数据科学基础 pdf下载

　　《数据科学基础》特色：
　　《数据科学基础》是“大学计算机→Python程序设计→数据科学”课程生态链中的一环，内容体系从以“计算机”为核心转向以“数据”为核心。
　　书中大量案例涵盖了数据分析与处理、可视化、信息提取、机器学习等多领域，让学习者能够利用数据的力量发现新的洞见。
　　《数据科学基础》以计算思维、赋能教育为导向，采用“思想+模型”的内容架构，培养初学者的数据意识、数据思维和数据能力。
　　《数据科学基础》是根据教育部高等学校大学计算机课程教学指导委员会编制的大学计算机基础课程教学基本要求编写的。
　　《数据科学基础》以Python语言为工具，通过大量案例讲述了数据组织与科学计算、数据统计分析、数据可视化、网络爬虫与信息提取、人工智能与机器学习的基本流程和方法，既重视基本方法的介绍，又强调实际应用能力的培养。
　　《数据科学基础》脉络清晰、实例丰富，可作为高等学校非计算机类专业学生学习数据科学的入门教材，也可作为数据科学技术爱好者和相关专业人员的自学参考书。

理论篇
第1章 数据科学基础
1．1 数据科学概述
1．1．1 数据与大数据
1．1．2 数据科学
1．1．3 数据科学的发展历程
1．1．4 数据科学的研究内容
1．1．5 数据科学的知识体系
1．1．6 数据科学的应用
1．2 Python基础
1．2．1 Python简介
1．2．2 数据类型和运算符
1．2．3 控制结构
1．2．4 函数
习题
第2章 数据组织与科学计算
2．1 数据组织
2．2 矩阵的初始化与重组
2．2．1 矩阵的初始化
2．2．2 矩阵的重组
2．3 矩阵运算
2．3．1 矩阵的算术运算
2．3．2 矩阵的点乘、转置与求逆
2．3．3 矩阵的统计函数
2．3．4 矩阵与向量的算术运算
2．4 线性回归建模
2．4．1 线性回归
2．4．2 主成分回归
2．4．3 模型验证策略
2．4．4 应用案例
习题
第3章 数据统计分析
3．1 引例
3．2 Pandas数据结构与基本操作
3．2．1 Pandas数据结构
3．2．2 数据访问
3．2．3 算术运算与数据对齐
3．2．4 重建与更换索引
3．2．5 其他常用操作
3．3 数据的加载与保存
3．3．1 处理CSV或TXT格式文件
3．3．2 读取Excel文件
3．4 数据预处理
3．4．1 数据合并
3．4．2 数据清洗
3．4．3 数据转换
3．4．4 数据排序
3．4．5 案例——电影票房数据预处理
3．5 数据统计分析
3．5．1 常用统计量
3．5．2 常用统计方法
3．5．3 分组与聚合
3．5．4 数据透视表与交叉表
3．5．5 相关分析
3．5．6 案例——电影票房数据统计分析
习题
第4章 数据可视化
4．1 图表绘制基础
4．1．1 引例——绘制柱状图
4．1．2 Matplotlib绘图基础
4．2 Matplotlib绘制二维图表
4．2．1 绘制线条
4．2．2 绘制柱状图
4．2．3 绘制饼图
4．2．4 绘制散点图
4．2．5 绘制直方图
4．2．6 绘制箱形图
4．3 Matplotlib绘制三维图表
4．3．1 三维图表基础
4．3．2 绘制三维图表
4．4 Seaborn库
4．5 综合应用
4．5．1 综合案例1——空气质量分析
4．5．2 综合案例2——绘制词云图
习题
……

实验篇

参考文献

　　进入21世纪，数据科学、机器学习等新一代信息技术正深度融入各个学科，深刻改变着人们的学习、工作和生活。计算机基础教学必须“回应科技新进步和教育新需求，为专业应用和社会应用提供切实支撑”，才能适应高校人才培养的实际需要。为此，同济大学计算机基础教学团队以计算思维和赋能教育为导向，建设“大学计算机→Python程序设计→数据科学”课程生态链，将内容体系从以“计算机”为核心转向以“数据”为核心，并且重点建设数据科学课程。
　　数据科学是一门新兴的交叉学科，涉及内容非常广泛。本书根据内在逻辑关系以及非计算机类专业学生的基础和专业应用需求，精心组织了6个模块：数据科学基础、数据组织与科学计算、数据统计分析、数据可视化、网络爬虫与信息提取、人工智能与机器学习，颠覆了传统的“原理+算法”的内容架构，采用先进的“思想+模型”的内容架构，力求体现理论性、实践性和应用性，使得不同背景的学生能够深刻理解数据科学的核心思想，初步掌握数据处理、分析和应用的能力。
　　全书共6章，分别由杨志强、丛培盛、孙丽君、李湘梅、肖杨、王睿智编写，最后由杨志强统稿。每章均包含大量的应用案例，并且配有习题和实验。若读者需要资源可致信到邮箱。
　　因作者水平有限，书中难免有不足之处，恳请读者和专家批评指正。