定 價：59.8 元
叢書名：大數據應用人才能力培養(yǎng)新形態(tài)系列
當前圖書已被 43 所學校薦購過！
查看明細
- 作者：楊武劍 史麒豪
- 出版時間：2024/2/1
- ISBN：9787115619112
- 出 版 社：人民郵電出版社
- 中圖法分類：TP274
- 頁碼：259
- 紙張：
- 版次：01
- 開本：16開
“文明”是人類經過教化后達到的一種狀態(tài)，代表著社會的進步。自人類社會發(fā)端以來，人類文明就進入了一個漫長的演進過程。從原始文明、農業(yè)文明、工業(yè)文明到數字文明，每一次新文明的誕生都代表著文明形態(tài)的重塑和社會的變更。數字文明是一種基于大數據、云計算、物聯網、區(qū)塊鏈等新一代技術，以高科技為主要特征的文明，其核心是網絡化、信息化與智能化的深度融合。它在提高生產力水平、豐富物質供給的同時，也塑造了一個全新的人類文明形態(tài)。 “大數據導論”是一門知識性和應用性都很強的課程。本書針對各專業(yè)大學生的大數據通識教育需求，系統(tǒng)、全面地介紹關于大數據技術及其應用的基礎知識和技能，包括走進數字文明、數字化轉型與數字經濟、大數據思維變革、大數據商業(yè)規(guī)則、大數據促進醫(yī)療與健康、大數據與城市大腦、大數據可視化、大數據預測分析、大數據處理與存儲、大數據與云計算、大數據與人工智能、大數據安全與法律、數據科學與職業(yè)技能以及大數據的未來等內容，具有較強的可讀性和實用性。
【內容特點】
（1）內容全面，結構合理：每章內容分導讀案例、理論知識、應用、習題各部分。
（2）取長補短，講清原理：力圖在通俗易懂講解理論知識的基礎上，豐富實用性案例，清晰、全面地介紹大數據技術與應用知識。
（3）視頻資源充足，助力教師豐富教學方式。
【資源特點】除了配套常規(guī)資源（如PPT、教學大綱、習題答案）外，還針對全書錄制教學視頻，協助解決當前網課需求。
【服務特點】作者可以提供直播以及QQ服務群等支持。
史麒豪，浙江大學計算機科學與技術專業(yè)博士，學科博士后。長期從事社交影響力傳播、圖傳播算法與博弈論研究，已在ICDE,AAAI,WWW,CIKM,ICDM 等相關國際頂級會議與KBS，ESWA，Neurocomputing等高水平SCI 期刊發(fā)表十余篇文章。同時長期擔任AAAI，KDD，TNNLS，TKDE等國際會議與期刊的審稿人。主持和參與了多項國家級、省部級課題及企業(yè)、政府信息化項目。其中作為項目負責人，主持國家自然科學基金項目1項。作為課題骨干，參與獲2018 年浙江省科學技術一等獎的省部級課題1項。 揚武劍 男，副教授，浙大城市學院城市大腦研究院院長助理，浙大城市學院城市數字治理創(chuàng)新班負責人。 主要從事城市數字治理、人工智能、電子商務等領域學術理論和關鍵技術研究，主持主參科研項目多項，其中國家級2項，省部級6項，重大橫向8項，發(fā)表SCI/EI收錄論文10多篇，科研成果獲浙江省科技進步獎三等獎2項、華夏建設科學技術獎三等獎2項。主持教育部產學合作協同育人項目2項、省級虛擬仿真實驗教學項目1項，獲學校教學質量獎20多次。主編出版高等院校實踐類教程《電子商務概論》和高等院�！笆濉币�(guī)劃教材《電子商務實務》
【導讀案例】“數字文明”到底是個什么文明？ 1
1.1 數字勞動推動數字文明 4
1.2 大數據時代 5
1.2.1 天文學——信息爆炸的起源 6
1.2.2 爆發(fā)式增長的數據量 7
1.2.3 大數據的定義 9
1.2.4 用3V描述大數據特征 9
1.2.5 廣義的大數據 11
1.3 大數據結構類型 12
1.4 大數據的發(fā)展 13
1.4.1 硬件性價比提高與軟件技術進步 13
1.4.2 云計算的普及 14
1.4.3 大數據作為BI的進化形式 14
1.4.4 從交易數據到交互數據 15
【習題】 16
【導讀案例】數字文明如何作答四問？ 19
2.1 什么是數字化 21
2.1.1 數字化的概念 21
2.1.2 從歷史發(fā)展看數字化 23
2.1.3 從技術層面看數字化 25
2.1.4 數字化的意義 26
2.2 數字化轉型 26
