掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>>
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥69.2
加入購(gòu)物車
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相 版權(quán)信息
- ISBN：9787115655110
- 條形碼：9787115655110 ; 978-7-115-65511-0
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相 本書(shū)特色
1.本書(shū)作者將自己20年來(lái)學(xué)習(xí)到的諸多課程、項(xiàng)目的經(jīng)驗(yàn)和閱讀的大量書(shū)籍濃縮在一起，利用生活 工作當(dāng)中通俗易懂的案例，循循善誘、深入淺出地為你生動(dòng)講解了數(shù)據(jù)分析的基本知識(shí)和背后擴(kuò)展的深意。作者從不同的角度和*基本的數(shù)據(jù)概念錯(cuò)誤認(rèn)知開(kāi)始，*后深入統(tǒng)計(jì)分析、人工智能，進(jìn)而結(jié)合數(shù)據(jù)分析表述和數(shù)據(jù)分析思維工具，幫助用戶把數(shù)據(jù)分析的“死知識(shí)”變成可以用在生活 工作中的“活法寶”。
2.作者郭煒畢業(yè)于北京大學(xué)，現(xiàn)任中國(guó)通信學(xué)會(huì)開(kāi)源技術(shù)委員會(huì)委員，中國(guó)軟件行業(yè)協(xié)會(huì)智能應(yīng)用服務(wù)分會(huì)副主任委員，全球中小企業(yè)創(chuàng)業(yè)聯(lián)合會(huì)副會(huì)長(zhǎng)，TGO鯤鵬會(huì)北京分會(huì)會(huì)長(zhǎng)，虎嘯十年杰出數(shù)字技術(shù)人物，中國(guó)開(kāi)源社區(qū)*佳33人，中國(guó)2021年開(kāi)源杰出人物。郭煒曾任易觀CTO，聯(lián)想研究院大數(shù)據(jù)總監(jiān)，萬(wàn)達(dá)電商數(shù)據(jù)部總經(jīng)理，先后在中金、IBM、Teradata任大數(shù)據(jù)方重要職位，對(duì)大數(shù)據(jù)前沿研究做出卓越貢獻(xiàn)。同時(shí)郭先生參與多個(gè)技術(shù)社區(qū)工作，是國(guó)內(nèi)開(kāi)源社區(qū)領(lǐng)軍人物。
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相 內(nèi)容簡(jiǎn)介
數(shù)據(jù)分析的智慧其實(shí)就潛藏在我們的日常生活與職業(yè)生涯中，它無(wú)處不在。設(shè)想當(dāng)你 審視報(bào)告中的數(shù)字時(shí)，是否洞悉了那些數(shù)字背后隱藏的故事？它們的增長(zhǎng)或減少，又向我們透露了怎樣的信息？購(gòu)房選址的策略，購(gòu)車時(shí)機(jī)的選擇，這些看似尋常的決策，實(shí)則都能在數(shù)據(jù)的指引下變得更為明智。本書(shū)巧妙地從糾正基本的數(shù)據(jù)認(rèn)知誤區(qū)啟程，逐步深入至統(tǒng)計(jì)學(xué)的奧秘、人工智能的前沿，并巧妙融合數(shù)據(jù)敘事與思維工具的運(yùn)用，旨在將抽象的數(shù)據(jù)理論轉(zhuǎn)化為生活中觸手可及、工作中行之有效的智慧寶典，讓“冷冰冰”的數(shù)據(jù)知識(shí)躍然成為解決實(shí)際問(wèn)題的“金鑰匙”。 本書(shū)面向的讀者群廣泛，它適合具有數(shù)據(jù)分析需求的技術(shù)高管、首席數(shù)據(jù)官、數(shù)據(jù)分析師、產(chǎn)品經(jīng)理，以及軟件研發(fā)人員和運(yùn)營(yíng)人員閱讀，同時(shí)也適合作為高等院校相關(guān)課程 的參考書(shū)，可為學(xué)生提供一扇深入了解數(shù)據(jù)分析世界的窗，助力他們?cè)谖磥?lái)的職業(yè)道路上穩(wěn)健前行。
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相 目錄
