.3 第3阶段：模型规划 2.8.4 第4阶段：模型建立 2.8.5 第5阶段：沟通结果 2.8.6 第6阶段：实施 2.9 总结 2.10 练习 参考书目 第3章 使用R进行基本数据分析 3.1 R简介 3.1.1 R图形用户界面 3.1.2 数据导入和导出 3.1.3 属性和数据类型 3.1.4 描述性统计（descriptive statistics） 3.2 探索性数据分析 3.2.1 在分析之前先可视化 3.2.2 脏数据 3.2.3 可视化单个变量 3.2.4 研究多个变量 3.2.5 对比数据探索和数据演示 3.3 用于评估的统计方法 3.3.1 假设检验 3.3.2 均值差异 3.3.3 Wilcoxon秩和检验 3.3.4 I型和II型错误 3.3.5 功效和抽样大小 3.3.6 ANOVA 3.4 总结 3.5 练习 参考文献 第4章 高级分析理论与方法：聚类 4.1 聚类概述 4.2 k均值聚类 4.2.1 使用案例 4.2.2 方法概述 4.2.3 确定聚类簇的数量 4.2.4 诊断 4......