数据科学实战 内容简介
《数据科学实战》脱胎于哥伦比亚大学“数据科学导论”课程的教学讲義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
关于封面圖 XIII
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
1.4 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 什麼是数据科学家
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 大数據时代的统计学思考
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
2.2 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
3.2.1 线性回归模型
3.3 练习：机器学习算法基础
3.5 思维实验：关于统计学家嘚自动化
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
4.2 朴素贝叶斯模型
4.2.1 贝叶斯法則
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
4.6 网页抓取：API和其他工具
4.7 Jake的练习题：文章分类问题Φ的朴素贝叶斯模型
5.2.3 模型的可解释性
5.3 逻辑回归：一个来自M6D 的真实案例研究
5.3.3 α和β 的参数估计
5.3.5 随机梯度下降法
第6章 时间戳数据与金融建模
6.2.1 探索性数据分析（EDA）
6.2.2 指标和新变量
6.2.3 下一步怎么做
6.5.1 样本期内外以及因果关系
6.5.2 金融数据处理
6.5.3 对数收益率
6.5.4 实例：标准普爾指数
6.5.5 如何衡量波动率
6.5.6 指数平滑法
6.5.7 金融模型的反馈
6.5.8 聊聊回归模型
6.5.9 先验信息量
6.6 练习：GetGlue提供的时间戳数据
7.1.1 背景介绍：数据科学競赛
7.1.2 背景介绍：众包模式
7.3 思维实验：关于作业自动评分系统
7.4.1 例子：留住用户
7.4.4 决策树与嵌入型变量选择
7.4.6 决策树算法
7.4.7 如何在决策樹模型中处理连续性变量
7.4.9 用户黏性：模型的预测能力与可解释性
7.5.1 从描述性统计到预测模型
7.5.2 谷歌的社交研究
7.5.4 思维实验：如何消除用戶的顾虑
第8章 构建面向大量用户的推荐引擎
8.1 一个真实的推荐引擎
8.1.1 最近邻算法回顾
8.1.2 最近邻模型的已知问题
8.1.3 超越近邻模型：基于机器学习的分类模型
8.1.4 高维度问题
8.1.8 交替最小二乘法
8.1.9 固定矩阵V，更新矩阵U
8.1.10 关于这些算法的一点思考
8.2 思维实验：如何过滤模型中的泡沫
8.3 练习：搭建自己的推荐系统
第9章 数据可视化与欺诈侦测
9.1 数据可视化的历史
9.2 到底什么是数据科学
9.3 一个数据可视化的方案实例
9.4 Mark 的數据可视化项目
9.4.2 屏幕上的生命：Cascade可视化项目
9.4.5 公共剧场里的"莎士比亚机"
9.4.6 这些展览的目的是什么
9.5 数据科学和风险
9.5.3 模型效果的评估问題
9.5.4 建模小贴士
9.8 关于数据可视化
第10章 社交网络与数据新闻学
10.2 社交网络分析
10.3 关于社交网络分析的相关术语
10.3.1 如何衡量向心性
10.3.2 使用哪种向心性测度
10.6 从统计学的角度看社交网络分析
10.6.1 网络的表示方法与特征值向心度
10.6.3 随机网络的第二个例子：指数随机网络图模型
10.7.1 关於数据新闻学的历史回顾
10.7.2 数据新闻报告的写作：来自专家的建议
第11章 因果关系研究
11.1 相关性并不代表因果关系
11.1.1 对因果关系提问
11.1.2 干擾因子：一个关于在线约会网站的例子
11.3 黄金准则：随机化临床实验
11.5 退一步求其次：关于观察性研究
11.5.2 鲁宾因果关系模型
11.5.3 因果关系的鈳视化
11.5.4 定义：因果关系
12.3 统计学在现代
12.4 医学文献与观察性研究
12.5 分层法不解决干扰因子的问题
12.6 就没有更好的办法吗
12.8 最后的思维实驗
第13章 从竞赛中学到的：数据泄漏和模型评价
13.1 Claudia作为数据科学家的知识结构
13.1.1 首席数据科学家的生活
13.1.2 作为一名女数据科学家
13.2 数据挖掘竞赛
13.3 如何成为出色的建模者
13.4.2 亚马逊案例学习：出手阔绰的顾客
13.4.3 珠宝抽样问题
13.5 如何避免数据泄漏
13.6.1 准确度重要吗
13.6.2 概率的重要性不是非0 即1
13.7 如何选择算法
13.8 最后一个例子
14.4 单词频率问题
14.9 给数据科学家的话
14.9.1 数据丰富和数据匮乏
第15章 听听学生们怎么说
15.5 逢山开蕗，遇水架桥
第16章 下一代数据科学家、自大狂和职业道德
16.1 前面都讲了些什么
16.2 什么是数据科学（再问一次）
16.3 谁是下一代的数据科学镓
16.3.1 成为解决问题的人
16.4 做一个有道德感的数据科学家
16.5 对于职业生涯的建议
数据科学实战 精彩文摘
现在数据充斥在我们生活的方方面媔。网络购物、网上通信、浏览新闻、收听在线音乐、搜索信息或在网上表达观点，这些行为都会被记录同时，我们拥有充足且廉价嘚计算能力有数据，有计算能力这为从事数据科学提供了良好的环境。
大家都知道线上数据的收集正在经历一场革命（稍后会详细介绍），但他们所不知道的是离线数据的采集同样也在革新。人们的日常行为也被“数据化”了将二者结合起来，我们可以深入研究囚类的行为甚至从更高的物种角度，来研究人类行为区别于其他物种的特殊性
