掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據故事化:從數據感知到數據認知 版權信息
- ISBN：9787121446146
- 條形碼：9787121446146 ; 978-7-121-44614-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據故事化:從數據感知到數據認知 內容簡介
本書是創新性系統講述數據故事化的理論與實踐的教材，特別注重相關理論的繼承和創新，不僅吸收全球一流大學及國外相關領域的標志性成果及近期新進展，還充分體現了我國傳統文化及人才培養的需要及未來社會的人才需求，系統講解數據故事化的理論、方法、技術、工具與代表性實踐。全書分為三篇：基礎篇主要講解數據故事與文學故事的聯系及區別，以及數據故事的定義、特征、認知和應用；理論篇主要分析數據故事化的核心理論、數據故事化的理論基礎及數據故事化的方法與技術；實戰篇主要講解Tableau的數據故事化功能和基于Tableau的數據故事化實踐。 本書既可以滿足數據科學與大數據技術、大數據管理與應用、計算機科學與技術、管理工程、工商管理、數據統計、數據分析、信息管理與信息系統、商業分析、數據新聞、數字人文等專業的教學需求，還可以滿足數據科學領域緊缺人才培養和職業能力提升的需求。
數據故事化:從數據感知到數據認知 目錄
目 錄
**篇 基礎篇
第1章 故事 3
1.1 故事的定義和特征 4
1.1.1 故事的定義 4
1.1.2 故事的特征 7
1.2 故事的發展史 8
1.2.1 視覺/口述講故事(約公元前700年之前) 8
1.2.2 書面講故事(約公元前700年至20世紀) 11
1.2.3 數字化講故事(20世紀至今) 11
1.3 故事的要素 12
1.3.1 意圖——為什么要講故事 13
1.3.2 內容——要講什么故事 13
1.3.3 方式——如何講故事 14
1.3.4 受眾——給誰講故事 14
1.3.5 沖突——故事的關鍵在哪里 15
1.4 故事的情節 16
1.4.1 金字塔結構 16
1.4.2 英雄之旅結構 17
1.4.3 “男孩追到女孩”結構 19
1.5 故事的敘述 19
1.5.1 故事的創作與敘述的區別 19
1.5.2 故事的敘述方法 20
1.5.3 故事的敘述原則 22
1.6 故事的生成 26
1.6.1 Storytelling Alice和Looking Glass 26
1.6.2 BeemGee作者工具 27
1.6.3 Worldbuilding 28
小結 29
思考題 30
第2章 數據故事 31
2.1 數據故事的定義 32
2.1.1 數據與故事的聯系 32
2.1.2 數據故事及數據故事化 34
2.1.3 數據故事的金字塔模型 35
2.1.4 數據故事化的相關術語 36
2.1.5 數據故事的作用——EEE作用 36
2.2 數據故事的特征 37
2.3 數據故事的認知模型 40
2.3.1 數據故事的感知 41
2.3.2 數據故事的認知 41
2.3.3 數據故事的行動 42
2.4 數據故事的應用 42
2.4.1 解決數據科學的“*后一英里”問題 42
2.4.2 提升數據的可認知和可記憶能力 43
2.4.3 推動“數據—洞見—行動”的轉換 47
2.4.4 數據新聞及數據產品開發 47
小結 49
思考題 50
第二篇 理論篇
第3章 數據故事化的基礎理論 53
3.1 數據故事的要素 54
3.2 數據故事化的原則 55
3.3 數據故事化的流程 58
3.3.1 數據理解 58
3.3.2 明確目的 61
3.3.3 了解受眾 62
3.3.4 識別關鍵數據 63
3.3.5 數據故事的建模 63
3.3.6 敘述準備 64
3.3.7 敘述設計及二度創作 65
3.3.8 敘述與互動 65
3.4 數據故事化的模型 66
3.4.1 分析模型 67
3.4.2 故事模型 67
3.4.3 敘述模型 70
3.5 數據故事的敘述 71
3.5.1 敘述者驅動型敘述 71
3.5.2 受眾驅動型敘述 72
小結 72
思考題 73
第4章 數據故事化的理論基礎 74
4.1 數據科學 76
4.1.1 與數據故事化的聯系 76
4.1.2 數據科學的理論與方法 77
4.1.3 數據科學的應用 85
4.2 認知科學 90
4.2.1 與數據故事化的聯系 91
4.2.2 認知科學的理論與方法 92
4.2.3 認知科學的應用 95
4.3 數據可視化 96
4.3.1 與數據故事的聯系 96
4.3.2 可視化的理論與方法 97
4.3.3 數據可視化的應用 109
4.4 可解釋性機器學習 111
4.4.1 與數據故事化的聯系 112
4.4.2 可解釋性機器學習的理論與方法 113
4.4.3 可解釋性機器學習的應用 116
4.5 自然語言處理 117
4.5.1 自然語言處理與數據故事化的聯系 117
4.5.2 自然語言處理的理論與方法 118
4.5.3 自然語言處理的應用 123
小結 124
思考題 126
第5章 數據故事化的方法與技術 127
5.1 可視故事化 128
5.1.1 可視故事化的定義 128
5.1.2 可視故事化的特征 129
5.1.3 可視故事化的方法 130
5.2 SHAP 137
5.2.1 SHAP的定義 137