目錄
第０章 數(shù)據(jù)思維 ——— 001
0.1｜數(shù)據(jù)洞察萬(wàn)物規(guī)律 ——— 002
0.2｜數(shù)據(jù)背后的規(guī)律是算法 ——— 003
0.3｜對(duì)數(shù)據(jù)*重要的是分析和表達(dá) ——— 004
小結(jié) ——— 005
思考 ——— 005
第１章 了解數(shù)據(jù)背后的真相 ——— 006
1.1｜平均值：不要被平均值騙了，它不能
代表整體水平 ——— 007
1.1.1 平均值在什么情況下才有價(jià)值 ——— 007
1.1.2 分組結(jié)論和整體平均值不是
一回事 ——— 009
1.1.3 辛普森悖論的啟示 ——— 010
小結(jié) ——— 012
思考 ——— 012
1.2｜大數(shù)定律與小數(shù)陷阱：生活是隨機(jī)的
還是有定數(shù)的 ——— 013
1.2.1 什么是大數(shù)定律 ——— 013
1.2.2 什么是小數(shù)陷阱 ——— 015
1.2.3 大數(shù)定律和小數(shù)陷阱給我們的
啟示 ——— 016
小結(jié) ——— 017
思考 ——— 018
1.3｜數(shù)據(jù)的期望值：為什么你坐的飛機(jī)總是
晚點(diǎn) ——— 018
1.3.1 墨菲的一個(gè)玩笑 ——— 018
1.3.2 背后的數(shù)學(xué)原理 ——— 019
1.3.3 解釋墨菲定律. ——— 020
1.3.4 如何規(guī)避墨菲定律 ——— 022
小結(jié) ——— 023
思考 ——— 023
1.4｜隨機(jī)對(duì)照試驗(yàn)：章魚(yú)保羅真的是
“預(yù)言帝”嗎 ——— 024
1.4.1 你認(rèn)為的隨機(jī)其實(shí)都是“偽隨機(jī)” ——— 024
1.4.2 隨機(jī)對(duì)照試驗(yàn)幫助你去偽存真 ——— 025
1.4.3 幸存者偏差并不是隨機(jī)對(duì)照試驗(yàn) ——— 027
小結(jié) ——— 029
思考 ——— 030
1.5｜指數(shù)和KPI：智商是怎么計(jì)算出來(lái)的 ——— 030
1.5.1 簡(jiǎn)單的指數(shù)：上證指數(shù) ——— 031
1.5.2 較復(fù)雜的指數(shù)：用戶忠誠(chéng)度指數(shù) ——— 032
1.5.3 復(fù)雜的指數(shù)：智商 ——— 033
小結(jié) ——— 036
思考 ——— 036
1.6｜因果陷阱：星座真的可以判定你的
性格嗎 ——— 037
1.6.1 因果倒置——雞叫導(dǎo)致天明 ——— 037
1.6.2 相關(guān)性而非因果關(guān)系——吸煙真的
致癌嗎 ——— 038
1.6.3 遺漏X變量——找到背后真實(shí)
原因 ——— 040
1.6.4 以偏概全——伯克森悖論 ——— 041
1.6.5 控制數(shù)據(jù)范圍——神槍手謬誤 ——— 042
1.6.6 時(shí)間長(zhǎng)度不足——替代終點(diǎn)問(wèn)題 ——— 043
小結(jié) ——— 043
思考 ——— 044
第２章 從數(shù)據(jù)中快速發(fā)現(xiàn)規(guī)律 ——— 045
2.1｜直方圖與冪律分布：為什么全世界1%的人
掌握著50%的財(cái)富 ——— 046
2.1.1 直方圖與柱狀圖 ——— 047
2.1.2 神奇的直方圖 ——— 048
2.1.3 冪律分布與帕累托法則 ——— 050
小結(jié) ——— 053
思考 ——— 053
2.2｜數(shù)據(jù)分布：房子應(yīng)該買(mǎi)貴的還是
買(mǎi)便宜的 ——— 054
2.2.1 正態(tài)分布 ——— 054
2.2.2 拉普拉斯分布 ——— 057
小結(jié) ——— 059
思考 ——— 060
2.3｜散點(diǎn)圖和相關(guān)性：如何從大量事實(shí)中
快速發(fā)現(xiàn)規(guī)律 ——— 060
2.3.1 散點(diǎn)圖的歷史 ——— 060
2.3.2 散點(diǎn)圖的制作原則 ——— 061
2.3.3 通過(guò)散點(diǎn)圖尋找規(guī)律 ——— 063
2.3.4 散點(diǎn)圖的易錯(cuò)點(diǎn) ——— 065
小結(jié) ——— 068
