本书引导读者从数据科学基本概念出发，全面了解数据科学相关知识，掌握数据科学中数据处理的流程和方法。本书在理论上突出可读性和完整性，力求兼具一定的广度和深度；在实践上强调对常用技术工具的操作性，力求体现数据科学应用的多样性和代表性。全书共12章，可分为三大部分：第1、2章是数据科学概述部分；第3～6章是数据科学理论基础和重点工具部分；第7～12章是数据科学全流程的技术与方法部分（包括数据采集、数据存储与管理、数据可视化、数据分析、数据安全与伦理，以及数据科学的应用与案例）。登录华信教育资源网（www.hxedu.com.cn）可下载本书涉及的案例与示例的全部代码和数据集，以及各章PPT和教学大纲等资料。本书可作为高等院校数据科学相关专业的教学用书，也可作为数据科学相关研究从业人员的参考用书。

薛薇，博士，中国人民大学应用统计研究中心专职研究员，中国人民大学统计学院副教授。主要开设课程：机器学习，计量经济学，统计软件，统计学。研究方向：机器学习与深度学习算法研究。基于顾客消费行为大数据的客户终身价值统计建模，以及营销与品牌大数据的机器学习算法应用。

第1章 数据与信息概述
1.1 数据的概念、特征和作用
1.1.1 数据的概念
1.1.2 数据的特征
1.1.3 数据的作用
1.2 数据的尺度与类型
1.2.1 定性数据和定量数据
1.2.2 离散数据和连续数据
1.2.3 结构化数据和非结构化数据
1.3 数据的表格化
1.3.1 个体数据的表格化
1.3.2 批量汇总数据的表格化
1.3.3 统计指标
1.4 数据的数字化
1.4.1 二进制与数字化
1.4.2 文本的数字化
1.4.3 数字的数字化
1.4.4 多媒体的数字化
1.4.5 数字化转型与数字化经济
1.5 信息与信息熵
1.5.1 信息熵：不确定性的度量
1.5.2 信息增益：不确定性减少的度量
第2章 数据科学概述
2.1 数据科学的科学观
2.1.1 从科学高度看数据科学
2.1.2 通过案例初识数据科学
2.2 数据科学概念
2.2.1 数据科学产生的重大技术背景
2.2.2 数据科学产生的典型应用背景
2.2.3 数据科学的定义
2.3 历史观察：探讨数据科学的发展历程
2.3.1 古代：从结绳记事到阿拉伯数字
2.3.2 古典：政治算术和国势学
2.3.3 近代：随机现象、概率论与数理统计
2.3.4 现代：抽样与推断统计
2.3.5 计算机时代：技术革命带来的繁荣
2.3.6 大数据时代：奠定数据科学基础
2.4 数据世界：探讨数据科学的对象
2.4.1 数据世界和数据科学
2.4.2 数据世界和数字孪生
2.5 DIKW模型：探讨数据科学中的若干基本概念
2.5.1 DIKW模型
2.5.2 从DIKW模型看数据科学
2.6 维恩图：探讨数据科学的学科交叉性
2.6.1 文献中的数据科学维恩图
2.6.2 数据科学学科交叉性的总结
2.7 从数据到模型：探讨数据科学的一般方法
2.7.1 反问题的方法
2.7.2 数据驱动的方法
2.7.3 模型化的方法
2.8 数据处理流程：探讨数据科学方法论
2.8.1 传统理念下的数据处理方法论
2.8.2 计算机时代的数据处理方法论
2.8.3 大数据时代的数据处理方法论
2.9 三维视角：总览数据科学
2.9.1 从三维视角看数据科学
2.9.2 理论方法维度
2.9.3 处理流程维度
2.9.4 应用领域维度
第3章 数据科学中的计算机基础
3.1 计算机系统概述
3.1.1 计算机的发展
3.1.2 计算机的种类
……
第4章 数据科学中的数学与统计学基础
第5章 数据科学中的SQL基础
第6章 数据科学中的Python基础
第7章 数据采集
第8章 数据存储与管理
第9章 数据可视化
第10章 数据分析
第11章 数据安全与伦理
第12章 数据科学的应用与案例
附录A MySQL函数列表