数据科学入门
Joel Grus
高蓉, 韩波 著
出版时间:2016年03月
页数:284
介绍数据科学基本知识的重量级读本,Google数据科学家作品。
数据科学是一个蓬勃发展、前途无限的行业,有人将数据科学家称为“21世纪头号性感职业”。本书从零开始讲解数据科学工作,教授数据科学工作所必需的黑客技能,并带领读者熟悉数据科学的核心知识——数学和统计学。
作者选择了功能强大、简单易学的Python语言环境,亲手搭建工具和实现算法,并精心挑选了注释良好、简洁易读的实现范例。书中涵盖的所有代码和数据都可以在GitHub上下载。
· 简单介绍Python
· 回顾一下线性几何、统计和概率知识,了解搞数据科学的时候怎么使用它们
· 收集、探索、清理、转换和操作数据
· 了解机器学习的基本知识
· 实现K近邻、朴素贝叶斯、线性及逻辑回归、决策树、神经网络及聚类等模型
· 探索推荐系统、自然语言处理、网络分析、MapReduce,还有数据库

本书基于易于理解且具有数据科学相关的丰富的库的Python语言环境,从零开始讲解数据科学工作。具体内容包括:Python速成,可视化数据,线性代数,统计,概率,假设与推断,梯度下降法,如何获取数据,k近邻法,朴素贝叶斯算法,等等。作者借助大量具体例子以及数据挖掘、统计学、机器学习等领域的重要概念,详细展示了什么是数据科学。
  1. 前言 
  2. 第1章 导论  
  3. 1.1 数据的威力  
  4. 1.2 什么是数据科学  
  5. 1.3 激励假设:DataSciencester  
  6. 1.3.1 寻找关键联系人  
  7. 1.3.2 你可能知道的数据科学家 
  8. 1.3.3 工资与工作年限  
  9. 1.3.4 付费账户
  10. 1.3.5 兴趣主题
  11. 1.4 展望
  12. 第2章 Python速成
  13. 2.1 基础内容
  14. 2.1.1 Python获取
  15. 2.1.2 Python之禅
  16. 2.1.3 空白形式
  17. 2.1.4 模块
  18. 2.1.5 算法
  19. 2.1.6 函数
  20. 2.1.7 字符串
  21. 2.1.8 异常
  22. 2.1.9 列表
  23. 2.1.10 元组
  24. 2.1.11 字典
  25. 2.1.12 集合
  26. 2.1.13 控制流
  27. 2.1.14 真和假
  28. 2.2 进阶内容
  29. 2.2.1 排序
  30. 2.2.2 列表解析
  31. 2.2.3 生成器和迭代器
  32. 2.2.4 随机性
  33. 2.2.5 正则表达式
  34. 2.2.6 面向对象的编程
  35. 2.2.7 函数式工具
  36. 2.2.8 枚举
  37. 2.2.9 压缩和参数拆分
  38. 2.2.10 args 和kwargs 
  39. 2.2.11 欢迎来到DataSciencester 
  40. 2.3 延伸学习
  41. 第3章 可视化数据
  42. 3.1 matplotlib 
  43. 3.2 条形图
  44. 3.3 线图
  45. 3.4 散点图
  46. 3.5 延伸学习
  47. 第4章 线性代数
  48. 4.1 向量
  49. 4.2 矩阵
  50. 4.3 延伸学习
  51. 第5章 统计学
  52. 5.1 描述单个数据集
  53. 5.1.1 中心倾向
  54. 5.1.2 离散度
  55. 5.2 相关
  56. 5.3 辛普森悖论
  57. 5.4 相关系数其他注意事项
  58. 5.5 相关和因果
  59. 5.6 延伸学习
  60. 第6章 概率
  61. 6.1 不独立和独立
  62. 6.2 条件概率
  63. 6.3 贝叶斯定理
  64. 6.4 随机变量
  65. 6.5 连续分布
  66. 6.6 正态分布
  67. 6.7 中心极限定理
  68. 6.8 延伸学习
  69. 第7章 假设与推断
  70. 7.1 统计假设检验
  71. 7.2 案例:掷硬币
  72. 7.3 置信区间
  73. 7.4 P-hacking  
  74. 7.5 案例:运行A/B测试
  75. 7.6 贝叶斯推断
  76. 7.7 延伸学习
  77. 第8章 梯度下降
  78. 8.1 梯度下降的思想
  79. 8.2 估算梯度
  80. 8.3 使用梯度
  81. 8.4 选择正确步长
  82. 8.5 综合
  83. 8.6 随机梯度下降法
  84. 8.7 延伸学习
  85. 第9章 获取数据
  86. 9.1 stdin和stdout  
  87. 9.2 读取文件
  88. 9.2.1 文本文件基础
  89. 9.2.2 限制的文件
  90. 9.3 网络抓取
  91. 9.3.1 HTML和解析方法
  92. 9.3.2 案例:关于数据的O'Reilly图书 
  93. 9.4 使用API  
  94. 9.4.1 JSON(和XML)  
  95. 9.4.2 使用无验证的API  
  96. 9.4.3 寻找API  
  97. 9.5 案例:使用Twitter API  
  98. 9.6 延伸学习
  99. 第10章 数据工作
  100. 10.1 探索你的数据
  101. 10.1.1 探索一维数据
  102. 10.1.2 二维数据
  103. 10.1.3 多维数据
  104. 10.2 清理与修改
  105. 10.3 数据处理
  106. 10.4 数据调整
  107. 10.5 降维
  108. 10.6 延伸学习
  109. 第11章 机器学习
  110. 11.1 建模