2.2.1 購物流程的變化 27
2.2.2 信息化與數字化 27
2.2.3 數字化企業(yè)解決方案 28
2.3 數字孿生 29
2.3.1 數字孿生的原理 29
2.3.2 數據孿生基本組成 30
2.3.3 數字孿生的研究 31
2.3.4 數字孿生與數字生產線 31
2.4 數字經濟 34
2.4.1 數字經濟的概念 34
2.4.2 數字經濟的要素 35
2.4.3 數字經濟的研究 36
【習題】 37
【導讀案例】購物網站的推薦系統(tǒng) 40
3.1 大數據思維 43
3.2 轉變之一：樣本=總體 44
3.2.1 小數據時代的隨機采樣 45
3.2.2 全數據模式：樣本=總體 47
3.3 轉變之二：接受數據的混雜性 48
3.3.1 允許不精確 48
3.3.2 大數據簡單算法與小數據復雜算法 50
3.3.3 紛繁的數據越多越好 51
3.3.4 混雜性是標準途徑 52
3.4 轉變之三：數據的相關關系 53
3.4.1 關聯物，預測的關鍵 53
3.4.2 “是什么”，而不是“為什么” 55
3.4.3 通過因果關系了解世界 56
3.4.4 通過相關關系了解世界 57
【習題】 58
【導讀案例】準確預測地震 59
4.1 大數據的跨界年度 60
4.1.1 商業(yè)動機和驅動力 61
4.1.2 企業(yè)的大數據行動 62
4.1.3 數據驅動的企業(yè)文化 63
4.2 將信息變成競爭優(yōu)勢 65
4.2.1 數據價格下降而需求上升 66
4.2.2 大數據應用程序興起 66
4.2.3 企業(yè)構建大數據戰(zhàn)略 67
4.3 大數據營銷 68
4.3.1 像媒體公司一樣思考 68
4.3.2 面對新的機遇與挑戰(zhàn) 69
4.3.3 自動化營銷 70
4.3.4 創(chuàng)建高容量和高價值內容 71
4.3.5 用投資回報率評價營銷效果 71
4.4 內容創(chuàng)作與眾包 72
【習題】 73
【導讀案例】大數據變革公共衛(wèi)生 76
5.1 大數據與循證醫(yī)學 78
5.2 大數據帶來的醫(yī)療新突破 80
5.2.1 量化自我，關注個人健康 80
5.2.2 可穿戴的個人健康設備 81
5.2.3 大數據時代的醫(yī)療信息 83
5.2.4 CellMiner，對抗癌癥的新工具 84
5.3 醫(yī)療信息數字化 86
5.4 搜索：超級大數據的最佳伙伴 88
5.5 數據決策的崛起 89
5.5.1 數據輔助診斷 90
5.5.2 你考慮過……了嗎 90
5.5.3 大數據分析使數據決策崛起 92
【習題】 92
【導讀案例】城市大腦是這樣煉成的 95
6.1 智慧交通駛入快車道 98
6.1.1 導航和感知更精準 99
6.1.2 機場管理更精細 99
6.1.3 數字航道動態(tài)監(jiān)測 100
6.1.4 創(chuàng)新驅動賦能增效 101
6.2 城市大腦建設 102
6.2.1 對城市大腦的認識 102
6.2.2 城市大腦產生根源和背景 103
6.2.3 城市大腦的未來目標 104
6.2.4 城市大腦的重要性 105
6.3 大數據——智慧城市的“核心” 105
6.3.1 城市大腦與數據可視化 106
6.3.2 城市大腦與數據共享 106
6.3.3 大數據驅動城市大腦 106
6.4 城市大數據治理 107
6.4.1 數據治理內容 107
6.4.2 數據治理類型 108
6.4.3 元數據管理 110
6.4.4 數據治理方案 111
6.4.5 數據治理模型 112
6.4.6 數據治理工具 113
【習題】 113
【導讀案例】南丁格爾“極區(qū)圖” 116
7.1 數據與可視化 118
7.1.1 數據的可變性 118
7.1.2 數據的不確定性 120
7.1.3 數據的背景信息 120
7.1.4 打造最好的可視化效果 122
7.2 數據與圖形 122
7.2.1 數據與走勢 123
7.2.2 視覺信息的科學解釋 124
7.3 視覺分析 125
7.3.1 熱點圖 125
7.3.2 時間序列圖 126
7.3.3 網絡圖 126
7.3.4 空間數據制圖 127
