信息系统与数据科学PDF|Epub|txt|kindle电子书版本网盘下载

信息系统与数据科学PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 信息系统基础2

第1章 系统论2

1.1 系统2

1.2 系统模型3

1.3 系统的分类4

1.4 系统学基本原理6

小结9

习题9

第2章 信息论10

2.1 数据与信息10

2.2 信息的性质10

2.3 人类利用信息的过程12

2.4 信息的度量13

2.5 信息的分类15

2.6 信息的特点16

2.7 信息的用途16

2.8 信息与管理17

小结17

习题18

第3章 信息系统概论19

3.1 信息系统19

3.2 信息系统的发展20

3.3 信息系统的类型21

3.4 信息系统和管理的关系23

3.5 MRP、MRP II与ERP24

3.6 MIS面临的挑战26

3.7 信息系统案例研究27

小结27

习题28

第4章 信息资源管理29

4.1 信息资源管理的形成29

4.2 信息资源管理的含义31

4.2.1 信息与信息资源31

4.2.2 信息管理32

4.2.3 信息资源管理的产生33

4.2.4 信息资源管理的含义34

4.3 信息资源管理的发展35

4.4 信息资源内容管理36

4.5 网络信息资源管理38

4.6 设立企业CIO41

4.7 企业IT治理43

小结48

习题48

第二部分 信息系统52

第5章 管理信息系统52

5.1 管理信息系统的定义和概念52

5.1.1 管理信息系统的定义52

5.1.2 管理信息系统的要素53

5.1.3 MIS的概念53

5.1.4 管理信息系统的开发54

5.2 管理信息系统可行性分析55

5.2.1 可行性分析的目的和步骤55

5.2.2 可行性研究报告57

5.3 管理信息系统规划57

5.4 信息系统开发方法61

5.5 系统分析62

5.6 系统设计67

5.7 系统实施、评价与运行管理70

5.8 信息系统项目管理71

5.9 业务流程再造案例研究74

小结81

习题82

第6章 决策支持系统83

6.1 管理与决策83

6.2 决策问题的类型84

6.3 决策模型85

6.4 决策支持系统的发展历史85

6.5 决策支持技术的新进展86

6.6 决策支持系统详解87

6.6.1 决策支持系统的定义87

6.6.2 决策支持系统的原理88

6.6.3 决策支持系统的发展89

6.6.4 决策支持系统的功能89

6.6.5 决策支持系统的基本模式90

6.6.6 决策支持系统的部件90

6.7 智能决策支持系统91

6.8 群决策支持系统93

6.9 新决策支持系统95

6.10 综合决策支持系统结构97

6.11 网络环境的综合决策支持系统97

6.12 决策支持系统应用案例研究99

小结102

习题102

第7章 数据仓库与联机分析103

7.1 数据仓库简介103

7.2 数据预处理105

7.3 元数据107

7.4 数据组织108

7.5 数据仓库工具——OLAP112

7.6 商务智能114

7.7 数据仓库的应用115

7.8 数据仓库案例研究116

小结119

习题119

第8章 数据挖掘120

8.1 数据挖掘的基本概念120

8.2 数据挖掘的过程121

8.3 数据挖掘的分类121

8.4 数据挖掘方法122

8.4.1 神经网络122

8.4.2 决策树124

8.4.3 关联规则126

8.4.4 聚类算法130

8.5 数据挖掘的应用范围132

8.6 数据挖掘案例研究133

小结146

习题147

第三部分 数据科学150

第9章 云计算150

9.1 云计算的出现150

9.2 云计算概论150

9.2.1 云计算的定义150

9.2.2 云计算的发展史151

9.2.3 云计算的基本特征、部署模式、服务形态和判识标准153

9.3 云计算关键技术154

9.3.1 云计算产生的基础154

9.3.2 云计算所涉及的关键技术155

9.4 云计算的意义156

9.5 云计算对企业信息化的启示157

9.5.1 资源与资产的脱钩以及资源的弹性配置157

9.5.2 公共运行平台的做大做强158

9.5.3 服务形态158

9.6 企业实施云计算的策略与方法159

小结160

习题161

第10章 大数据及其应用162

10.1 大数据的概念162

10.1.1 大数据的发展162

10.1.2 大数据的分类163

10.2 大数据的特点164

10.3 大数据的影响164

10.4 大数据技术165

10.4.1 整体技术165

10.4.2 关键技术166

10.5 商业大数据的应用168

10.5.1 大数据的商业价值168

10.5.2 大数据与零售业的结合运用170

10.5.3 大数据在零售企业实战中的应用案例171

10.6 大数据的趋势174

10.6.1 发展方向174

10.6.2 发展趋势174

10.7 大数据的企业应对策略175

10.8 大数据处理软件Hadoop176

小结181

习题181

第11章 数据科学概论182

11.1 数据科学与数据科学家182

11.1.1 关于大数据和数据科学182

11.1.2 数据科学正在成长183

11.1.3 数据科学的出现184

11.1.4 数据化184

11.1.5 数据科学的概念185

11.1.6 数据科学家187

11.1.7 数据科学家的类型188

11.2 探索性数据分析190

11.2.1 大数据时代的统计思维190

11.2.2 探索性数据分析197

11.2.3 数据科学处理过程199

11.2.4 探索性分析案例研究201

11.3 算法204

11.3.1 机器学习算法204

11.3.2 三种基本算法205

11.3.3 线性回归206

11.3.4 k-近邻（k-NN）算法209

11.3.5 k-均值（k-Means）算法214

11.4 朴素贝叶斯算法216

11.4.1 朴素贝叶斯217

11.4.2 单个单词的垃圾邮件过滤器217

11.4.3 含多个单词的垃圾邮件过滤器：朴素贝叶斯218

11.5 推送系统219

11.5.1 普通推送算法介绍219

11.5.2 一个实际的推送引擎222

11.6 数据可视化222

11.6.1 数据可视化技术223

11.6.2 多维数据可视化225

11.6.3 数据仪表盘225

小结229

习题229

第12章 R语言基础230

12.1 R语言简介230

12.2 R软件安装230

12.3 R的函数232

12.4 R语言语法简述234

12.5 R语言案例236

小结237

习题237

参考文献238