数据科学（影印版）

图书标准信息

• 作者 [美]舒特、奥尼尔 著
• 出版社 东南大学出版社
• 出版时间 2014-09
• 版次 1
• ISBN 9787564149840
• 定价 74.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 375页
• 字数 412千字
• 正文语种 英语

【内容简介】

　　现在人们已经意识到数据可以让选举或者商业模式变得不同，数据科学作为一项职业正在不断发展。
　　但是你应该如何在这样一个广阔而又错综复杂的交叉学科领域中开展工作呢？舒特、奥尼尔著的《数据科学（影印版）》这本书将会告诉你所需要了解的一切。
　　它富有深刻见解，是根据哥伦比亚大学的数据科学课程的讲义整理而成。

【作者简介】

RachelSchutt，新闻集团数据科学高级副总裁，是哥伦比亚大学的统计学兼职教授，也是数据科学和工程学院教育委员会的创始会员。

【目录】

Preface
1.Introduction：WhatIsDataScience?
BigDataandDataScienceHype
GettingPasttheHype
WhyNow?
Datafication
TheCurrentLandscape（withaLittleHistory）
DataSciencelobs
ADataScienceProfile
ThoughtExperiment：Meta-Definition
OK，SoWhatIsaDataScientist，Really?
InAcademia
InIndustry

2.StatisticalInference，ExploratoryDataAnalysis，andtheDataScience
Process
Statistic.a1ThinkingintheAgeofBigData
StatisticalInference
PopulationsandSamples
PopulationsandSamplesofBigData
BigDataCanMeanBigAssumptions
Modeling
ExploratoryDataAnalysis
PhilosophyofExploratoryDataAnalysis
Exercise：EDA
TheDataScienceProcess
ADataScientist'sRoleinThisProcess
ThoughtExperiment：HowWouldYouSimulateChaos?
CaseStudy：RealDirect
HowDoesRealDirectMakeMoney?
Exercise：RealDirectDataStrategy

3.Algorithms
MachineLearningAlgorithms
ThreeBasicAlgorithms
LinearRegression
k-NearestNeighbors（k-NN）
k-means
Exercise：BasicMachineLearningAlgorithms
Solutions
SummingItAllUp
ThoughtExperiment：AutomatedStatistician

4.SpareFilters，NaiveBayes，andWrangling
ThoughtExperiment：LearningbyExample
WhyWon'tLinearRegressionWorkforFilteringSpare?
HowAboutk-nearestNeighbors?
NaiveBayes
BayesLaw
ASpareFilterforIndividualWords
ASpamFilterThatCombinesWords：NaiveBayes
FancyItUp：LaplaceSmoothing
ComparingNaiveBayestok-NN
SampleCodeinbash
ScrapingtheWeb：APIsandOtherTools
Jake'sExercise：NaiveBayesforArticleClassification
SampleRCodeforDealingwiththeNYTAPI

5.LogisticRegression
ThoughtExperiments
Classifiers
Runtime
You
Interpretability
Scalability
M6DLogisticRegressionCaseStudy
ChckModels
TheUnderlyingMath

6．1imeStampsandFinancialModeling
7．ExtractingMeaningfromData
8．RecommendationEngines：BuildingaUser-FacingDataProductatScale
9．DataVisualizationandFraudDetection
10．SociaINetworksandDataJournalism
11．Causality
12．Epidemiology
13．LessonsLearnedfromDataCompetitions：DataLeakageandModelEvaluation
14．DataEngineering：MapReduce，Pregel，andHadoop
15．TheStudentsSpeak
16．Next-GenerationDataScientists，Hubris，andEthics
Index