密歇根大學 應用數(shù)據(jù)科學碩士(密歇根大學應用統(tǒng)計)
密歇根大學應用數(shù)據(jù)科學碩士學位專業(yè)介紹
向美國排名第一的公立研究型大學學習，加入下一代數(shù)據(jù)科學家的行列。
密歇根大學信息學院的應用數(shù)據(jù)科學碩士學位(MADS)旨在幫助有抱負的數(shù)據(jù)科學家通過實踐項目學習和應用技能。您將學習如何使用數(shù)據(jù)來改進結(jié)果并實現(xiàn)雄心勃勃的目標。
申請密歇根大學信息學院應用數(shù)據(jù)科學碩士學位（MADS）學位的學生將有機會開始學習以下數(shù)據(jù)科學課程：
應用數(shù)據(jù)科學導論
本課程探討數(shù)據(jù)科學家應用于數(shù)據(jù)科學四個階段項目的專業(yè)知識、觀點和道德承諾：問題制定、數(shù)據(jù)采集、建模和分析以及結(jié)果呈現(xiàn)。通過這個過程，學生將定義他們希望如何發(fā)展數(shù)據(jù)科學職業(yè)的愿景。
數(shù)據(jù)處理
數(shù)據(jù)操作展示了使用流行的PythonPandas數(shù)據(jù)科學庫的操作和清理技術。在本課程結(jié)束時，學生將掌握獲取表格數(shù)據(jù)、清理數(shù)據(jù)、操作數(shù)據(jù)和運行基本推論統(tǒng)計分析所需的技能。
數(shù)據(jù)科學的數(shù)學方法
數(shù)學方法將回顧并建立數(shù)據(jù)科學家工具包所需的基本數(shù)學概念。學生將學習和應用線性代數(shù)（例如矩陣和向量）、基本優(yōu)化技術（例如梯度下降）和統(tǒng)計學（例如貝葉斯規(guī)則）中的概念。
信息可視化
信息可視化我將重點討論可視化在理解一維和多維數(shù)據(jù)中的作用。它涵蓋感知、認知以及優(yōu)秀的設計如何增強可視化。本課程還介紹了用于可視化構(gòu)建的API。
實驗設計與分析
實驗設計和分析介紹了實驗室和現(xiàn)場實驗的技術。學生將討論實驗的邏輯以及使用實驗來研究社會和技術現(xiàn)象的方式。學生還將學習設計實驗和分析實驗數(shù)據(jù)的方法。
數(shù)據(jù)的可視化探索
數(shù)據(jù)的可視化探索使學生能夠使用matplotlib庫識別數(shù)據(jù)中的聚合模式，并了解與探索和表示數(shù)據(jù)相關的挑戰(zhàn)。學生還將提高對各種統(tǒng)計方法應用的理解。
數(shù)據(jù)挖掘一
數(shù)據(jù)挖掘I介紹數(shù)據(jù)挖掘的基本概念。本課程介紹如何將現(xiàn)實世界的信息表示為基本數(shù)據(jù)類型（項集、矩陣和序列），以促進下游分析任務。學生將學習如何通過模式提取和相似性度量來表征每種類型的數(shù)據(jù)。
密歇根大學應用數(shù)據(jù)科學碩士學位專業(yè)課程的參考學習書籍介紹
《應用數(shù)據(jù)科學研討會-第二版：開始應用數(shù)據(jù)科學和技術有效地探索和評估數(shù)據(jù)(TheAppliedDataScienceWorkshop-SecondEdition:Getstartedwiththeapplicationsofdatascienceandtechniquestoexploreandassessdataeffectively)》
《應用數(shù)據(jù)科學研討會-第二版：開始應用數(shù)據(jù)科學和技術有效地探索和評估數(shù)據(jù)》
本研討會專為初學者設計，將幫助您利用Python庫和JupyterNotebooks的強大功能，并學習如何應用數(shù)據(jù)科學來解決現(xiàn)實世界的數(shù)據(jù)問題。
本書的主要特點
獲得有關數(shù)據(jù)科學和機器學習的有用見解探索JupyterNotebook的不同功能和特性了解如何將Python庫與Jupyter結(jié)合使用進行數(shù)據(jù)分析書籍簡介