思考 ——— 069
2.4｜標(biāo)準(zhǔn)差：“靠不靠譜”其實(shí)看標(biāo)準(zhǔn)差 ——— 069
2.4.1 標(biāo)準(zhǔn)差 ——— 070
2.4.2 標(biāo)準(zhǔn)差的具體使用 ——— 071
2.4.3 標(biāo)準(zhǔn)誤差 ——— 073
2.4.4 標(biāo)準(zhǔn)誤差的具體使用 ——— 073
小結(jié) ——— 075
思考 ——— 076
2.5｜數(shù)據(jù)抽樣：大數(shù)據(jù)來(lái)了還需要抽樣嗎 ——— 076
2.5.1 小數(shù)據(jù)抽樣 ——— 076
2.5.2 大數(shù)據(jù)時(shí)代是否還要抽樣 ——— 079
2.5.3 大數(shù)據(jù)環(huán)境下的抽樣算法 ——— 080
小結(jié) ——— 082
思考 ——— 083
2.6｜卡方檢驗(yàn)和P值：不吃晚餐可不可以
減肥 ——— 083
2.6.1 什么是卡方檢驗(yàn) ——— 084
2.6.2 如何進(jìn)行卡方檢驗(yàn) ——— 084
2.6.3 *常見(jiàn)的卡方檢驗(yàn)套路 ——— 086
2.6.4 卡方檢驗(yàn)不適用的場(chǎng)景 ——— 088
小結(jié) ——— 089
2.7｜精確率與置信區(qū)間：兩種預(yù)測(cè)，究竟應(yīng)該相信
哪一個(gè) ——— 089
2.7.1 準(zhǔn)確率、精確率和召回率 ——— 090
2.7.2 置信區(qū)間 ——— 092
2.7.3 取舍的藝術(shù) ——— 093
小結(jié) ——— 094
思考 ——— 094
第３章 深入淺出大數(shù)據(jù)算法 ——— 095
3.1｜趨勢(shì)分析與回歸：怎樣才能培育出天才的
下一代 ——— 096
3.1.1 回歸的種類與使用 ——— 096
3.1.2 均值回歸 ——— 100
小結(jié) ——— 102
思考 ——— 103
3.2｜初識(shí)聚類算法：物以類聚，讓復(fù)雜事物
簡(jiǎn)單化 ——— 103
3.2.1 聚類問(wèn)題與場(chǎng)景 ——— 104
3.2.2 聚類算法初探 ——— 105
3.2.3 應(yīng)用場(chǎng)景的展望 ——— 107
小結(jié) ——— 109
思考 ——— 109
3.3｜初識(shí)分類算法：分而治之，不斷進(jìn)化 ——— 110
3.3.1 分類算法的定義與使用場(chǎng)景 ——— 110
3.3.2 分類算法初探 ——— 111
3.3.3 應(yīng)用場(chǎng)景的展望 ——— 114
小結(jié) ——— 116
思考 ——— 117
3.4｜關(guān)聯(lián)規(guī)則：為什么啤酒和尿布要放在
一起賣 ——— 117
3.4.1 關(guān)聯(lián)規(guī)則的定義和使用場(chǎng)景 ——— 117
3.4.2 關(guān)聯(lián)規(guī)則算法初探 ——— 118
3.4.3 應(yīng)用場(chǎng)景的展望 ——— 121
小結(jié) ——— 123
思考 ——— 124
3.5｜蒙特卡洛算法與拉斯維加斯算法：有限時(shí)間內(nèi)
如何獲得*優(yōu)解 ——— 124
3.5.1 算法定義和使用場(chǎng)景 ——— 124
3.5.2 蒙特卡洛算法與拉斯維加斯算法
舉例 ——— 126
3.5.3 應(yīng)用場(chǎng)景的展望 ——— 129
小結(jié) ——— 130
思考 ——— 131
3.6｜馬爾可夫鏈：你的未來(lái)只取決于你當(dāng)下
做了什么 ——— 131
3.6.1 算法定義與使用場(chǎng)景 ——— 131
3.6.2 馬爾可夫鏈舉例 ——— 132
3.6.3 應(yīng)用場(chǎng)景的展望 ——— 135
小結(jié) ——— 136
思考 ——— 137
3.7｜協(xié)同過(guò)濾：你看到的短視頻都是集體智慧的
結(jié)晶 ——— 137
3.7.1 算法定義與使用場(chǎng)景 ——— 137
3.7.2 協(xié)同過(guò)濾算法初探 ——— 139
3.7.3 協(xié)同過(guò)濾算法的應(yīng)用與缺陷 ——— 143
小結(jié) ——— 145
