本书脱胎于哥伦比亚大学“数据科学导论”课程的教学讲义，它界定了数据科学的研究范畴，是一本注重人文精神，多角度、全方位、深入介绍数据科学的实用指南，堪称大数据时代的实战宝典。本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。
目录
- 作者介绍
- 关于封面图
- 前言
- 第1章简介：什么是数据科学
- 1．1大数据和数据科学的喧嚣
- 1．2冲出迷雾
- 1．3为什么是现在
- 1．4数据科学的现状和历史
- 1．5数据科学的知识结构
- 1．6思维实验：元定义
- 1．7什么是数据科学家
- 1．7．1学术界对数据科学家的定义
- 1．7．2工业界对数据科学家的定义
- 第2章统计推断、探索性数据分析和数据科学工作流程
- 2．1大数据时代的统计学思考
- 2．1．1统计推断
- 2．1．2总体和样本
- 2．1．3大数据的总体和样本
- 2．1．4大数据意味着大胆的假设
- 2．1．5建模
- 2．2探索性数据分析
- 2．2．1探索性数据分析的哲学
- 2．2．2练习：探索性数据分析
- 2．3数据科学的工作流程
- 2．4思维实验：如何模拟混沌
- 2．5案例学习：RealDirect
- 2．5．1RealDirect是如何赚钱的
- 2．5．2练一练：RealDirect公司的数据策略
- 第3章算法
- 3．1机器学习算法
- 3．2三大基本算法
- 3．2．1线性回归模型
- 3．2．2足近邻模型(k-NN)
- 3．2．3I(均值算法
- 3．3练习：机器学习算法基础
- 3．4总结
- 3．5思维实验：关于统计学家的自动化
- 第4章垃圾邮件过滤器、朴素贝叶斯与数据清理
- 4．1思维实验：从实例中学习
- 4．1．1线性回归为何不适用
- 4．1．2l(近邻效果如何
- 4．2朴素贝叶斯模型
- 4.2．1贝叶斯法则
- 4．2．2个别单词的过滤器
- 4．2．3直通朴素贝叶斯
- 4．3拉普拉斯平滑法
- 4．4对比朴素贝叶斯和k近邻
- 4．5Bash代码示例”
- 4.6网页抓取：APl和其他工具
- 4．7Jake的练习题：文章分类问题中的朴素贝叶斯模型
- 第5章逻辑回归
- 5．1思维实验
- 5．2分类器
- 5．2．1运行时间
- 5．2．2你自己
- 5．2．3模型的可解释性
- 5．2．4可扩展性
- ……
- 第6章时间戳数据与金融建模
- 第7章从数据到结论
- 第8章构建面向大量用户的推荐引擎
- 第9章数据可视化与欺诈侦测
- 第10章社交网络与数据新闻学
- 第11章因果关系研究
- 第12章流行病学
- 第13章从竞赛中学到的：数据泄漏和模型评价
- 第14章数据工程：Mapreduce pregel、Hadoop
- 第15章听听学生学们怎么说
-
第16章下一代数据科学家、自大狂和职业道德