從銀行和制造到教育和娛樂，將數(shù)據(jù)科學用于商業(yè)徹底改變了現(xiàn)代世界的幾乎每個領域。它在從應用程序開發(fā)到網(wǎng)絡安全的各個方面都發(fā)揮著重要作用。
本書采用交互式方法來學習基礎知識，非常適合初學者。您將學習在現(xiàn)實場景和示例環(huán)境中應用數(shù)據(jù)科學的所有最佳實踐和技術。
從數(shù)據(jù)科學和機器學習簡介開始，您將首先掌握Jupyter的功能和特性。您將使用sci-kitlearn、pandas、Matplotlib和Seaborn等Python庫在自己的Jupyter環(huán)境中對真實數(shù)據(jù)集執(zhí)行數(shù)據(jù)分析和數(shù)據(jù)預處理。在本章中，您將使用sci-kitlearn來訓練分類模型并使用高級驗證技術評估模型性能。最后，您將使用JupyterNotebooks記錄您的研究、構(gòu)建利益相關者報告，甚至分析Web性能數(shù)據(jù)。
在應用數(shù)據(jù)科學研討會結(jié)束時，您將準備好從初學者進步到通過自信地將數(shù)據(jù)科學技術和工具應用于實際項目，將您的技能提升到一個新的水平。
本書你將學到什么
了解數(shù)據(jù)科學中的關鍵機遇和挑戰(zhàn)使用Jupyter執(zhí)行數(shù)據(jù)分析和建模等數(shù)據(jù)科學任務在Jupyter筆記本中運行探索性數(shù)據(jù)分析使用成對散點圖和分段分布可視化數(shù)據(jù)使用高級驗證技術進行評估模型性能解析HTML響應和分析HTTP請求這本書是為誰寫的
如果您是一位有抱負的數(shù)據(jù)科學家，希望在數(shù)據(jù)科學領域建立職業(yè)生涯，或者是一位想要從頭開始探索數(shù)據(jù)科學應用程序并使用Python庫分析Jupyter數(shù)據(jù)的開發(fā)人員，那么這本書適合您。雖然建議您簡要了解Python編程和機器學習，以幫助您更快地掌握本書所涵蓋的主題，但這不是強制性的。
《產(chǎn)品分析：應用數(shù)據(jù)科學技術提供切實可行的消費者洞察（ProductAnalytics:AppliedDataScienceTechniquesforActionableConsumerInsights）》
《產(chǎn)品分析：應用數(shù)據(jù)科學技術提供切實可行的消費者洞察》
本指南解釋了如何將數(shù)據(jù)科學與社會科學相結(jié)合，以獲得對客戶行為的前所未有的洞察，以便您可以改變它。JoanneRodrigues-Craig彌合了預測數(shù)據(jù)科學和統(tǒng)計技術之間的差距，揭示了重要事情發(fā)生的原因-為什么客戶購買更多商品，或者為什么他們立即離開您的網(wǎng)站-這樣您就可以獲得更多您想要的東西。行為，而不是你不想要的行為。憑借豐富的企業(yè)經(jīng)驗以及對人口統(tǒng)計學和社會學的深刻理解，羅德里格斯-克雷格展示了如何創(chuàng)建更好的理論和指標，以便您可以加速洞察、改變行為并賺取業(yè)務價值的過程。在本書中，您將學習如何：
開發(fā)復雜的、可測試的理論來理解網(wǎng)絡產(chǎn)品中的個人和社會行為像社會科學家一樣思考，并將個人行為置于當今社會環(huán)境中為任何網(wǎng)絡產(chǎn)品或系統(tǒng)KPI構(gòu)建更有效的指標和指標進行信息更豐富、可操作的A/B測試探索因果效應，反映對相關性和因果關系之間差異的更深入理解改變復雜網(wǎng)絡產(chǎn)品中的用戶行為了解相關人類行為如何發(fā)展和變化他們的先決條件是為常見任務（例如多狀態(tài)和提升建模）選擇正確的統(tǒng)計技術使用高級統(tǒng)計技術對多維系統(tǒng)進行建模，在R中完成所有這些操作（示例代碼在單獨的代碼手冊中提供）《實用R4：將R應用于數(shù)據(jù)處理、處理和集成（PracticalR4:ApplyingRtoDataManipulation,ProcessingandIntegration）》