思考 ——— 146
3.8｜人工智能算法初探：阿爾法狗是怎樣的
一只“狗” ——— 146
3.8.1 人工智能算法歷史與深度學(xué)習(xí)
算法 ——— 146
3.8.2 CNN和RNN ——— 149
3.8.3 深度學(xué)習(xí)算法使用舉例——
AlphaGo ——— 151
3.8.4 深度學(xué)習(xí)算法*新案例與未來(lái) ——— 153
小結(jié) ——— 155
思考 ——— 155
第４章 有效地用數(shù)據(jù)說(shuō)話 ——— 156
4.1｜確定問(wèn)題：與利益無(wú)關(guān)的問(wèn)題都不值得做
數(shù)據(jù)分析 ——— 157
4.1.1 如何確保數(shù)據(jù)分析有價(jià)值 ——— 157
4.1.2 具體場(chǎng)景 ——— 160
小結(jié) ——— 163
思考 ——— 164
4.2｜采集數(shù)據(jù)：用好一手?jǐn)?shù)據(jù)和二手?jǐn)?shù)據(jù) ——— 164
4.2.1 一手?jǐn)?shù)據(jù)和二手?jǐn)?shù)據(jù) ——— 164
4.2.2 數(shù)據(jù)探索 ——— 166
4.2.3 具體示例 ——— 168
小結(jié) ——— 171
思考 ——— 171
4.3｜寫(xiě)好故事線：你能利用數(shù)字推翻眾人的
理解嗎 ——— 172
4.3.1 回顧之前的發(fā)現(xiàn) ——— 172
4.3.2 設(shè)計(jì)故事線 ——— 174
4.3.3 一圖解千愁 ——— 177
小結(jié) ——— 178
思考 ——— 179
4.4｜實(shí)踐你的理論：數(shù)據(jù)驅(qū)動(dòng)*終就是用結(jié)果
說(shuō)話 ——— 179
4.4.1 何為精益的方法 ——— 180
4.4.2 創(chuàng)新擴(kuò)散模型 ——— 180
4.4.3 實(shí)戰(zhàn)練習(xí) ——— 183
小結(jié) ——— 185
思考 ——— 186
4.5｜數(shù)據(jù)分析：15種數(shù)據(jù)思維圖（上） ——— 186
4.5.1 VRIO分析 ——— 186
4.5.2 五力分析 ——— 188
4.5.3 SWOT分析 ——— 189
4.5.4 同理心地圖 ——— 190
4.5.5 4P競(jìng)爭(zhēng)分析 ——— 191
4.5.6 奧斯本檢驗(yàn)表 ——— 192
4.5.7 SUCCESs ——— 193
4.5.8 產(chǎn)品組合矩陣 ——— 194
小結(jié) ——— 195
思考 ——— 196
4.6｜數(shù)據(jù)分析：15種數(shù)據(jù)思維圖（下） ——— 196
4.6.1 商業(yè)模式畫(huà)布 ——— 196
4.6.2 AIDMA ——— 197
4.6.3 AARRR ——— 198
4.6.4 SMART ——— 199
4.6.5 PDCA ——— 200
4.6.6 RACI ——— 201
4.6.7 Will, Can, Must ——— 202
小結(jié) ——— 203
思考 ——— 203
第５章 如何利用大模型進(jìn)行數(shù)據(jù)分析 ——— 204
5.1｜大模型的威力 ——— 205
5.1.1 什么是大模型 ——— 205
5.1.2 大模型能幫我們做什么 ——— 206
小結(jié) ——— 212
思考 ——— 212
5.2｜使用大模型做數(shù)據(jù)分析 ——— 212
5.2.1 如何讓大模型的回答更專業(yè)和
有效 ——— 212
5.2.2 如何使用大模型探查分析數(shù)據(jù) ——— 215
小結(jié) ——— 228
思考 ——— 228
5.3｜利用大模型生成專業(yè)的數(shù)據(jù)分析報(bào)告 ——— 228
5.3.1 確定問(wèn)題 ——— 229
5.3.2 輔助數(shù)據(jù)探索 ——— 234
5.3.3 輔助總結(jié)討論 ——— 235
小結(jié) ——— 239
思考 ——— 239
5.4｜數(shù)據(jù)分析工具展望 ——— 240
5.4.1 數(shù)據(jù)存儲(chǔ)與分析引擎——
ClickHouse ——— 240
5.4.2 數(shù)據(jù)同步工具——
