數據科學：它的內涵、方法、意義與發(fā)展

目錄
前言
第1章 數據科學的產生背景 1
1.1 大數據促進了數據科學的形成 1
1.2 數據科學承載著大數據發(fā)展的未來 3
第2章 數據科學的相關概念與方法 7
2.1 與數據相關的概念與方法 7
2.1.1 結構化、非結構化與半結構化數據 10
2.1.2 數據價值鏈 10
2.2 與計算機科學相關的概念與方法 12
2.2.1 計算架構 13
2.2.2 系統(tǒng)軟件 15
2.2.3 編程語言與執(zhí)行環(huán)境 15
2.2.4 大數據平臺軟件 16
2.2.5 數據處理算法 17
2.3 與統(tǒng)計學相關的概念與方法 18
2.3.1 統(tǒng)計描述 18
2.3.2 統(tǒng)計建模 21
2.3.3 統(tǒng)計推斷 25
2.4 與機器學習相關的概念與方法 30
2.4.1 機器學習范式 31
2.4.2 機器學習算法 36
2.4.3 近代人工智能方法 49
第3章 數據科學的內涵及演進 57
3.1 數據科學的定義 57
3.2 數據科學與其他學科的關聯與區(qū)別 60
3.3 促進數據科學形成的重大進展 63
3.3.1 計算機科學相關的重大進展 63
3.3.2 統(tǒng)計學相關的重大進展 66
3.3.3 人工智能相關的重大進展 71
3.4 數據科學概念的形成與演進 77
第4章 數據科學的方法論與發(fā)展趨勢 80
4.1 數據科學方法論 80
4.2 數據科學方法論與其他學科方法論的比較 84
4.2.1 與數學方法論的關聯與區(qū)別 84
4.2.2 與統(tǒng)計學方法論的關聯與區(qū)別 85
4.2.3 與計算機科學方法論的關聯與區(qū)別 88
4.2.4 與人工智能方法論的關聯與區(qū)別 89
4.3 數據科學的發(fā)展規(guī)律與趨勢 90
第5章 數據科學的重大科學技術問題 98
5.1 四大科學任務 98
5.1.1 探索數據空間的結構與特性 98
5.1.2 建立大數據統(tǒng)計學 100
5.1.3 革新存儲計算技術 103
5.1.4 夯實人工智能基礎 108
5.2 十大技術方向 114
5.2.1 物聯網技術 114
5.2.2 大數據互操作技術 115
5.2.3 大數據安全技術 117
5.2.4 大數據存儲技術 119
5.2.5 分布式協(xié)同計算技術 121
5.2.6 新型數據庫技術 123
5.2.7 大數據基礎算法 127
5.2.8 數據智能技術 128
5.2.9 區(qū)塊鏈技術 129
5.2.10 大數據可視化與交互式分析技術 132
第6章 數據科學的學科發(fā)展 135
6.1 數據科學的學科方向 135
6.1.1 數據收集與管理 135
6.1.2 數據存儲與計算 136
6.1.3 數據分析與解譯 137
6.1.4 數據產品及應用 139
6.2 數據科學的學科屬性與范疇 140
6.3 數據科學的發(fā)展戰(zhàn)略 142
第7章 數據科學的人才培養(yǎng) 149
7.1 社會需要什么樣的數據科學人才？ 149
7.1.1 數據科學人才的市場需求 149
7.1.2 數據科學人才的知識、能力與素質 151
7.1.3 數據科學的人才培養(yǎng)原則 153
7.2 如何培養(yǎng)數據科學人才？ 155
7.2.1 數據工程師培養(yǎng)方案 160
7.2.2 數據分析師培養(yǎng)方案 161
7.2.3 數據執(zhí)行官培養(yǎng)方案 162
參考文獻 165
索引 178