《實用R4：將R應用于數(shù)據(jù)處理、處理和集成》
開始快速介紹R生態(tài)系統(tǒng)、編程語言和工具，包括R腳本和RStudio。本書使用許多示例和項目來教您如何將數(shù)據(jù)導入到R中以及如何使用R來處理這些數(shù)據(jù)。一旦您掌握了基礎知識，實用R4的其余部分就會深入研究特定的項目和示例，從使用R和LimeSurvey運行和分析調(diào)查開始。接下來，您將使用R和MouselabWeb執(zhí)行高級統(tǒng)計分析。然后，您將了解R在沒有統(tǒng)計數(shù)據(jù)的情況下如何為您工作，包括如何使用R來自動執(zhí)行數(shù)據(jù)格式化、操作、報告和自定義函數(shù)。
本書的最后部分討論了在服務器上使用R；您將使用R生成一個腳本，該腳本可以運行RStudio服務器并監(jiān)視報告源的更改，以便在發(fā)生更改時提醒用戶。該項目包括定期電子郵件警報和推送通知。最后，您將使用R創(chuàng)建最重要信息（例如天氣預報、每日日歷、待辦事項列表等）的自定義每日摘要報告。這演示了如何自動化此過程，以便每天早上用戶導航到同一網(wǎng)頁并獲取更新的報告。
你將學到什么
設置和運行R腳本，包括在新計算機上安裝以及下載和配置R。將任何計算機變成強大的數(shù)據(jù)分析平臺，可通過RStudioServer從任何地方進行訪問。編寫基本的R腳本并修改現(xiàn)有腳本以滿足您自己的需求。您需要在R中創(chuàng)建基本的HTML報告，根據(jù)需要插入信息，生成基本的R包并分發(fā)它本書的讀者對象：建議您事先接觸過統(tǒng)計、編程和SAS，但不是必需的。
《使用數(shù)學和Python進行機器學習的內(nèi)核方法：構(gòu)建邏輯的100個練習(KernelMethodsforMachineLearningwithMathandPython:100ExercisesforBuildingLogic)》
《使用數(shù)學和Python進行機器學習的內(nèi)核方法：構(gòu)建邏輯的100個練習》
機器學習和數(shù)據(jù)科學最關鍵的能力是掌握其本質(zhì)的數(shù)學邏輯，而不是依賴知識或經(jīng)驗。這本教科書通過考慮相關數(shù)學問題和構(gòu)建Python程序來闡述機器學習核方法的基礎知識。
本書的主要特點如下：
內(nèi)容以易于理解且獨立的風格編寫。本書包含100道習題，都是經(jīng)過精心挑選和改進的。由于文中提供了他們的答案，讀者可以通過閱讀本書來解決所有習題。它證明了內(nèi)核的數(shù)學前提，并提供了正確的結(jié)論，幫助讀者理解內(nèi)核的本質(zhì)。提供源程序和運行示例以幫助讀者更深入地了解所使用的數(shù)學。一旦讀者對第2章中涵蓋的泛函分析主題有了基本的了解，這些應用程序?qū)⒃诤罄m(xù)章節(jié)中討論。這里，不假設任何數(shù)學知識。本書考慮了再現(xiàn)核希爾伯特空間（RKHS）的核和高斯過程的核；兩者之間有明顯的區(qū)別?！度藱C界面和信息管理：交互、可視化和分析(HumanInterfaceandtheManagementofInformation.Interaction,Visualization,andAnalytics)》
《人機界面和信息管理：交互、可視化和分析》
這本兩卷本的LNCS10904和10905構(gòu)成了2018年7月在美國內(nèi)華達州拉斯維加斯舉行的第20屆國際人機界面和信息管理會議(HIMI2018)的參考論文集。是HCIInternational2018的一部分。本卷中呈現(xiàn)的56篇論文按主題劃分，即：信息可視化；多模式交互；虛擬和增強現(xiàn)實中的信息；信息和愿景；以及文本和數(shù)據(jù)挖掘和分析。