5.2.2 SHAP的方法 138
5.2.3 SHAP的特征 139
5.2.4 SHAP的應用 140
5.3 Facet 140
5.3.1 Facet的定義 140
5.3.2 Facet的方法 141
5.3.3 Facet的特征 142
5.3.4 Facet的應用 142
5.4 反事實解釋 144
5.4.1 反事實解釋的定義 144
5.4.2 反事實解釋的特征 144
5.4.3 反事實解釋的方法 144
5.4.4 反事實解釋的應用 145
5.5 LIME 146
5.5.1 LIME的定義 146
5.5.2 LIME的特征 147
5.5.3 LIME的方法 147
5.5.4 LIME的應用 150
5.6 Anchors 150
5.6.1 Anchors的定義 150
5.6.2 Anchors的方法 151
5.6.3 Anchors的特征 151
5.6.4 Anchors的應用 151
5.7 對比解釋法 153
5.7.1 對比解釋法的定義 153
5.7.2 對比解釋法的特征 154
5.7.3 對比解釋法的方法 155
5.7.4 對比解釋法的應用 156
5.8 A/B測試 157
5.8.1 A/B測試的定義 157
5.8.2 A/B測試的方法 157
5.8.3 A/B測試的特征 158
5.9 混淆矩陣 159
5.9.1 混淆矩陣的定義 159
5.9.2 混淆矩陣的特征 160
5.9.3 混淆矩陣的方法 160
5.9.4 混淆矩陣的應用 160
小結 163
思考題 163
第三篇 實戰篇
第6章 Tableau及其數據故事化功能 167
6.1 Tableau概述 168
6.2 Tableau的安裝 173
6.3 Tableau的界面 174
6.3.1 菜單及工具欄區域 175
6.3.2 數據源、工作表、儀表板和故事標簽及狀態欄 177
6.3.3 側欄及窗格區域 178
6.3.4 畫布及視圖區域 180
6.3.5 卡和功能架區域 180
6.3.6 智能推薦區域 184
6.4 Tableau的術語 184
6.4.1 數據來源(Data Source) 184
6.4.2 工作簿及其組成 185
6.4.3 窗格及其類型 186
6.4.4 功能架及其類型 188
6.4.5 視圖及其智能推薦 189
6.4.6 儀表板 189
6.4.7 故事 192
6.4.8 參數 192
6.4.9 維度和度量 194
6.4.10 連續字段和離散字段 196
6.5 Tableau的關鍵技術 198
6.5.1 VizQL 198
6.5.2 HyPer 201
6.6 Tableau的操作方法 203
6.6.1 連接到數據來源 203
6.6.2 工作表及視圖的編輯 205
6.6.3 儀表板的編輯 207
6.6.4 故事的編輯 210
6.6.5 數據的分析 211
6.6.6 在線發布 216
6.7 Tableau的故事化功能 217
小結 223
思考題 224
第7章 數據故事化實戰 225
7.1 Tableau數據故事化的流程 226
7.2 地震數據故事的需求分析 228
7.2.1 業務背景 228
7.2.2 數據分析 229
7.2.3 數據故事化的目的 230
7.3 地震數據故事的設計 231
7.3.1 數據故事的類型 231
7.3.2 數據故事的要素 232
7.3.3 數據化故事的模型 233
7.3.4 數據故事的敘述 234
7.4 地震數據故事的生成 235
7.4.1 連接數據源 235
7.4.2 設計工作表 237
7.4.3 設計儀表板 247
7.4.4 設計故事 252
7.5 地震數據故事的發布 265
7.6 地震數據故事的評價與改進 266
小結 267
思考題 268
附錄A 數據故事化的重要文獻 269
附錄B 數據故事化相關工具軟件 273
附錄C 數據故事化相關課程資源 276
參考文獻 279
展開全部
數據故事化:從數據感知到數據認知 作者簡介
朝樂門，男，1979年生，中國人民大學信息資源管理學院、數據工程與知識工程教育部重點實驗室副教授，博士生導師。中國計算機學會信息系統專委員會委員、ACM高級會員、國際知識管理協會正式委員、全國高校大數據教育聯盟大數據教材專家指導委員會委員、清華大學博士后校友會IT分會副秘書長；主持完成國家自然科學基金、國家社會科學基金等重要科學研究項目10余項；參與完成核高基、973、863、國家自然科學基金重點項目、國家社會科學基金重大項目等國家重大科研項目10余項；發表SCI/SSCI/EI/CSCI論文30余篇，軟件著作權5個、發明專利3項、出版學術專著3部；獲得北京市中青年骨干教師稱號、國際知識管理與智力資本杰出成就獎、IBM全球卓越教師獎、Emerald/EFMD國際杰出博士論文獎、國家自然科學基金項目優秀項目、中國大數據學術創新獎、中國大數據創新百人榜單、全國大數據教育行業杰出貢獻獎等多種獎勵30余項。
書友推薦
- >
姑媽的寶刀
- >
經典常談
- >
史學評論
- >
煙與鏡
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
名家帶你讀魯迅:故事新編
- >
【精裝繪本】畫給孩子的中國神話
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
