图书中心

本书全面覆盖了数据科学的基础理论、技术实践与前沿拓展。从数据科学定义、发展历程、应用领域及跨学科关系入手，深入讲解数据基础、处理技术及在现代社会中的作用。涵盖数据采集、存储、治理、探索分析、可视化及数据挖掘等核心技能，并通过项目实战强化大数据主流工具，如Python、Matplotlib、Seaborn等的应用。最后，探讨数据科学与人工智能、深度学习等前沿领域，附录提供实用工具、术语表、练习题与阅读资源，助力读者系统掌握数据科学知识体系。

刘丽景：硕士研究生，高级工程师，数据科学与大数据技术专业教师，特征工程、机器学习、深度学习等大数据与人工智能相关技术领域的数据处理过程和算法模型应用等；

毛莉君：硕士研究生，教授，计算机科学与技术专业教师，人工智能算法应用；

严亚宁：硕士研究生，教授，计算机科学与技术专业教师，计算机软件系统开发、Web前端开发应用 、大数据分析与处理；

陈雨馨：硕士研究生，讲师，计算机科学与技术专业教师，人工智能、图像处理、计算机视觉

刘琦：硕士研究生，讲师，教师，机器学习与深度学习

张健：硕士研究生，副教授，计算机科学与技术专业教师。曾在华为技术有限公司和大唐移动从事数据库内核设计和开发12年。研究方向为数据分析与挖掘、深度学习。

牛清娜：牛清娜，美林数据技术股份有限公司教育产品总监，数据分析与挖掘

第1 章 数据：信息量化与记录的本源载体 ………………………………………………… 1

1.1 数据的概念 …………………………………………………………………………… 1

1.2 数据、信息、知识、智慧 ………………………………………………………………… 1

1.3 数据类型 ……………………………………………………………………………… 2

1.4 数据的产生方式 ……………………………………………………………………… 5

1.5 数据的利用与价值 …………………………………………………………………… 6

本章总结……………………………………………………………………………………… 7

章节习题……………………………………………………………………………………… 7

第2 章 大数据：海量多元数据的集成与挑战 ……………………………………………… 8

2.1 大数据的发展历程 …………………………………………………………………… 8

2.2 大数据的5 V 特征 ……………………………………………………………………10

2.3 大数据的应用现状 ……………………………………………………………………12

2.4 主流的大数据技术 ……………………………………………………………………22

2.5 大数据安全与大数据伦理 ……………………………………………………………45

本章总结………………………………………………………………………………………50

章节习题………………………………………………………………………………………50

第3 章 数据科学：从数据到知识的转化 ……………………………………………………52

3.1 数据科学概述 …………………………………………………………………………52

3.2 数据科学的发展历程 …………………………………………………………………52

3.3 大数据、大数据技术与数据科学 ………………………………………………………54

3.4 大数据时代的数据科学 ………………………………………………………………55

3.5 数据科学的核心要素 …………………………………………………………………56

3.6 数据科学方法论 ………………………………………………………………………59

目录

Contents

2

数据科学与人工智能基础应用实战案例

3.7 数据科学项目流程 ……………………………………………………………………60

3.8 数据科学的发展趋势 …………………………………………………………………63

本章总结………………………………………………………………………………………66

章节习题………………………………………………………………………………………67

第4 章 数据科学的主流方法和工具 …………………………………………………………68

4.1 数据探索性分析 ………………………………………………………………………68

4.2 数据预处理 ……………………………………………………………………………72

4.3 数据分析与挖掘 ………………………………………………………………………80

4.4 数据可视化 ……………………………………………………………………………85

4.5 数据科学主流编程语言 ………………………………………………………………91

本章总结………………………………………………………………………………………96

章节习题………………………………………………………………………………………96

第5 章 人工智能基础概念：智能的核心驱动 ………………………………………………98

5.1 智能的概念 ……………………………………………………………………………98

5.2 图灵测试与人工智能 …………………………………………………………………99

5.3 人工智能发展史 …………………………………………………………………… 102

5.4 人工智能主要研究内容 …………………………………………………………… 104

5.5 人工智能主要应用领域 …………………………………………………………… 109

5.6 人工智能实现方法 ………………………………………………………………… 112

本章总结…………………………………………………………………………………… 115

章节习题…………………………………………………………………………………… 115

第6 章 机器学习：让机器学会自主学习 ………………………………………………… 117

6.1 机器学习概述 ……………………………………………………………………… 117

6.2 机器学习基本术语 ………………………………………………………………… 120

6.3 机器学习分类 ……………………………………………………………………… 122

6.4 机器学习常用算法 ………………………………………………………………… 127

本章总结…………………………………………………………………………………… 134

章节习题…………………………………………………………………………………… 134

第7 章 深度学习：引领智能突破 ………………………………………………………… 136

7.1 神经网络 …………………………………………………………………………… 136

7.2 深度学习 …………………………………………………………………………… 138

7.3 卷积神经网络 ……………………………………………………………………… 151

7.4 循环神经网络 ……………………………………………………………………… 160

7.5 生成对抗网络 ……………………………………………………………………… 163

本章总结…………………………………………………………………………………… 165

3

目录

章节习题…………………………………………………………………………………… 165

第8 章 生成式人工智能：内容创作的全新变革 ………………………………………… 167

8.1 基本概念 …………………………………………………………………………… 167

8.2 核心技术与算法 …………………………………………………………………… 168

8.3 应用领域 …………………………………………………………………………… 169

8.4 主流的大模型产品 ………………………………………………………………… 171

8.5 挑战与限制 ………………………………………………………………………… 172

本章总结…………………………………………………………………………………… 174

第9 章 项目实战1：汽车全球销售数据可视化（2010—2024） ………………………… 175

9.1 项目说明 …………………………………………………………………………… 175

9.2 数据说明 …………………………………………………………………………… 176

9.3 业务说明 …………………………………………………………………………… 177

9.4 可视化页面设计 …………………………………………………………………… 177

第10 章 项目实战2：机器学习-银行市场营销活动分析（分类算法） ………………… 199

10.1 项目说明 …………………………………………………………………………… 199

10.2 业务说明 …………………………………………………………………………… 200

10.3 数据说明 …………………………………………………………………………… 200

10.4 模型介绍 …………………………………………………………………………… 205

10.5 模型构建 …………………………………………………………………………… 207

10.6 应用价值 …………………………………………………………………………… 213

第11 章 项目实战3：机器学习-超市客群细分（聚类算法） …………………………… 214

11.1 项目说明 …………………………………………………………………………… 214

11.2 数据说明 …………………………………………………………………………… 214

11.3 分析思路 …………………………………………………………………………… 215

11.4 知识点 ……………………………………………………………………………… 215

11.5 建模步骤 …………………………………………………………………………… 217

11.6 评估模型 …………………………………………………………………………… 220

11.7 分析结果 …………………………………………………………………………… 221

第12 章 项目实战4：机器学习-房屋售价预测分析（回归算法） ……………………… 223

12.1 项目说明 …………………………………………………………………………… 223

12.2 业务说明 …………………………………………………………………………… 223

12.3 数据说明 …………………………………………………………………………… 225

12.4 模型构建 …………………………………………………………………………… 230

12.5 应用价值 …………………………………………………………………………… 241

4

数据科学与人工智能基础应用实战案例

第13 章 项目实