Apache SeaTunnel ——— 243
5.4.3 數(shù)據(jù)處理與調(diào)度平臺(tái)——
Apache DolphinScheduler ——— 244
5.4.4 數(shù)據(jù)展示工具——
Apache.ECharts ——— 246
小結(jié) ——— 247
思考 ——— 248
附錄Ａ A B測(cè)試需要多少個(gè)樣本才有效果 ——— 249
附錄Ｂ 哈勃定律 ——— 251
附錄C 標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤差公式 ——— 252
附錄Ｄ 蓄水池算法明細(xì) ——— 253
附錄Ｅ 置信區(qū)間的計(jì)算過(guò)程 ——— 254
附錄Ｆ 用多邊形推導(dǎo)圓周率 ——— 255
附錄Ｇ 文科生也可以看懂的AlphaGo算法 ——— 256
附錄Ｈ 數(shù)據(jù)分析行業(yè)個(gè)人職業(yè)發(fā)展方向 ——— 261
附錄Ｉ 常用的一些網(wǎng)站和信息渠道 ——— 262
后記 ——— 264
第０章 數(shù)據(jù)思維 ——— 001
0.1｜數(shù)據(jù)洞察萬(wàn)物規(guī)律 ——— 002
0.2｜數(shù)據(jù)背后的規(guī)律是算法 ——— 003
0.3｜對(duì)數(shù)據(jù)*重要的是分析和表達(dá) ——— 004
小結(jié) ——— 005
思考 ——— 005
第１章 了解數(shù)據(jù)背后的真相 ——— 006
1.1｜平均值：不要被平均值騙了，它不能
代表整體水平 ——— 007
1.1.1 平均值在什么情況下才有價(jià)值 ——— 007
1.1.2 分組結(jié)論和整體平均值不是
一回事 ——— 009
1.1.3 辛普森悖論的啟示 ——— 010
小結(jié) ——— 012
思考 ——— 012
1.2｜大數(shù)定律與小數(shù)陷阱：生活是隨機(jī)的
還是有定數(shù)的 ——— 013
1.2.1 什么是大數(shù)定律 ——— 013
1.2.2 什么是小數(shù)陷阱 ——— 015
1.2.3 大數(shù)定律和小數(shù)陷阱給我們的
啟示 ——— 016
小結(jié) ——— 017
思考 ——— 018
1.3｜數(shù)據(jù)的期望值：為什么你坐的飛機(jī)總是
晚點(diǎn) ——— 018
1.3.1 墨菲的一個(gè)玩笑 ——— 018
1.3.2 背后的數(shù)學(xué)原理 ——— 019
1.3.3 解釋墨菲定律. ——— 020
1.3.4 如何規(guī)避墨菲定律 ——— 022
小結(jié) ——— 023
思考 ——— 023
1.4｜隨機(jī)對(duì)照試驗(yàn)：章魚(yú)保羅真的是
“預(yù)言帝”嗎 ——— 024
1.4.1 你認(rèn)為的隨機(jī)其實(shí)都是“偽隨機(jī)” ——— 024
1.4.2 隨機(jī)對(duì)照試驗(yàn)幫助你去偽存真 ——— 025
1.4.3 幸存者偏差并不是隨機(jī)對(duì)照試驗(yàn) ——— 027
小結(jié) ——— 029
思考 ——— 030
1.5｜指數(shù)和KPI：智商是怎么計(jì)算出來(lái)的 ——— 030
1.5.1 簡(jiǎn)單的指數(shù)：上證指數(shù) ——— 031
1.5.2 較復(fù)雜的指數(shù)：用戶忠誠(chéng)度指數(shù) ——— 032
1.5.3 復(fù)雜的指數(shù)：智商 ——— 033
小結(jié) ——— 036
思考 ——— 036
1.6｜因果陷阱：星座真的可以判定你的
性格嗎 ——— 037
1.6.1 因果倒置——雞叫導(dǎo)致天明 ——— 037
1.6.2 相關(guān)性而非因果關(guān)系——吸煙真的
致癌嗎 ——— 038
1.6.3 遺漏X變量——找到背后真實(shí)
原因 ——— 040
1.6.4 以偏概全——伯克森悖論 ——— 041
1.6.5 控制數(shù)據(jù)范圍——神槍手謬誤 ——— 042
1.6.6 時(shí)間長(zhǎng)度不足——替代終點(diǎn)問(wèn)題 ——— 043
小結(jié) ——— 043
思考 ——— 044
第２章 從數(shù)據(jù)中快速發(fā)現(xiàn)規(guī)律 ——— 045
