資料科學：入門
華夏公益教科書
本書是資料科學的入門級介紹，針對高中高年級學生或大學一年級學生，要求學生具備高中水平的數學、科學、文字處理和電子表格知識。無需具備任何計算機科學基礎。本書的重點在於幫助學生從資料科學的角度思考世界。雖然書中會教授一些基礎資料科學技能，但目的並非技能發展，而是培養批判性思維和解決問題的能力。這些技能可以成功應用於生活的各個階段，而不僅僅侷限於資料科學。
資料科學——作為一種職業和學術學科——是一個新興領域，誕生於 21 世紀的第一個十年。它是科學方法、資料和軟體工程、統計學和視覺化等成熟學科的產物。本書並非旨在單獨闡述這些學科，而是將它們融合在一起，形成一種富有成效的綜合體。因此，學生將被介紹到這些母學科，並被賦予將母學科融合到資料科學中的練習。此外，“駭客”在該詞原本的積極意義上，也是資料科學子學科的貢獻者，儘管“駭客”未被教授為學術學科。
顯然，成熟的資料科學家將在每一種母學科中都精通，分別學習並將其結合起來解決嚴重的資料問題。本書僅僅是朝著這個方向邁出的第一步，是初步的嘗試。
資料科學，正如今天所實踐的那樣，源於“大資料/雲計算”世界和複雜性科學。這意味著資料科學是一門高階學科，需要精通並行處理、MapReduce 計算、PB 級 NoSQL 資料庫、機器學習、高階統計學和複雜性科學。從這個意義上講，“真正的”資料科學更適合在碩士和博士階段教授。然而，我們相信資料科學不僅是熟練使用工具，更是思維方式。因此，我們希望讓學生在職業生涯早期就開始全面思考資料科學。本教材不會涉及資料科學中更高階的技術和技巧。然而，它將幫助學生開始像資料科學家一樣思考。
在當今的商業和政府領域，資料科學是以團隊的形式進行的。我們希望本課程的學生也能獲得這種體驗。因此，所有家庭作業、作業和練習都是為 2 到 6 名學生的團隊設計的。我們希望學生有機會在一個學期內與班上的其他每個人合作。大多數資料科學家無法選擇與誰合作，而是必須學會與分配給他們的團隊中的任何人都合作。
我們將主要在開源的R包中進行資料操作、計算機程式設計和統計分析。我們知道中級或高階學生會使用其他工具，例如 MySQL、PHP、Python、Java、Hadoop、HBase、AllegroGraph、Mahout、MATLAB、SPSS、SAS 等。然而，對於本入門級介紹，我們將保持簡單，只使用一個通用的計算環境。
最後，我們儘量使用在維基百科、維基詞典和華夏公益教科書中已經定義的術語和概念。這樣，人們就可以參考相應的維基百科/維基詞典頁面，對概念有更深入的瞭解。
在頁面右側的目錄中，你會注意到有一個包含四個方格的小方框。該方框表示章節的成熟度。例如，
我們為一個為期 16 周的 3 學分課程設計了這本教材。也就是說，一個每週有三個小時課堂教學的課程，持續 16 周——例如，48 個 1 小時課時。全書共有 32 章，平均每個學期分配一個星期用於學生專案展示、複習和幫助環節以及考試。我們預計學期初會有更多講座時間，學期末會有更多展示和複習時間。本書還假設每個課時需要 1 到 2 個小時的“家庭作業”，包括閱讀、作業、學習和專案。本書的理念是，透過做團隊作業專案，學生在資料科學方面能學到的知識，和他們在課堂講座中能學到的知識一樣多。
在專業領域，資料科學是一項團隊運動。我們為團隊設計了家庭作業專案，使其難度和範圍適中。在這個水平上（高中高年級或大學一年級），個人很難獨自完成這些作業。我們還假設學生可以去某個地方獲得關於 R 程式語言的幫助。
首先，請在華夏公益教科書中註冊（並在下面列出你的名字），這樣我們就知道我們的共同貢獻者是誰。另外，請遵守華夏公益教科書的編輯指南、風格手冊和政策和指南。謝謝。
