密歇根大学 应用数据科学硕士(密歇根大学应用统计)
密歇根大学应用数据科学硕士学位专业介绍
向美国排名第一的公立研究型大学学习，加入下一代数据科学家的行列。
密歇根大学信息学院的应用数据科学硕士学位(MADS)旨在帮助有抱负的数据科学家通过实践项目学习和应用技能。您将学习如何使用数据来改进结果并实现雄心勃勃的目标。
申请密歇根大学信息学院应用数据科学硕士学位（MADS）学位的学生将有机会开始学习以下数据科学课程：
应用数据科学导论
本课程探讨数据科学家应用于数据科学四个阶段项目的专业知识、观点和道德承诺：问题制定、数据采集、建模和分析以及结果呈现。通过这个过程，学生将定义他们希望如何发展数据科学职业的愿景。
数据处理
数据操作展示了使用流行的PythonPandas数据科学库的操作和清理技术。在本课程结束时，学生将掌握获取表格数据、清理数据、操作数据和运行基本推论统计分析所需的技能。
数据科学的数学方法
数学方法将回顾并建立数据科学家工具包所需的基本数学概念。学生将学习和应用线性代数（例如矩阵和向量）、基本优化技术（例如梯度下降）和统计学（例如贝叶斯规则）中的概念。
信息可视化
信息可视化我将重点讨论可视化在理解一维和多维数据中的作用。它涵盖感知、认知以及优秀的设计如何增强可视化。本课程还介绍了用于可视化构建的API。
实验设计与分析
实验设计和分析介绍了实验室和现场实验的技术。学生将讨论实验的逻辑以及使用实验来研究社会和技术现象的方式。学生还将学习设计实验和分析实验数据的方法。
数据的可视化探索
数据的可视化探索使学生能够使用matplotlib库识别数据中的聚合模式，并了解与探索和表示数据相关的挑战。学生还将提高对各种统计方法应用的理解。
数据挖掘一
数据挖掘I介绍数据挖掘的基本概念。本课程介绍如何将现实世界的信息表示为基本数据类型（项集、矩阵和序列），以促进下游分析任务。学生将学习如何通过模式提取和相似性度量来表征每种类型的数据。
密歇根大学应用数据科学硕士学位专业课程的参考学习书籍介绍
《应用数据科学研讨会-第二版：开始应用数据科学和技术有效地探索和评估数据(TheAppliedDataScienceWorkshop-SecondEdition:Getstartedwiththeapplicationsofdatascienceandtechniquestoexploreandassessdataeffectively)》
《应用数据科学研讨会-第二版：开始应用数据科学和技术有效地探索和评估数据》
本研讨会专为初学者设计，将帮助您利用Python库和JupyterNotebooks的强大功能，并学习如何应用数据科学来解决现实世界的数据问题。
本书的主要特点
获得有关数据科学和机器学习的有用见解探索JupyterNotebook的不同功能和特性了解如何将Python库与Jupyter结合使用进行数据分析书籍简介
从银行和制造到教育和娱乐，将数据科学用于商业彻底改变了现代世界的几乎每个领域。它在从应用程序开发到网络安全的各个方面都发挥着重要作用。
本书采用交互式方法来学习基础知识，非常适合初学者。您将学习在现实场景和示例环境中应用数据科学的所有最佳实践和技术。
从数据科学和机器学习简介开始，您将首先掌握Jupyter的功能和特性。您将使用sci-kitlearn、pandas、Matplotlib和Seaborn等Python库在自己的Jupyter环境中对真实数据集执行数据分析和数据预处理。在本章中，您将使用sci-kitlearn来训练分类模型并使用高级验证技术评估模型性能。最后，您将使用JupyterNotebooks记录您的研究、构建利益相关者报告，甚至分析Web性能数据。
在应用数据科学研讨会结束时，您将准备好从初学者进步到通过自信地将数据科学技术和工具应用于实际项目，将您的技能提升到一个新的水平。
本书你将学到什么
了解数据科学中的关键机遇和挑战使用Jupyter执行数据分析和建模等数据科学任务在Jupyter笔记本中运行探索性数据分析使用成对散点图和分段分布可视化数据使用高级验证技术进行评估模型性能解析HTML响应和分析HTTP请求这本书是为谁写的