7.4 實時可視化 128
7.5 數據可視化的運用 128
【作 業(yè)】 130
【導讀案例】葡萄酒的品質 133
8.1 什么是預測分析 137
8.1 1 預測分析的作用 138
8.1.2 數據具有內在預測性 140
8.1.3 定量分析與定性分析 140
8.2 統(tǒng)計分析 141
8.2.1 A/B測試 141
8.2.2 相關性分析 142
8.2.3 回歸性分析 143
8.3 數據挖掘 144
8.4 大數據分析生命周期 145
8.4.1 商業(yè)案例評估 145
8.4.2 數據標識 146
8.4.3 數據獲取與過濾 147
8.4.4 數據提取 147
8.4.5 數據驗證與清理 148
8.4.6 數據聚合與表示 149
8.4.7 數據分析 150
8.4.8 數據可視化 150
8.4.9 分析結果的使用 151
【習題】 151
【導讀案例】什么是開源？ 154
9.1 開源技術商業(yè)支援 156
9.2 Hadoop基礎 157
9.2.1 Hadoop的由來 157
9.2.2 Hadoop的優(yōu)勢 158
9.3 分布式處理 159
9.3.1 分布式系統(tǒng) 159
9.3.2 分布式文件系統(tǒng) 160
9.3.3 并行與分布式數據處理 160
9.3.4 分布式存儲 161
9.4 NoSQL數據庫 161
9.4.1 主要特征 162
9.4.2 鍵-值存儲 164
9.4.3 文檔存儲 165
9.4.4 列簇存儲 166
9.4.5 圖存儲 167
9.4.6 與RDBMS的主要區(qū)別 168
9.5 NewSQL數據庫 169
【習題】 170
【導讀案例】數字經濟時代云發(fā)展趨勢 173
10.1 與數字化相關的技術 175
10.2 云計算概述 177
10.2.1 云計算定義 177
10.2.2 云基礎設施 179
10.3 計算虛擬化 180
10.4 網絡虛擬化 181
10.4.1 網卡虛擬化 181
10.4.2 虛擬交換機 182
10.4.3 接入層虛擬化 182
10.4.4 覆蓋網絡虛擬化 183
10.4.5 軟件定義網絡（SDN） 183
10.5 存儲虛擬化 184
10.6 云計算服務形式 185
10.6.1 云計算的服務層次 185
10.6.2 大數據與云相輔相成 186
10.6.3 云的挑戰(zhàn) 187
10.7 大數據與云計算 187
【習題】 188
【導讀案例】大數據與人工智能的關系 191
11.1 人工智能概述 192
11.2 機器學習基礎 193
11.2.1 機器學習的定義 194
11.2.2 基本結構 195
11.2.3 研究領域 196
11.3 機器學習分類 196
11.3.1 基于學習策略分類 196
11.3.2 基于知識表示形式分類 197
11.3.3 按應用領域分類 198
11.3.4 按學習形式分類 198
11.4 神經網絡與深度學習 201
11.4.1 人工神經網絡的特征 201
11.4.2 深度學習的意義 202
11.4.3 深度學習的方法 203
11.4.4 深度學習的實現 205
11.5 機器學習與深度學習 207
【習題】 208
【導讀案例】中國《個人信息保護法》施行 211
12.1 大數據的安全問題 213
12.1.1 采集匯聚安全 213
12.1.2 存儲處理安全 214
12.1.3 共享使用安全 215
12.2 大數據的管理維度 216
12.3 大數據的安全體系 216
12.3.1 安全技術體系 217
12.3.2 大數據安全治理 218
12.3.3 大數據安全測評 218
12.3.4 大數據安全運維 218
12.3.5 以數據為中心的安全要素 219
12.4 大數據倫理與法規(guī) 220
12.4.1 大數據的倫理問題 220
12.4.2 大數據的倫理規(guī)則 221
12.4.3 數據安全法施行 222
【習題】 223
【導讀案例】得數據者得天下 226
13.1 計算思維 229
13.1.1 計算思維的概念 229
13.1.2 計算思維的作用 230
13.1.3 計算思維的特點 232
