大数据时代的软件工程 软件科学家与数据科学家的思维碰撞【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

大数据时代的软件工程 软件科学家与数据科学家的思维碰撞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1章 简介1

1.1软件工程的数据科学视角1

1.2软件分析与实际应用4

1.3归纳式软件工程的七个原则：我们做的是不同的7

1.4软件工程中对数据分析模式的需求11

1.5从软件数据到软件理论：到达的捷径14

1.6为何理论是重要的17

第2章 成功案例与应用21

2.1挖掘应用中的异常21

2.2拥抱动态工件25

2.3移动应用商店分析28

2.4软件的自然性30

2.5版本发布就绪的研究进展34

2.6如何征服你的在线服务37

2.7评价个人生产率40

2.8基于堆栈跟踪的攻击面检测43

2.9软件工程数据的视觉分析46

2.10游戏数据分组后效果更佳49

2.11实践中应用数据科学的成功故事52

2.12从来没有足够的时间做所有需要的测试56

2.13能源开采的危险：多次衡量，一次比较59

2.14大规模商业软件中的错误文件定位63

2.15 定制组件：个性化问题跟踪的机遇66

2.16至关重要的是决策而非数字：分析设计表68

2.17编程语言对代码质量影响的系统研究72

2.18代码审查不是为了寻找缺陷：即使已建立的工具也需要偶尔进行评估74

第3章 技术78

3.1会谈78

3.2查找暂存数据中的状态转换83

3.3卡片分类：从文本到主题85

3.4工具！工具！我们需要工具88

3.5基于证据的软件工程93

3.6你需要哪种机器学习方法96

3.7首先结构化你的非结构化数据！用标签云概括非结构化数据的案例99

3.8解析数据！准备原始数据的实用技巧105

3.9自然语言处理不是免费的午餐109

3.10聚集经验证据进行更可信的决策112

3.11如果是软件工程，它可能是一个贝叶斯因子117

3.12隐私和数据共享都要有恰如其分的条件120

3.13软件工程可预测模型中的群体智慧124

3.14挖掘软件数据时兼顾定量方法和定性方法128

3.15 为存活而调查设计的过程和为远航而调查部署的过程132

第4章 智慧与技巧138

4.1记录一切？138

4.2起源的重要性140

4.3从一开始就保持开放144

4.4减少洞察时间147

4.5获取成功的五步：如何在组织中部署数据科学150

4.6发布过程如何影响软件分析153

4.7安全无价156

4.8挖掘错误报告中的陷阱159

4.9使可视化成为分析过程的一部分163

4.10不要忘记开发者（小心你的假设）165

4.11研究的局限性和语境168

4.12可执行的指标才是更好的指标171

4.13可复制的结果更可靠175

4.14软件工程研究的多样性178

4.15一次还不够：为什么需要重复181

4.16不仅仅是数字：可视化的需求184

4.17不要使自己尴尬：小心数据中的偏差187

4.18操作数据丢失、错误和脱离语境193

4.19数据科学在改进和评估过程中演化？197

4.20相关性不是因果关系（不要大叫“找到了！”）199

4.21小软件公司的软件分析：问题比答案更多202

4.22路灯下的软件分析（《星际迷航》教会我们提出正确问题的重要性）205

4.23软件工程实验中会出现哪些错误208

4.24同样的大小并不适合所有情况211

4.25对于好的模型，简单的解释更好212

4.26白衬衫效应：从失败的期望中学习215

4.27简单的问题能导致更好的见解218

4.28连续实验以尽早评估价值222

4.29谎言、可恶的谎言和分析：为什么大数据需要厚数据225

4.30整个世界都是你的测试套件229