如果您是一位有抱负的数据科学家，希望在数据科学领域建立职业生涯，或者是一位想要从头开始探索数据科学应用程序并使用Python库分析Jupyter数据的开发人员，那么这本书适合您。虽然建议您简要了解Python编程和机器学习，以帮助您更快地掌握本书所涵盖的主题，但这不是强制性的。
《产品分析：应用数据科学技术提供切实可行的消费者洞察（ProductAnalytics:AppliedDataScienceTechniquesforActionableConsumerInsights）》
《产品分析：应用数据科学技术提供切实可行的消费者洞察》
本指南解释了如何将数据科学与社会科学相结合，以获得对客户行为的前所未有的洞察，以便您可以改变它。JoanneRodrigues-Craig弥合了预测数据科学和统计技术之间的差距，揭示了重要事情发生的原因-为什么客户购买更多商品，或者为什么他们立即离开您的网站-这样您就可以获得更多您想要的东西。行为，而不是你不想要的行为。凭借丰富的企业经验以及对人口统计学和社会学的深刻理解，罗德里格斯-克雷格展示了如何创建更好的理论和指标，以便您可以加速洞察、改变行为并赚取业务价值的过程。在本书中，您将学习如何：
开发复杂的、可测试的理论来理解网络产品中的个人和社会行为像社会科学家一样思考，并将个人行为置于当今社会环境中为任何网络产品或系统KPI构建更有效的指标和指标进行信息更丰富、可操作的A/B测试探索因果效应，反映对相关性和因果关系之间差异的更深入理解改变复杂网络产品中的用户行为了解相关人类行为如何发展和变化他们的先决条件是为常见任务（例如多状态和提升建模）选择正确的统计技术使用高级统计技术对多维系统进行建模，在R中完成所有这些操作（示例代码在单独的代码手册中提供）《实用R4：将R应用于数据处理、处理和集成（PracticalR4:ApplyingRtoDataManipulation,ProcessingandIntegration）》
《实用R4：将R应用于数据处理、处理和集成》
开始快速介绍R生态系统、编程语言和工具，包括R脚本和RStudio。本书使用许多示例和项目来教您如何将数据导入到R中以及如何使用R来处理这些数据。一旦您掌握了基础知识，实用R4的其余部分就会深入研究特定的项目和示例，从使用R和LimeSurvey运行和分析调查开始。接下来，您将使用R和MouselabWeb执行高级统计分析。然后，您将了解R在没有统计数据的情况下如何为您工作，包括如何使用R来自动执行数据格式化、操作、报告和自定义函数。
本书的最后部分讨论了在服务器上使用R；您将使用R生成一个脚本，该脚本可以运行RStudio服务器并监视报告源的更改，以便在发生更改时提醒用户。该项目包括定期电子邮件警报和推送通知。最后，您将使用R创建最重要信息（例如天气预报、每日日历、待办事项列表等）的自定义每日摘要报告。这演示了如何自动化此过程，以便每天早上用户导航到同一网页并获取更新的报告。
你将学到什么
设置和运行R脚本，包括在新计算机上安装以及下载和配置R。将任何计算机变成强大的数据分析平台，可通过RStudioServer从任何地方进行访问。编写基本的R脚本并修改现有脚本以满足您自己的需求。您需要在R中创建基本的HTML报告，根据需要插入信息，生成基本的R包并分发它本书的读者对象：建议您事先接触过统计、编程和SAS，但不是必需的。
《使用数学和Python进行机器学习的内核方法：构建逻辑的100个练习(KernelMethodsforMachineLearningwithMathandPython:100ExercisesforBuildingLogic)》
《使用数学和Python进行机器学习的内核方法：构建逻辑的100个练习》
机器学习和数据科学最关键的能力是掌握其本质的数学逻辑，而不是依赖知识或经验。这本教科书通过考虑相关数学问题和构建Python程序来阐述机器学习核方法的基础知识。
本书的主要特点如下：