13.2 數據工程師的社會責任 233
13.2.1 職業(yè)化和道德責任 233
13.2.2 ACM職業(yè)道德責任 234
13.2.3 軟件工程師道德基礎 235
13.3 數據科學與職業(yè)技能 236
13.3.1 數據科學重要技能 236
13.3.2 重要數據科學技能 237
13.3.3 技能因職業(yè)角色而異 238
13.3.4 大數據生態(tài)系統(tǒng)關鍵角色 240
【習題】 241
【導讀案例】加快建立完善數據產權制度 244
14.1 連接開放數據 245
14.1.1 LOD運動 246
14.1.2 利用開放數據的創(chuàng)業(yè)型公司 247
14.2 大數據資產的崛起 248
14.2.1 數據市場的興起 248
14.2.2 不同的商業(yè)模式 248
14.2.3 將原創(chuàng)數據變?yōu)樵鲋禂祿?49
14.2.4 大數據催生新的應用程序 249
14.2.5 在大數據“空白”中提取最大價值 250
14.3 大數據發(fā)展趨勢 250
14.3.1 信息領域的突破性發(fā)展 251
14.3.2 未來發(fā)展趨勢的專家預測 252
14.4 大數據技術展望 254
14.4.1 數據管理仍然很難 254
14.4.2 數據孤島繼續(xù)激增 254
14.4.3 流媒體分析的突破 255
14.4.4 技術發(fā)展帶來技能轉變 255
14.4.5 “快速數據”和“可操作數據” 256
14.4.6 預測分析將數據轉化為預測 256
【習題】 257
【導讀案例】“數字文明”到底是個什么文明？ 1
1.1 數字勞動推動數字文明 4
1.2 大數據時代 5
1.2.1 天文學——信息爆炸的起源 6
1.2.2 爆發(fā)式增長的數據量 7
1.2.3 大數據的定義 9
1.2.4 用3V描述大數據特征 9
1.2.5 廣義的大數據 11
1.3 大數據結構類型 12
1.4 大數據的發(fā)展 13
1.4.1 硬件性價比提高與軟件技術進步 13
1.4.2 云計算的普及 14
1.4.3 大數據作為BI的進化形式 14
1.4.4 從交易數據到交互數據 15
【習題】 16
【導讀案例】數字文明如何作答四問？ 19
2.1 什么是數字化 21
2.1.1 數字化的概念 21
2.1.2 從歷史發(fā)展看數字化 23
2.1.3 從技術層面看數字化 25
2.1.4 數字化的意義 26
2.2 數字化轉型 26
2.2.1 購物流程的變化 27
2.2.2 信息化與數字化 27
2.2.3 數字化企業(yè)解決方案 28
2.3 數字孿生 29
2.3.1 數字孿生的原理 29
2.3.2 數據孿生基本組成 30
2.3.3 數字孿生的研究 31
2.3.4 數字孿生與數字生產線 31
2.4 數字經濟 34
2.4.1 數字經濟的概念 34
2.4.2 數字經濟的要素 35
2.4.3 數字經濟的研究 36
【習題】 37
【導讀案例】購物網站的推薦系統(tǒng) 40
3.1 大數據思維 43
3.2 轉變之一：樣本=總體 44
3.2.1 小數據時代的隨機采樣 45
3.2.2 全數據模式：樣本=總體 47
3.3 轉變之二：接受數據的混雜性 48
3.3.1 允許不精確 48
3.3.2 大數據簡單算法與小數據復雜算法 50
3.3.3 紛繁的數據越多越好 51
3.3.4 混雜性是標準途徑 52
3.4 轉變之三：數據的相關關系 53
3.4.1 關聯物，預測的關鍵 53
3.4.2 “是什么”，而不是“為什么” 55
3.4.3 通過因果關系了解世界 56
3.4.4 通過相關關系了解世界 57
【習題】 58
【導讀案例】準確預測地震 59
4.1 大數據的跨界年度 60
4.1.1 商業(yè)動機和驅動力 61
4.1.2 企業(yè)的大數據行動 62
4.1.3 數據驅動的企業(yè)文化 63
4.2 將信息變成競爭優(yōu)勢 65
4.2.1 數據價格下降而需求上升 66
4.2.2 大數據應用程序興起 66
4.2.3 企業(yè)構建大數據戰(zhàn)略 67
4.3 大數據營銷 68