  111. 11.2 什么是机器学习
  112. 11.3 过拟合和欠拟合
  113. 11.4 正确性
  114. 11.5 偏倚-方差权衡
  115. 11.6 特征提取和选择
  116. 11.7 延伸学习
  117. 第12章 k近邻法
  118. 12.1 模型
  119. 12.2 案例:最喜欢的编程语言
  120. 12.3 维数灾难
  121. 12.4 延伸学习
  122. 第13章 朴素贝叶斯算法
  123. 13.1 一个简易的垃圾邮件过滤器
  124. 13.2 一个复杂的垃圾邮件过滤器
  125. 13.3 算法的实现
  126. 13.4 测试模型
  127. 13.5 延伸学习
  128. 第14章 简单线性回归
  129. 14.1 模型
  130. 14.2 利用梯度下降法
  131. 14.3 最大似然估计
  132. 14.4 延伸学习
  133. 第15章 多重回归分析
  134. 15.1 模型
  135. 15.2 最小二乘模型的进一步假设
  136. 15.3 拟合模型
  137. 15.4 解释模型
  138. 15.5 拟合优度
  139. 15.6 题外话:Bootstrap  
  140. 15.7 回归系数的标准误差
  141. 15.8 正则化
  142. 15.9 延伸学习
  143. 第16章 逻辑回归
  144. 16.1 问题
  145. 16.2 Logistic函数
  146. 16.3 应用模型
  147. 16.4 拟合优度
  148. 16.5 支持向量机
  149. 16.6 延伸学习
  150. 第17章 决策树
  151. 17.1 什么是决策树
  152. 17.2 熵
  153. 17.3 分割之熵
  154. 17.4 创建决策树
  155. 17.5 综合运用
  156. 17.6 随机森林
  157. 17.7 延伸学习
  158. 第18章 神经网络
  159. 18.1 感知器
  160. 18.2 前馈神经网络
  161. 18.3 反向传播
  162. 18.4 实例:战胜CAPTCHA  
  163. 18.5 延伸学习
  164. 第19章 聚类分析
  165. 19.1 原理
  166. 19.2 模型
  167. 19.3 示例:聚会
  168. 19.4 选择聚类数目k  
  169. 19.5 示例:对色彩进行聚类
  170. 19.6 自下而上的分层聚类
  171. 19.7 延伸学习
  172. 第20章 自然语言处理
  173. 20.1 词云
  174. 20.2 n-grams模型
  175. 20.3 语法
  176. 20.4 题外话:吉布斯采样
  177. 20.5 主题建模
  178. 20.6 延伸学习
  179. 第21章 网络分析
  180. 21.1 中介中心度
  181. 21.2 特征向量中心度
  182. 21.2.1 矩阵乘法
  183. 21.2.2 中心度
  184. 21.3 有向图与PageRank  
  185. 21.4 延伸学习
  186. 第22章 推荐系统
  187. 22.1 手工甄筛
  188. 22.2 推荐流行事物
  189. 22.3 基于用户的协同过滤方法
  190. 22.4 基于物品的协同过滤算法
  191. 22.5 延伸学习
  192. 第23章 数据库与SQL  
  193. 23.1 CREATE TABLE与INSERT  
  194. 23.2 UPDATE  
  195. 23.3 DELETE  
  196. 23.4 SELECT  
  197. 23.5 GROUP BY  
  198. 23.6 ORDER BY  
  199. 23.7 JOIN  
  200. 23.8 子查询
  201. 23.9 索引
  202. 23.10 查询优化
  203. 23.11 NoSQL  
  204. 23.12 延伸学习
  205. 第24章 MapReduce  
  206. 24.1 案例:单词计数
  207. 24.2 为什么是MapReduce 
  208. 24.3 更加一般化的MapReduce 
  209. 24.4 案例:分析状态更新
  210. 24.5 案例:矩阵计算
  211. 24.6 题外话:组合器
  212. 24.7 延伸学习
  213. 第25章 数据科学前瞻
  214. 25.1 IPython  
  215. 25.2 数学
  216. 25.3 不从零开始  
  217. 25.3.1 NumPy  
  218. 25.3.2 pandas  
  219. 25.3.3 scikit-learn 
  220. 25.3.4 可视化
  221. 25.3.5 R  
  222. 25.4 寻找数据
  223. 25.5 从事数据科学
  224. 25.5.1 Hacker News 
  225. 25.5.2 消防车
  226. 25.5.3 T恤
  227. 25.5.4 你呢?
书名:数据科学入门
作者:Joel Grus
译者:高蓉, 韩波 著
国内出版社:人民邮电出版社
出版时间:2016年03月
页数:284
书号:978-7-115-41741-1
原版书书名:Data Science from Scratch
原版书出版商:O'Reilly Media
Joel Grus
 
Joel Grus是Google的一位软件工程师,曾于数家创业公司担任数据科学家。目前住在西雅图,专注于数据科学工作并乐此不疲。偶尔在joelgrus.com发表博客,长期活跃于Twitter @joelgrus。