内容以易于理解且独立的风格编写。本书包含100道习题，都是经过精心挑选和改进的。由于文中提供了他们的答案，读者可以通过阅读本书来解决所有习题。它证明了内核的数学前提，并提供了正确的结论，帮助读者理解内核的本质。提供源程序和运行示例以帮助读者更深入地了解所使用的数学。一旦读者对第2章中涵盖的泛函分析主题有了基本的了解，这些应用程序将在后续章节中讨论。这里，不假设任何数学知识。本书考虑了再现核希尔伯特空间（RKHS）的核和高斯过程的核；两者之间有明显的区别。《人机界面和信息管理：交互、可视化和分析(HumanInterfaceandtheManagementofInformation.Interaction,Visualization,andAnalytics)》
《人机界面和信息管理：交互、可视化和分析》
这本两卷本的LNCS10904和10905构成了2018年7月在美国内华达州拉斯维加斯举行的第20届国际人机界面和信息管理会议(HIMI2018)的参考论文集。是HCIInternational2018的一部分。本卷中呈现的56篇论文按主题划分，即：信息可视化；多模式交互；虚拟和增强现实中的信息；信息和愿景；以及文本和数据挖掘和分析。
《实验设计与分析第一课程（AFirstCourseinDesignandAnalysisofExperiments）》
《实验设计与分析第一课程》
厄勒特的书适合非统计学研究生或统计学专业的服务课程。与大多数实验设计一学期研究生/高级课程的教科书不同，厄勒特的新书提供了分析和设计的完美平衡，为学生提供了三个实用主题：?何时使用各种设计
?如何分析结果?如何识别各种设计选项此外，与其他旧书不同，本书完全面向使用统计软件分析实验。
《知识引导的机器学习：使用科学知识和数据加速发现（Knowledge-GuidedMachineLearning:AcceleratingDiscoveryUsingScientificKnowledgeandData）》
《知识引导的机器学习：使用科学知识和数据加速发现》
鉴于机器学习(ML)模型在商业应用中取得的巨大成功，它们越来越被视为许多学科中基于科学的模型的替代方案。然而，这些“黑匣子”机器学习模型的成功有限，因为它们不能很好地处理有限的训练数据，并且无法推广到未见过的场景。因此，科学界对创建将科学知识集成到机器学习框架中的新一代方法越来越感兴趣。这个新兴领域被称为科学引导的机器学习(KGML)，它寻求与现有的“仅数据”或“仅科学”方法完全不同，以平等地使用知识和数据。事实上，KGML涉及不同的科学和机器学习社区，来自不同背景和应用领域的研究人员和从业者不断为这个新兴领域的问题表述和研究方法增添丰富性。
《知识引导的机器学习：使用科学知识和数据加速发现》，通过讨论KGML研究中的一些常见主题，使用领先研究人员的书籍章节作为说明性示例、案例研究和来自不同应用领域和研究社区的评论，介绍了这个快速发展的领域。
本书的主要特点：
这是在科学和数据科学领域受到广泛关注的新兴研究领域的第一本书籍。面向数据科学、科学和工程领域的广大受众。使用不同应用领域的说明性示例来制定KGML新兴领域的问题表述。和研究方法提供了连贯的组织结构包含来自领先研究人员的章节，从多个角度阐释KGML研究的前沿研究趋势、机遇和挑战《实验设计与分析(DesignandAnalysisofExperiment)》
《实验设计与分析》
这本畅销的专业参考书已帮助超过10万名工程师和科学家成功完成实验。新版本包括来自该领域三个最主要程序的更多软件示例：Minitab、JMP和SAS。几个章节中添加了其他材料，包括稳健设计和因子设计的新发展。本书还提供了新的示例和练习来说明设计实验在服务和交易组织中的使用。工程师将能够应用这些信息来提高工作系统的质量和效率。
道格拉斯·蒙哥马利为读者提供了学习如何设计、进行和分析实验以优化产品和工艺性能的最有效方法。他展示了如何使用统计设计的实验来获取信息，以表征和优化系统、改进制造工艺以及设计和开发新工艺和产品。您还将学习如何评估产品设计中的材料替代品，提高产品的现场性能、可靠性和制造方面，以及如何有效且高效地进行实验。通过这本广受好评的书了解如何提高工作系统的质量和效率。本书重点介绍计算机的使用，提供两种软件产品的输出：Minitab和DesignExpert；提供及时的新示例并扩大覆盖范围，从添加运行到分数阶乘再到抗锯齿效果；包括有关目前如何使用它的信息基于计算机的实验分析和设计的详细讨论；提供许多重要主题的新材料，包括后续实验和裂区设计；并更加关注阶乘和部分阶乘设计。