简介
精彩点评
-
colin推荐
走马观花，蜻蜓点水般地介绍了大数据挖掘在医疗、商业等各个领域的前沿发展和应用。数据存储、数据应用和各种已经广泛应用的压缩、加密的算法，都有简单的提及，但技术细节没有深入；对计算机伦理、算法的局限性和个人隐私保护等等的问题，也只是点到为止。也算是 VSI 系列的特点吧，想展现学科的全貌，但又限于篇幅没能展开更多。 btw，中译本将强行将大家熟知的英文生硬地译成中文着实辣眼睛，诸如 YouTube, cookie, MapReduce, PageRank 这些名词强行硬翻成优兔、网络饼干、映射回归、佩奇排序这样的例子还有很多，略瞎。
-
刘青青推荐
一本非常好的数据通识课，系统有趣，没有艰深的概念，一口气读完，很带劲
-
李峰-LiF 0.8 Fess-🐯推荐
牛津通识很多，这个是自己读的三十六本了，mark一下，这里面的内容也是自己最为喜欢的，也就是我们当下社会最为火热的内容，在这里面也是听读的，我们的社会随着社会化程度的发展，似乎原来的人生不能摆脱的内容也发生了变化，除了生死和纳税之外，新时代的就是大数据了，各种数据的集合给我们带来了若干便利，也是促进了社会经济的发展，使得我们思维方式从因果关系的归纳，变成了数据的类聚分析，或者我们需要怎样的方式在不确定之中找到规律，这样可以不知道原因来得到数据，这个也是当下ai的解决问题的方式，对于医学来说可能存在更好的解决方案，但另外一个角度来说我们成为了透明人，数字透明，我们行为模式从数据分析之中得到的自我，其实我们自己认知还有丰富，维度更多，因为我们自己是被自我所局限了，这个也就是所谓算法根据数据大数据反向来对我们的伤害，这里面当然除了算法或者大数据分析之外，对于外卖小哥的压榨，我们归因于资本，但是外卖是不是一种社会服务呢，存在着社会责任不，如同当下m记的24小时服务。其实这里也说了重点就是斯诺登事件，也算是大数据的问题之一，对于整个社会的影响也是巨大的，使得我们发现大数据的使用也是有国家的，如同我们常说技术无罪一样的辩白。
-
Jollier👻推荐
专业术语比较多，原理部分都略略看了，关于应用的部分内容在近些年来也早就尽人皆知了，总之现在看来书里的大部分信息都有些过时了。
-
YiyaChen卫推荐
牛津大学计算机人工智能领域专家教授写这本大数据书，内容简洁充实。本书与其它牛津通识读本比较，它居然没有请其它专家为之写导论介绍。为什么！估计是没有金刚钻不揽瓷器活。这可以看成本书特点。第五章大数据在医学领域的应用，最为精彩特色，2017就开始关注抗流感等，例如，非洲埃博拉暴发。 另外，作者不仅从比较高的角度有归纳介绍，同时这本小册子中居然还有不少技术领域介绍细节，例如，佩奇排名、医学中的沃森，深网包括暗网网站，机器人和工作机会，物联网”技术的进步，智能交通工具，智能家居与城市等。它细致，例如，“与关系数据库相比较，海杜普分布式文件系统的一个主要优点是：你可以收集大量数据，并不断添加数据，而且此时无须明了以后这些数据有何种用途“。“非关系型数据库有四种主要类型：键值存储数据库、列存储数据库、文档型数据库和图形数据库“。并且对于上面包括云储存等都有描述，及简明扼要地介绍，如此等等。 大数据可以被认为是这个科技时代特征，大数据为什么不一般的“四个主要特征：即数量大、种类多、速度快和准确性，给数据管理带来了巨大挑战”。 对于大数据的处理综合统计，学计算机及人工智能及与相关数据特殊专业四大方面有机结合领域，其最终的结果或者产品就是利用上面四个方面的技术，来更好分析预测大数据应用之结果。 她甚至介绍目前出现量子计算机及广阔的前景。它还有大数据安全与斯诺登事件介绍。总之，愿有更多的读者来欣赏，关注这本精彩，难得无任何非话之小百科好书。 作为一般概念性科普书，本书所涉及的内容，范围，学问及哲学思想深度与时具进，完全可以令人耳目一新。值得拥有与收藏。大力推荐给有一定相关基础，并且同行感兴趣的读者。相信它也更是非IT挨踢码农人士宠物。 简单讲、现代人面对大数据，似乎如同人类二战期间伟大俄国植物遗传资源鼻祖科学家瓦维诺夫面对世界丰富植物遗传资源一样，其同一性是大数据同样涉及到：收集，保存，评价、利用四大方面，只是在其技术领域具体诠释理论与方法有变。本书也从上四方面, 都做了精彩有技术含量诠释。本书五🌟星有余。2021新年大吉！
-
月照山河推荐
看待大数据的三个视角和四个维度 三个视角 一是计算视角：从计算视角来看，大数据是一个难以获取、难以组织与管理、难以处理和分析的技术难题（以及因此而引发的各类思维层难题），也正是因为这样的难题驱动，加之人们对大数据在优政、兴业、科研、惠民等不同领域的价值期望，促使相关科研人员进行技术攻关和发明创造，进而推进了相关理论和技术的发展。 二是科研视角：从科学研究的角度来看，大数据成为继实验、理论、模拟之后用于科学研究的“第四范式”（此处的“范式”指的是从事某一科学的科学家群体所共同遵从的世界观和行为方式）。 三是商业视角：从商业应用的角度来看，大数据能够带来利润。一般而言，只要找到一个合适的应用场景，并为这个应用场景找到一个合适的解决方案，知道数据的来源并且能够获取，而且有技术支撑（研发能力），更重要的是能够找到融资支持（经过可行性分析、盈亏平衡分析等之后），就有可能最终成功应用并获得收益。这在彰显大数据商业价值的同时，也会促使同行去挖掘更多的大数据价值。 大数据的价值实现涉及数据、技术与应用的协同，具有典型的多学科交叉与跨界整合特征，因此就总体而言，实现大数据价值至少涉及如下四个维度（层面）。 1. 算法（Algorithm）：大数据价值的实现路径涵盖了数据采集与汇聚、数据存储与管理、数据处理与分析、应用系统开发与运维，每一个环节都需要依赖不同的算法进行，如数据采集算法、数据汇聚算法、数据治理算法、数据处理和分析算法等。 2. 商业应用（Business）：大数据应用一般体现在描述性分析、预测性分析或者决策性分析等，任何一种应用都是围绕某个具体场景展开的，因此大数据价值得以实现的一个重要前提，是找到一个合适的应用场景，该应用场景既直击需求痛点并有投资回报预期，又有数据积淀和IT建设基础。大数据在这个场景的应用，能够进一步内生和富集更多数据并因而形成数据闭环，就能进一步体现和实现大数据价值。 3. 算力（Computing Power）：所谓算力，指的是设备的计算能力，显然，对于大数据应用而言，更精准（复杂）的算法以及更高效的计算需求都需要强大的算力支撑，因此算力是大数据价值实现的基本保障。 4. 数据（Data）：数据是大数据价值实现的基础，因此必须首先解决诸如数据在哪以及如何从不同的数据源获取数据，并进行有效的富集、汇聚和深入加工等问题，从而为应用提供数据支撑或高级语义支撑。