4.3.1 像媒體公司一樣思考 68
4.3.2 面對新的機遇與挑戰(zhàn) 69
4.3.3 自動化營銷 70
4.3.4 創(chuàng)建高容量和高價值內容 71
4.3.5 用投資回報率評價營銷效果 71
4.4 內容創(chuàng)作與眾包 72
【習題】 73
【導讀案例】大數據變革公共衛(wèi)生 76
5.1 大數據與循證醫(yī)學 78
5.2 大數據帶來的醫(yī)療新突破 80
5.2.1 量化自我，關注個人健康 80
5.2.2 可穿戴的個人健康設備 81
5.2.3 大數據時代的醫(yī)療信息 83
5.2.4 CellMiner，對抗癌癥的新工具 84
5.3 醫(yī)療信息數字化 86
5.4 搜索：超級大數據的最佳伙伴 88
5.5 數據決策的崛起 89
5.5.1 數據輔助診斷 90
5.5.2 你考慮過……了嗎 90
5.5.3 大數據分析使數據決策崛起 92
【習題】 92
【導讀案例】城市大腦是這樣煉成的 95
6.1 智慧交通駛入快車道 98
6.1.1 導航和感知更精準 99
6.1.2 機場管理更精細 99
6.1.3 數字航道動態(tài)監(jiān)測 100
6.1.4 創(chuàng)新驅動賦能增效 101
6.2 城市大腦建設 102
6.2.1 對城市大腦的認識 102
6.2.2 城市大腦產生根源和背景 103
6.2.3 城市大腦的未來目標 104
6.2.4 城市大腦的重要性 105
6.3 大數據——智慧城市的“核心” 105
6.3.1 城市大腦與數據可視化 106
6.3.2 城市大腦與數據共享 106
6.3.3 大數據驅動城市大腦 106
6.4 城市大數據治理 107
6.4.1 數據治理內容 107
6.4.2 數據治理類型 108
6.4.3 元數據管理 110
6.4.4 數據治理方案 111
6.4.5 數據治理模型 112
6.4.6 數據治理工具 113
【習題】 113
【導讀案例】南丁格爾“極區(qū)圖” 116
7.1 數據與可視化 118
7.1.1 數據的可變性 118
7.1.2 數據的不確定性 120
7.1.3 數據的背景信息 120
7.1.4 打造最好的可視化效果 122
7.2 數據與圖形 122
7.2.1 數據與走勢 123
7.2.2 視覺信息的科學解釋 124
7.3 視覺分析 125
7.3.1 熱點圖 125
7.3.2 時間序列圖 126
7.3.3 網絡圖 126
7.3.4 空間數據制圖 127
7.4 實時可視化 128
7.5 數據可視化的運用 128
【作 業(yè)】 130
【導讀案例】葡萄酒的品質 133
8.1 什么是預測分析 137
8.1 1 預測分析的作用 138
8.1.2 數據具有內在預測性 140
8.1.3 定量分析與定性分析 140
8.2 統(tǒng)計分析 141
8.2.1 A/B測試 141
8.2.2 相關性分析 142
8.2.3 回歸性分析 143
8.3 數據挖掘 144
8.4 大數據分析生命周期 145
8.4.1 商業(yè)案例評估 145
8.4.2 數據標識 146
8.4.3 數據獲取與過濾 147
8.4.4 數據提取 147
8.4.5 數據驗證與清理 148
8.4.6 數據聚合與表示 149
8.4.7 數據分析 150
8.4.8 數據可視化 150
8.4.9 分析結果的使用 151
【習題】 151
【導讀案例】什么是開源？ 154
9.1 開源技術商業(yè)支援 156
9.2 Hadoop基礎 157
9.2.1 Hadoop的由來 157
9.2.2 Hadoop的優(yōu)勢 158
9.3 分布式處理 159
9.3.1 分布式系統(tǒng) 159
9.3.2 分布式文件系統(tǒng) 160
9.3.3 并行與分布式數據處理 160
9.3.4 分布式存儲 161
9.4 NoSQL數據庫 161
9.4.1 主要特征 162
9.4.2 鍵-值存儲 164
9.4.3 文檔存儲 165
9.4.4 列簇存儲 166
9.4.5 圖存儲 167
9.4.6 與RDBMS的主要區(qū)別 168