2.1｜直方圖與冪律分布：為什么全世界1%的人
掌握著50%的財(cái)富 ——— 046
2.1.1 直方圖與柱狀圖 ——— 047
2.1.2 神奇的直方圖 ——— 048
2.1.3 冪律分布與帕累托法則 ——— 050
小結(jié) ——— 053
思考 ——— 053
2.2｜數(shù)據(jù)分布：房子應(yīng)該買(mǎi)貴的還是
買(mǎi)便宜的 ——— 054
2.2.1 正態(tài)分布 ——— 054
2.2.2 拉普拉斯分布 ——— 057
小結(jié) ——— 059
思考 ——— 060
2.3｜散點(diǎn)圖和相關(guān)性：如何從大量事實(shí)中
快速發(fā)現(xiàn)規(guī)律 ——— 060
2.3.1 散點(diǎn)圖的歷史 ——— 060
2.3.2 散點(diǎn)圖的制作原則 ——— 061
2.3.3 通過(guò)散點(diǎn)圖尋找規(guī)律 ——— 063
2.3.4 散點(diǎn)圖的易錯(cuò)點(diǎn) ——— 065
小結(jié) ——— 068
思考 ——— 069
2.4｜標(biāo)準(zhǔn)差：“靠不靠譜”其實(shí)看標(biāo)準(zhǔn)差 ——— 069
2.4.1 標(biāo)準(zhǔn)差 ——— 070
2.4.2 標(biāo)準(zhǔn)差的具體使用 ——— 071
2.4.3 標(biāo)準(zhǔn)誤差 ——— 073
2.4.4 標(biāo)準(zhǔn)誤差的具體使用 ——— 073
小結(jié) ——— 075
思考 ——— 076
2.5｜數(shù)據(jù)抽樣：大數(shù)據(jù)來(lái)了還需要抽樣嗎 ——— 076
2.5.1 小數(shù)據(jù)抽樣 ——— 076
2.5.2 大數(shù)據(jù)時(shí)代是否還要抽樣 ——— 079
2.5.3 大數(shù)據(jù)環(huán)境下的抽樣算法 ——— 080
小結(jié) ——— 082
思考 ——— 083
2.6｜卡方檢驗(yàn)和P值：不吃晚餐可不可以
減肥 ——— 083
2.6.1 什么是卡方檢驗(yàn) ——— 084
2.6.2 如何進(jìn)行卡方檢驗(yàn) ——— 084
2.6.3 *常見(jiàn)的卡方檢驗(yàn)套路 ——— 086
2.6.4 卡方檢驗(yàn)不適用的場(chǎng)景 ——— 088
小結(jié) ——— 089
2.7｜精確率與置信區(qū)間：兩種預(yù)測(cè)，究竟應(yīng)該相信
哪一個(gè) ——— 089
2.7.1 準(zhǔn)確率、精確率和召回率 ——— 090
2.7.2 置信區(qū)間 ——— 092
2.7.3 取舍的藝術(shù) ——— 093
小結(jié) ——— 094
思考 ——— 094
第３章 深入淺出大數(shù)據(jù)算法 ——— 095
3.1｜趨勢(shì)分析與回歸：怎樣才能培育出天才的
下一代 ——— 096
3.1.1 回歸的種類與使用 ——— 096
3.1.2 均值回歸 ——— 100
小結(jié) ——— 102
思考 ——— 103
3.2｜初識(shí)聚類算法：物以類聚，讓復(fù)雜事物
簡(jiǎn)單化 ——— 103
3.2.1 聚類問(wèn)題與場(chǎng)景 ——— 104
3.2.2 聚類算法初探 ——— 105
3.2.3 應(yīng)用場(chǎng)景的展望 ——— 107
小結(jié) ——— 109
思考 ——— 109
3.3｜初識(shí)分類算法：分而治之，不斷進(jìn)化 ——— 110
3.3.1 分類算法的定義與使用場(chǎng)景 ——— 110
3.3.2 分類算法初探 ——— 111
3.3.3 應(yīng)用場(chǎng)景的展望 ——— 114
小結(jié) ——— 116
思考 ——— 117
3.4｜關(guān)聯(lián)規(guī)則：為什么啤酒和尿布要放在
一起賣 ——— 117
3.4.1 關(guān)聯(lián)規(guī)則的定義和使用場(chǎng)景 ——— 117
3.4.2 關(guān)聯(lián)規(guī)則算法初探 ——— 118
3.4.3 應(yīng)用場(chǎng)景的展望 ——— 121
小結(jié) ——— 123
思考 ——— 124
3.5｜蒙特卡洛算法與拉斯維加斯算法：有限時(shí)間內(nèi)