《實驗設計與分析第一課程（AFirstCourseinDesignandAnalysisofExperiments）》
《實驗設計與分析第一課程》
厄勒特的書適合非統(tǒng)計學研究生或統(tǒng)計學專業(yè)的服務課程。與大多數(shù)實驗設計一學期研究生/高級課程的教科書不同，厄勒特的新書提供了分析和設計的完美平衡，為學生提供了三個實用主題：?何時使用各種設計
?如何分析結(jié)果?如何識別各種設計選項此外，與其他舊書不同，本書完全面向使用統(tǒng)計軟件分析實驗。
《知識引導的機器學習：使用科學知識和數(shù)據(jù)加速發(fā)現(xiàn)（Knowledge-GuidedMachineLearning:AcceleratingDiscoveryUsingScientificKnowledgeandData）》
《知識引導的機器學習：使用科學知識和數(shù)據(jù)加速發(fā)現(xiàn)》
鑒于機器學習(ML)模型在商業(yè)應用中取得的巨大成功，它們越來越被視為許多學科中基于科學的模型的替代方案。然而，這些“黑匣子”機器學習模型的成功有限，因為它們不能很好地處理有限的訓練數(shù)據(jù)，并且無法推廣到未見過的場景。因此，科學界對創(chuàng)建將科學知識集成到機器學習框架中的新一代方法越來越感興趣。這個新興領域被稱為科學引導的機器學習(KGML)，它尋求與現(xiàn)有的“僅數(shù)據(jù)”或“僅科學”方法完全不同，以平等地使用知識和數(shù)據(jù)。事實上，KGML涉及不同的科學和機器學習社區(qū)，來自不同背景和應用領域的研究人員和從業(yè)者不斷為這個新興領域的問題表述和研究方法增添豐富性。
《知識引導的機器學習：使用科學知識和數(shù)據(jù)加速發(fā)現(xiàn)》，通過討論KGML研究中的一些常見主題，使用領先研究人員的書籍章節(jié)作為說明性示例、案例研究和來自不同應用領域和研究社區(qū)的評論，介紹了這個快速發(fā)展的領域。
本書的主要特點：
這是在科學和數(shù)據(jù)科學領域受到廣泛關注的新興研究領域的第一本書籍。面向數(shù)據(jù)科學、科學和工程領域的廣大受眾。使用不同應用領域的說明性示例來制定KGML新興領域的問題表述。和研究方法提供了連貫的組織結(jié)構(gòu)包含來自領先研究人員的章節(jié)，從多個角度闡釋KGML研究的前沿研究趨勢、機遇和挑戰(zhàn)《實驗設計與分析(DesignandAnalysisofExperiment)》
《實驗設計與分析》
這本暢銷的專業(yè)參考書已幫助超過10萬名工程師和科學家成功完成實驗。新版本包括來自該領域三個最主要程序的更多軟件示例：Minitab、JMP和SAS。幾個章節(jié)中添加了其他材料，包括穩(wěn)健設計和因子設計的新發(fā)展。本書還提供了新的示例和練習來說明設計實驗在服務和交易組織中的使用。工程師將能夠應用這些信息來提高工作系統(tǒng)的質(zhì)量和效率。
道格拉斯·蒙哥馬利為讀者提供了學習如何設計、進行和分析實驗以優(yōu)化產(chǎn)品和工藝性能的最有效方法。他展示了如何使用統(tǒng)計設計的實驗來獲取信息，以表征和優(yōu)化系統(tǒng)、改進制造工藝以及設計和開發(fā)新工藝和產(chǎn)品。您還將學習如何評估產(chǎn)品設計中的材料替代品，提高產(chǎn)品的現(xiàn)場性能、可靠性和制造方面，以及如何有效且高效地進行實驗。通過這本廣受好評的書了解如何提高工作系統(tǒng)的質(zhì)量和效率。本書重點介紹計算機的使用，提供兩種軟件產(chǎn)品的輸出：Minitab和DesignExpert；提供及時的新示例并擴大覆蓋范圍，從添加運行到分數(shù)階乘再到抗鋸齒效果；包括有關目前如何使用它的信息基于計算機的實驗分析和設計的詳細討論；提供許多重要主題的新材料，包括后續(xù)實驗和裂區(qū)設計；并更加關注階乘和部分階乘設計。