9.5 NewSQL數據庫 169
【習題】 170
【導讀案例】數字經濟時代云發(fā)展趨勢 173
10.1 與數字化相關的技術 175
10.2 云計算概述 177
10.2.1 云計算定義 177
10.2.2 云基礎設施 179
10.3 計算虛擬化 180
10.4 網絡虛擬化 181
10.4.1 網卡虛擬化 181
10.4.2 虛擬交換機 182
10.4.3 接入層虛擬化 182
10.4.4 覆蓋網絡虛擬化 183
10.4.5 軟件定義網絡（SDN） 183
10.5 存儲虛擬化 184
10.6 云計算服務形式 185
10.6.1 云計算的服務層次 185
10.6.2 大數據與云相輔相成 186
10.6.3 云的挑戰(zhàn) 187
10.7 大數據與云計算 187
【習題】 188
【導讀案例】大數據與人工智能的關系 191
11.1 人工智能概述 192
11.2 機器學習基礎 193
11.2.1 機器學習的定義 194
11.2.2 基本結構 195
11.2.3 研究領域 196
11.3 機器學習分類 196
11.3.1 基于學習策略分類 196
11.3.2 基于知識表示形式分類 197
11.3.3 按應用領域分類 198
11.3.4 按學習形式分類 198
11.4 神經網絡與深度學習 201
11.4.1 人工神經網絡的特征 201
11.4.2 深度學習的意義 202
11.4.3 深度學習的方法 203
11.4.4 深度學習的實現 205
11.5 機器學習與深度學習 207
【習題】 208
【導讀案例】中國《個人信息保護法》施行 211
12.1 大數據的安全問題 213
12.1.1 采集匯聚安全 213
12.1.2 存儲處理安全 214
12.1.3 共享使用安全 215
12.2 大數據的管理維度 216
12.3 大數據的安全體系 216
12.3.1 安全技術體系 217
12.3.2 大數據安全治理 218
12.3.3 大數據安全測評 218
12.3.4 大數據安全運維 218
12.3.5 以數據為中心的安全要素 219
12.4 大數據倫理與法規(guī) 220
12.4.1 大數據的倫理問題 220
12.4.2 大數據的倫理規(guī)則 221
12.4.3 數據安全法施行 222
【習題】 223
【導讀案例】得數據者得天下 226
13.1 計算思維 229
13.1.1 計算思維的概念 229
13.1.2 計算思維的作用 230
13.1.3 計算思維的特點 232
13.2 數據工程師的社會責任 233
13.2.1 職業(yè)化和道德責任 233
13.2.2 ACM職業(yè)道德責任 234
13.2.3 軟件工程師道德基礎 235
13.3 數據科學與職業(yè)技能 236
13.3.1 數據科學重要技能 236
13.3.2 重要數據科學技能 237
13.3.3 技能因職業(yè)角色而異 238
13.3.4 大數據生態(tài)系統(tǒng)關鍵角色 240
【習題】 241
【導讀案例】加快建立完善數據產權制度 244
14.1 連接開放數據 245
14.1.1 LOD運動 246
14.1.2 利用開放數據的創(chuàng)業(yè)型公司 247
14.2 大數據資產的崛起 248
14.2.1 數據市場的興起 248
14.2.2 不同的商業(yè)模式 248
14.2.3 將原創(chuàng)數據變?yōu)樵鲋禂祿?49
14.2.4 大數據催生新的應用程序 249
14.2.5 在大數據“空白”中提取最大價值 250
14.3 大數據發(fā)展趨勢 250
14.3.1 信息領域的突破性發(fā)展 251
14.3.2 未來發(fā)展趨勢的專家預測 252
14.4 大數據技術展望 254
14.4.1 數據管理仍然很難 254
14.4.2 數據孤島繼續(xù)激增 254
14.4.3 流媒體分析的突破 255
14.4.4 技術發(fā)展帶來技能轉變 255
14.4.5 “快速數據”和“可操作數據” 256
14.4.6 預測分析將數據轉化為預測 256
【習題】 257
書單推薦
