《数据科学中的数学方法》介绍了一种基于网络分析的新方法,将大数据整合到常微分方程和偏微分方程的框架中进行数据分析和预测。数学伴随着数据科学中出现的例子和问题,以演示高等数学,特别是数据驱动的微分方程。章节还涵盖网络分析,常微分方程和偏微分方程基于最近发表和未发表的结果。最后,本书介绍了一种基于网络分析的新方法,将大数据整合到常微分方程和偏微分方程的框架中进行数据分析和预测。在数据科学中有许多关于数学方法的书籍。目前,所有这些相关的书籍主要集中在线性代数,优化和统计方法。然而,网络分析、常微分方程模型和偏微分方程模型在数据科学中发挥着越来越重要的作用。随着COVID-19临床、流行病学和社会数据的空前丰富,数据驱动的微分方程模型在感染预测和分析方面变得更加有用。 https://www.elsevier.com/books/mathematical-methods-in-data-science/ren/978-0-443-18679-0