数据科学家修炼之道

目录 第1章　数据科学与大数据 1 1.1 深挖大数据 1 1.2 大数据产业 5 1.3 数据科学的诞生 7 1.4 要点 9 第2章　数据科学的重要性 10 2.1 数据科学领域的历史 10 2.2 新规则 14 2.3 新思维与随之而来的变化 17 2.4 要点 18 第3章　数据科学家的类型 19 3.1 数据开发者 19 3.2 数据研究者 20 3.3 数据创意师 21 3.4 数据商务人士 21 3.5 混合/普适类型 22 3.6 要点 22 第4章　数据科学家的思维体系 24 4.1 特质 24 4.2 素质与能力 27 4.3　思维 32 4.4　抱负 34 4.5　要点 36 第5章　技术资质 37 5.1　综合的编程能力 37 5.2　科学背景 39 5.3　专业化知识 40 5.4　要点 42 第6章　经验 44 6.1 企业实战VS学术研究的经验 44 6.2 经验VS正规教育 46 6.3 如何获得第一桶经验 46 6.4 要点 48 第7章　社交圈 49 7.1 岂止于专业社交圈 49 7.2 与学术圈的关系 50 7.3 与商业世界的关系 51 7.4 要点 52 第8章　所用的软件 53 8.1 Hadoop套件和朋友们 53 8.2 面向对象编程语言 60 8.3 数据分析软件 63 8.4 可视化工具 66 8.5 集成大数据系统 68 8.6 其他一些程序 69 8.7 要点 72 第9章　学习新知与解决问题 74 9.1 研讨会 74 9.2 会议 76 9.3 在线课程 76 9.4 数据科学小组 80 9.5 需求问题 82 9.6 专业知识缺乏问题 83 9.7 综合运用各种工具 84 9.8 要点 85 第10章　机器学习与R语言平台 86 10.1 机器学习简史 86 10.2 人工智能的未来 89 10.3 机器学习VS统计方法 90 10.4 在数据科学中使用机器学习 93 10.5 R平台简介 95 10.6 机器学习和R语言资料 99 10.7 要点 101 第11章　数据科学的处理流