其次，我們只需要每個章節中的基本、清晰、直接的資訊。我們並非試圖做到面面俱到或完整——本書的價值在於跨學科的簡單綜合。還有其他地方可以詳細闡述某個特定主題的深度和複雜性。在貢獻時，請將自己置於“初學者的心態”中。請確保每個章節的範圍適合在一個小時的課時內完成教學。如果一個章節需要超過一個小時的教學時間，那麼它可能過於詳細。
- 在儘可能的情況下，請按照維基百科和維基詞典中定義的方式使用術語和概念。這樣學生就可以參考相應的維基百科/維基詞典頁面，對概念有更深入的瞭解。
第三，這是一本跨學科的書籍。我們希望幫助人們將資料科學應用於所有領域。因此，我們需要各種簡單的示例和練習。
第四，請遵循每個章節的簡單結構：要點總結、討論、擴充套件閱讀、練習和參考文獻。我們希望“擴充套件閱讀”部分連結到線上資源。“參考文獻”部分可能包含離線資源。要開始一個新頁面，請使用此原型頁面中的維基標記。
第五，和任何華夏公益教科書一樣，請隨時進行更正、擴充套件解釋和必要時的新增，即使它不是“你的”章節。使用討論頁面解釋可能存在爭議的更改。
第六，一些語法規則
- 請將學生應該學習的關鍵術語和短語加粗。
- 使用“程式碼”標籤將函式和程式碼片段的名稱括起來：
<code>lm()</code> - 使用內聯連結
[[ ]]連結到維基百科、維基詞典、維基共享資源、華夏公益教科書和其他維基媒體基金會屬性。 - 使用參考文獻（<ref> </ref>）連結到“外部”來源——包括線上和離線來源。
- 在將 R 程式碼插入頁面時，請遵循 Google 的 R 風格指南。[1]
- 如果你想新增圖片或圖表，應該將它們上傳到維基共享資源，而不是上傳到華夏公益教科書。
- 如果合適，在上傳圖表時新增標籤
{{Created with R}}) 。
- 如果合適，在上傳圖表時新增標籤
- 如果使用的是與R標準包不同的包，請在每個函式後面用括號加粗地寫出包的名稱：<code>MCMCprobit()</code> ('''MCMCpack''')
- 你可以使用第三章資料的定義作為如何編寫章節的示例。
最後，非常感謝你自願加入我們的團隊！
檢視以下華夏公益教科書，瞭解本入門內容的後續內容
- 科學方法 - 科學方法
- 資料工程 - 關係資料庫設計，資料結構，SQL
- 軟體工程 - 程式設計的科學，R 程式設計
- 數學 - 高中數學擴充套件
- 統計分析 - 統計，統計分析：使用 R 的入門，R 中的資料探勘演算法
- 視覺化 -
- 駭客 -
你可以自由地
- 分享 - 複製、分發、展示和表演作品（來自華夏公益教科書的頁面）
- 重混 - 改編或製作衍生作品
在以下條件下
- 署名 - 你必須將此作品歸功於華夏公益教科書。你不能暗示華夏公益教科書以任何方式認可你或你對本作品的使用。
- 相同方式共享 - 如果你修改、轉換或在該作品的基礎上進行構建，你只能在與本許可證相同或類似的許可證下分發生成的著作。
- 放棄 - 如果你獲得版權持有人的許可，上述任何條件都可以放棄。
- 公有領域 - 如果根據適用的法律，該作品或其任何元素屬於公有領域，則此狀態不受許可證影響。
- 其他權利 - 許可證不會以任何方式影響以下任何權利
- 你的合理使用權或其他適用的版權例外和限制；
- 作者的署名權；
- 其他人可能對作品本身或作品的使用方式擁有的權利，例如公開權或隱私權。
- 通知 - 對於任何再利用或分發，你必須向他人明確說明本作品的許可證條款。執行此操作的最佳方法是連結到以下網頁。