如何獲得*優(yōu)解 ——— 124
3.5.1 算法定義和使用場(chǎng)景 ——— 124
3.5.2 蒙特卡洛算法與拉斯維加斯算法
舉例 ——— 126
3.5.3 應(yīng)用場(chǎng)景的展望 ——— 129
小結(jié) ——— 130
思考 ——— 131
3.6｜馬爾可夫鏈：你的未來(lái)只取決于你當(dāng)下
做了什么 ——— 131
3.6.1 算法定義與使用場(chǎng)景 ——— 131
3.6.2 馬爾可夫鏈舉例 ——— 132
3.6.3 應(yīng)用場(chǎng)景的展望 ——— 135
小結(jié) ——— 136
思考 ——— 137
3.7｜協(xié)同過(guò)濾：你看到的短視頻都是集體智慧的
結(jié)晶 ——— 137
3.7.1 算法定義與使用場(chǎng)景 ——— 137
3.7.2 協(xié)同過(guò)濾算法初探 ——— 139
3.7.3 協(xié)同過(guò)濾算法的應(yīng)用與缺陷 ——— 143
小結(jié) ——— 145
思考 ——— 146
3.8｜人工智能算法初探：阿爾法狗是怎樣的
一只“狗” ——— 146
3.8.1 人工智能算法歷史與深度學(xué)習(xí)
算法 ——— 146
3.8.2 CNN和RNN ——— 149
3.8.3 深度學(xué)習(xí)算法使用舉例——
AlphaGo ——— 151
3.8.4 深度學(xué)習(xí)算法*新案例與未來(lái) ——— 153
小結(jié) ——— 155
思考 ——— 155
第４章 有效地用數(shù)據(jù)說(shuō)話 ——— 156
4.1｜確定問(wèn)題：與利益無(wú)關(guān)的問(wèn)題都不值得做
數(shù)據(jù)分析 ——— 157
4.1.1 如何確保數(shù)據(jù)分析有價(jià)值 ——— 157
4.1.2 具體場(chǎng)景 ——— 160
小結(jié) ——— 163
思考 ——— 164
4.2｜采集數(shù)據(jù)：用好一手?jǐn)?shù)據(jù)和二手?jǐn)?shù)據(jù) ——— 164
4.2.1 一手?jǐn)?shù)據(jù)和二手?jǐn)?shù)據(jù) ——— 164
4.2.2 數(shù)據(jù)探索 ——— 166
4.2.3 具體示例 ——— 168
小結(jié) ——— 171
思考 ——— 171
4.3｜寫(xiě)好故事線：你能利用數(shù)字推翻眾人的
理解嗎 ——— 172
4.3.1 回顧之前的發(fā)現(xiàn) ——— 172
4.3.2 設(shè)計(jì)故事線 ——— 174
4.3.3 一圖解千愁 ——— 177
小結(jié) ——— 178
思考 ——— 179
4.4｜實(shí)踐你的理論：數(shù)據(jù)驅(qū)動(dòng)*終就是用結(jié)果
說(shuō)話 ——— 179
4.4.1 何為精益的方法 ——— 180
4.4.2 創(chuàng)新擴(kuò)散模型 ——— 180
4.4.3 實(shí)戰(zhàn)練習(xí) ——— 183
小結(jié) ——— 185
思考 ——— 186
4.5｜數(shù)據(jù)分析：15種數(shù)據(jù)思維圖（上） ——— 186
4.5.1 VRIO分析 ——— 186
4.5.2 五力分析 ——— 188
4.5.3 SWOT分析 ——— 189
4.5.4 同理心地圖 ——— 190
4.5.5 4P競(jìng)爭(zhēng)分析 ——— 191
4.5.6 奧斯本檢驗(yàn)表 ——— 192
4.5.7 SUCCESs ——— 193
4.5.8 產(chǎn)品組合矩陣 ——— 194
小結(jié) ——— 195
思考 ——— 196
4.6｜數(shù)據(jù)分析：15種數(shù)據(jù)思維圖（下） ——— 196
4.6.1 商業(yè)模式畫(huà)布 ——— 196
4.6.2 AIDMA ——— 197
4.6.3 AARRR ——— 198
4.6.4 SMART ——— 199
4.6.5 PDCA ——— 200
4.6.6 RACI ——— 201
4.6.7 Will, Can, Must ——— 202
小結(jié) ——— 203
思考 ——— 203
第５章 如何利用大模型進(jìn)行數(shù)據(jù)分析 ——— 204
