《数据科学概论》教材介绍

前言

大数据时代已经来临，数据中蕴含价值。挖掘数据中的价值，可以发现新知，为我们的经济、社会、生活提供决策依据，创造更加美好的生活。

大数据时代需要大量合格的数据科学家。数据科学家应该具有宽广的理论视野，同时具有扎实的技术功底。

数据科学是基于计算机科学(数据库、数据挖掘、机器学习等)、统计学、数学等学科的一门新兴的交叉学科。它研究数据的各种类型、状态、属性及其变化规律，它研究如何对数据进行分析，从而揭示自然界和人类行为等现象背后的规律。

随着大数据时代的到来，以及数据科学的兴起，来自计算机、统计学、经济学、金融学、档案学等不同专业的师生，急切需要一本内容全面、论述清楚、通俗易懂的入门或者导论性质的教材。《数据科学概论》教材，顺应这个需求。本教材对数据科学的核心问题，即对数据进行分析，从而提取价值，获得对事物的洞察和理解的各种技术手段，进行全面的论述。

这本教材为《数据科学概论》课程而设计，这是一门入门和统领式的课程，为后续课程，比如深度学习、统计分析、数据挖掘、机器学习等课程的学习，打下坚实的基础。有利于培养新一代数据科学家，为各行各业的数据处理，提供急需的人才。

本教材的主要特点(1) 兼顾理论、技术、方法的论述和实践性

本书包括四大模块，前两个模块主要讲述数据科学的基本概念、原则、方法，以及各种类型数据的管理和分析技术，后两个模块介绍具体的平台和工具，以及数据科学的成功案例和具体领域的实践。读者不仅知其然，还可以知其所以然。

这四大模块简单介绍如下，(1) 概论：数据科学的基本概念、原则、和方法。(2) 数据和数据上的计算：主要数据类型包括，结构化数据、文本、社交网络、时间序列、轨迹数据等。主要分析方法包括，统计分析、机器学习(深度学习)、数据挖掘等。批处理、流数据处理、交互式处理。(3) 基础设施、平台和工具：介绍云平台、数据库、hadoop/Spark大数据平台、Python语言、统计分析/数据挖掘/机器学习工具库。传统的关系数据库技术和系统，新型的noSQL技术和系统，以及文本分析、社交网络分析的工具，在第二部分的各章进行简单介绍。(4) 数据科学案例和实践：数据科学成功案例，量化交易实践。

在教材编写的过程中，我们利用开源的数据集以及工具，同步建设案例库。方便学生在学习的过程中，通过运行这些案例，加深对数据科学的重要概念和技术原理的理解和运用。

使用本教材，通过《数据科学概论》课程的学习，学生们将具备扎实的基础理论、系统的知识结构、以及统计分析/数据挖掘/机器学习的实践能力。

(2) 清晰的内容展示路线图

本教材内容广泛、全面，为了把内容有效组织起来，本教材采用深度展开和宽度展开的内容展示路线图。

(a) 理论部分，先由浅入深，再宽度展开，旨在培养学生宽广的视野，形成完整的知识体系。在介绍数据科学基本概念、原则和方法的基础上，本教材按照在线事务处理和数据服务、在线数据分析和结构化数据分析、到数据的深度分析(包括统计分析、机器学习和数据挖掘)的路线，由简单分析到复杂分析，层层引导用户了解数据的管理和分析的主要技术和方法。

然后，本教材接着进行宽度展开。分别介绍了批处理模式之外的流数据处理，结构化数据之外的文本数据、社交网络数据、时间序列数据、轨迹数据等的管理和分析技术与方法。

(b) 实践部分先宽度展开，再深入量化交易领域，旨在培养学生的动手能力和浓厚兴趣。

通过深度展开和宽度展开的论述，本教材全面讲述各种类型的数据及其蕴含的价值，以及用何种技术可以对这些数据进行分析，以便发挥其价值。

(3) 案例式、形象化论述

作为一本入门的教材，本教材避免陷入数学公式的复杂推导过程(必要的数学知识是需要的)。

在对数据管理和分析的主要技术和方法的介绍中，我们采用直观的案例、形象化的图形等手段，通过浅显易懂的语言，深入浅出地进行论述。使得本书的内容不会枯燥无味，方便读者迅速掌握这些概念和技术的要领。让不同背景的读者感受到数据的分析和处理，是如此的有趣和有价值。

我们认为，作为一本导论性质的教材，采取这种方式是合适的。不仅计算机专业的学生很容易理解和把握书本的内容，其它专业比如经济学、金融学、统计学、档案学、新闻学等专业的学生，理解起来也不会有太大困难。

数据科学已经渗透到各行各业，不同专业背景的读者，都可以把本书论述的数据处理方法，应用于本专业的研究，解决实际问题。比如来自新闻专业的学生，可以利用文本分析技术和可视化技术，对新闻进行分析和可视化等。这些专业的学生，正急需这样一本入门的教材。

相关资料网站