新書推薦：
《
正说清朝十二帝（修订珍藏版）
》
售價：NT$
493.0
《
黑海史：从历史涟漪到时代巨浪
》
售價：NT$
538.0
《
我，毕加索
》
售價：NT$
280.0
《
投资真相
》
售價：NT$
381.0
《
非洲大陆简史（萤火虫书系）
》
售價：NT$
437.0
《
知宋·宋代之军事
》
售價：NT$
442.0
《
我能帮上什么忙？——一位资深精神科医生的现场医疗记录（万镜·现象）
》
售價：NT$
381.0
《
智慧宫丛书026·增长：从细菌到帝国
》
售價：NT$
840.0
|
| 編輯推薦： |
|
本书用轻松话语讲述一线数据分析技术，既有统计方法与分析技巧，更有奇闻趣事和哲学感悟，为你的数据分析之路指点迷津。
|
| 內容簡介： |
|
我们能相信统计么？ 抛了5次硬币，结果都是正面，抛硬币是否肯定是正面？如何从高层的统计指标看透数据后面的本质？如何在大数据时代获取战略制高点，确定自己的职业发展定位？从一个互联网公司数据分析师的成长经历，为您娓娓道来，数据分析中的奇闻趣事、心得总结、方法技巧与哲学感悟。
|
| 關於作者： |
|
百度资深数据技术专家，在检索系统、在线广告、商业营销等领域有丰富的大数据分析和建模经验。曾因对百度的杰出贡献，获得首届百度百万美金最高奖，并多次获得技术创新奖。专注于理论与实践的结合，涉猎大数据技术、经济与商业机制、互联网产品战略、营销策略等多个领域，深究其根源并擅长跨界思考。乐于分享，百度技术学院的明星讲师，开设课程《大数据分析的道与术》、《经济学与互联网商业产品设计》和《机器学习的思考故事》等。
|
| 目錄：
|
|
目 录第一篇 道1第1章 大数据分析之道21.1 做好数据分析的关键31.2 业务调研101.3 创新思考141.4 逻辑推理251.5 可行建议481.6 补充阅读：数据分析报告的撰写要点51第二篇 术63第2章 统计是怎么发明的？642.1 重启思维模式652.2 统计的意义及指标712.3 统计图形是如何设计的？102第3章 我们能相信统计吗？1153.1 统计可信吗？1163.2 基于概率的信任1203.3 如何实现基于概率的信任？1263.4 应用理念：细致与置信的权衡之道1403.5 评估：正确的认识世界1443.6 设计统计方案中的方法论156第4章 统计分析方法1594.1 拆指标-1 分布分析1614.2 拆指标-2 趋势分析1654.3 拆指标-3 因素分析1774.4 拆数据-1 个案分析1864.5 拆数据-2 异常分析1884.6 拆数据-3 分组分析1934.7 附加阅读：消费者偏好和企业差异化战略1974.8 不同分析方法的结合与创新2094.9 与领域相关的分析方法213第5章 数据分析的高级工具：OLAP与机器学习2205.1 OLAP技术2215.2 无监督学习模型2255.3 监督学习模型234第三篇 释287第6章 大数据时代2886.1 大数据的价值2896.2 企业如何向数据技术转型？3016.3 数据技术的职业发展315第7章 数据技术团队组建和发展3317.1 自我修炼与领导团队3327.2 数据技术团队的组织结构3347.3 数据技术团队发展中的优劣势336
|
| 內容試閱：
|
|
当心！“数据”一样会说谎！例2：一所艺术学校，男生校服只有裤子款式（100%选裤子），而女生校服有裙子和裤子两种款式，经统计得知75%的女生选裙子款，25%选裤子款。今天进入校园，远远看到一个穿裤子的同学，他是男生的概率高？还是女生的概率高？根据之前讲座交流的经验，对于第一次阅读这份数据的朋友，大都判断该同学更可能是男生。但如果我把所有的数据细节都透露出来，大家的结论会不会有变化呢？例2的完整数据：艺术学校有女生900人，男生100人。看到一个穿裤子男生的概率为10% × 100% = 0.1，而看到一个穿裤子女生的概率为90% × 25% = 0.225，所以远远看到一个穿裤子的同学，他更有可能是女生！例2只公布了似然概率，却隐藏了先验概率信息，使人的判断发生迷惑。什么是似然概率和先验概率呢？这涉及到统计学中的贝叶斯公式，描述一件事物发生的概率与两个概率相关，先验概率和似然概率。数学表示：Ph1 | D ∝ Ph × PD | h假设h代表我们对某个事物的判断，如果有两个判断（如某同学是男或是女），可以写为h1、h2。数据D表示观测到的统计数据。Ph|D表示看到数据D后，判断假设h为真的概率。PD|h表示判断假设h为真的情况下，观测到数据D的概率。那么，贝叶斯定理说明了“观测到数据D，判断假设h为真的概率”，与“假设h天然出现的概率（Ph，称为先验概率）”和“假设h为真的情况下，观测到数据D的概率（PD|h，称为似然概率）”成正比。其实更准确的公式是 Ph | D = Ph ×PD | h PD，因为对于不同的假设h，数据D天然出现的概率PD均相同。其对判断“哪个假设h更可能是真的”不起作用，通常可以忽略。回到艺术学校的例子，观测数据D =看到该同学穿的是裤子，假设 h1=他是男生，假设h2=她是女生。因为艺术学校男生有100人、女生有900人，所以先验概率 Ph1 =10%、Ph2=90%。因为男生 100%会选择裤子，女生 25%会选择裤子，所以似然概率PD | h1 =100%、PD | h2 =25%。那么，校园中随意看到了一位穿裤子的同学，他是男生的概率近似：Ph1 | D = Ph1 × PD | h1 = 10% × 100% = 0.1她是女生的概率近似：Ph2 | D = Ph2 × PD | h2 = 90% × 25% = 0.225可见女生的概率要比是男生的概率高1倍多，这位穿裤子的同学更可能是女生! 注释：上述计算亦可以加上PD的考量，会得到精确的概率结果。女生有225人穿裤子，男生100人穿裤子，校园1000名学生中穿裤子的概率PD为32.5%。将上述近似值除以PD，得到他是男生的概率为30.8%，她是女生的概率为69.2%，之间的差距比例是一致的（0.10.225 = 30.8%69.2%），所以通常可以省去计算PD。从这两个例子可见，隐藏一部分数据，只展示部分维度时，可能会诱导人们得出完全不同的结论。在某些场景下，更细节的相关信息是不能忽略的，隐藏了部分事实就相当于说谎。很多数据分析工作均需要全面细致的数据信息才能做出正确的判断。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