5.1｜大模型的威力 ——— 205
5.1.1 什么是大模型 ——— 205
5.1.2 大模型能幫我們做什么 ——— 206
小結(jié) ——— 212
思考 ——— 212
5.2｜使用大模型做數(shù)據(jù)分析 ——— 212
5.2.1 如何讓大模型的回答更專業(yè)和
有效 ——— 212
5.2.2 如何使用大模型探查分析數(shù)據(jù) ——— 215
小結(jié) ——— 228
思考 ——— 228
5.3｜利用大模型生成專業(yè)的數(shù)據(jù)分析報(bào)告 ——— 228
5.3.1 確定問(wèn)題 ——— 229
5.3.2 輔助數(shù)據(jù)探索 ——— 234
5.3.3 輔助總結(jié)討論 ——— 235
小結(jié) ——— 239
思考 ——— 239
5.4｜數(shù)據(jù)分析工具展望 ——— 240
5.4.1 數(shù)據(jù)存儲(chǔ)與分析引擎——
ClickHouse ——— 240
5.4.2 數(shù)據(jù)同步工具——
Apache SeaTunnel ——— 243
5.4.3 數(shù)據(jù)處理與調(diào)度平臺(tái)——
Apache DolphinScheduler ——— 244
5.4.4 數(shù)據(jù)展示工具——
Apache.ECharts ——— 246
小結(jié) ——— 247
思考 ——— 248
附錄Ａ A B測(cè)試需要多少個(gè)樣本才有效果 ——— 249
附錄Ｂ 哈勃定律 ——— 251
附錄C 標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤差公式 ——— 252
附錄Ｄ 蓄水池算法明細(xì) ——— 253
附錄Ｅ 置信區(qū)間的計(jì)算過(guò)程 ——— 254
附錄Ｆ 用多邊形推導(dǎo)圓周率 ——— 255
附錄Ｇ 文科生也可以看懂的AlphaGo算法 ——— 256
附錄Ｈ 數(shù)據(jù)分析行業(yè)個(gè)人職業(yè)發(fā)展方向 ——— 261
附錄Ｉ 常用的一些網(wǎng)站和信息渠道 ——— 262
后記 ——— 264
展開(kāi)全部
數(shù)據(jù)分析思維通識(shí)課 帶你看透數(shù)據(jù)真相 作者簡(jiǎn)介
郭煒，畢業(yè)于北京大學(xué)，白鯨開(kāi)源CEO，Apache軟件基金會(huì)成員，曾擔(dān)任IBM和Teradata資深數(shù)據(jù)架構(gòu)師、聯(lián)想研究院大數(shù)據(jù)總監(jiān)、萬(wàn)達(dá)電商數(shù)據(jù)部總經(jīng)理、易觀CTO。他堅(jiān)信“數(shù)據(jù)是有靈魂的”，并以此為座右銘，投身大數(shù)據(jù)、算法、大模型、數(shù)據(jù)分析行業(yè)20余年。他是DataOps數(shù)據(jù)分析領(lǐng)域?qū)＜遥苿?dòng)了ClickHouse、Apache DolphinScheduler、Apache SeaTunnel等大數(shù)據(jù)開(kāi)源項(xiàng)目在中國(guó)的發(fā)展，連續(xù)多年擔(dān)任ApacheCon Asia DataOps論壇主席，頻繁亮相國(guó)際數(shù)據(jù)技術(shù)峰會(huì)。他榮獲2024中國(guó)互聯(lián)網(wǎng)發(fā)展創(chuàng)新與投資大賽一等獎(jiǎng)、2023大數(shù)據(jù)產(chǎn)業(yè)年度趨勢(shì)人物獎(jiǎng)、虎嘯中國(guó)數(shù)字營(yíng)銷十年杰出數(shù)字技術(shù)人物獎(jiǎng)、2021中國(guó)開(kāi)源優(yōu)秀人物等獎(jiǎng)項(xiàng)，為中國(guó)數(shù)據(jù)領(lǐng)域的發(fā)展做出了卓越貢獻(xiàn)。
書(shū)友推薦
- >
苦雨齋序跋文-周作人自編集
- >
莉莉和章魚(yú)
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
唐代進(jìn)士錄
- >
月亮虎
- >
山海經(jīng)
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
本類暢銷
