编辑推荐
本书基于通俗易懂的Python语言环境，拥有丰富的数据科学相关库，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，统计学，概率，假设与推理，梯度下降法，如何获取数据，K近邻法，朴素贝叶斯算法等。用大量的具体例子和数据挖掘、统计学、机器学习领域的重要概念等，详细展示什么是数据科学。
目录
- 前言 xiii
- 第1章 导论 1
- 1．1 数据的威力 1
- 1．2 什么是数据科学 1
- 1．3 激励假设：DataSciencester 2
- 1．3．1 寻找关键联系人 3
- 1．3．2 你可能知道的数据科学家 5
- 1．3．3 工资与工作年限 8
- 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 13
- 2．1．1 Python获取 13
- 2．1．2 Python之禅 14
- 2．1．3 空白形式 14
- 2．1．4 模块 15
- 2．1．5 算法 16
- 2．1．6 函数 16
- 2．1．7 字符串 17
- 2．1．8 异常 18
- 2．1．9 列表 18
- 2．1．10 元组 19
- 2．1．11 字典 20
- 2．1．12 集合 22
- 2．1．13 控制流 23
- 2．1．14 真和假 24
- 2．2 进阶内容 25
- 2．2．1 排序 25
- 2．2．2 列表解析 &n
数据科学正在蓬勃发展、在一个前途无限的行业，有人称之为数据科学家“21世纪最性感的职业”本书从零开始讲解数据科学工作，教授数据科学工作所必须的黑客技能，带领读者熟悉数据科学——数学和统计学的核心知识。作者选择了强大、Python语言环境很容易学习，工具和算法都是手工构建的，带有精心选择的注释、简单易读的实现示例。书中涵盖的所有代码和数据都可以在GitHub上下载。
说是数据科学指路到是差不多。告诉你有哪些方面的知识需要去学习的。25章每章都值得单独去借上一两本书去学习，都值得花上一两个月用上N多个案例来实践，这样之后，我觉得才是真的入门了。
书中的代码又是一段一段的，估计只有作者才会知道这个功能是怎么来的，有什么用。后面的章里面经常大量地使用到前面各章中的代码（函数），但是书里面是不会告诉你需要（从哪里）导入的。甚至有些是python自带模块的函数，作者也是不会说的。但是却是经常需要from collections import Counter，或者from functools import partial等等。又不说，谁知道呢。感觉就是作者觉得这么讲，你们（读者）应该懂了。
不过就像开头说的，至少它起到了一个引路的作用，还是有其作用的。我就对里面提到的贝叶斯和线性回归比较感兴趣，已经借了两本专门讲贝叶斯分析的书回来看了。还专门拿了大学时候的统计学教材来学习“相关和回归分析”相关内容。
前面读起来感觉还可以，有种学会了感觉，但后面就慢慢读不懂了，作者对这些算法的历史，特点，适用场景等知识似乎没有怎么讨论，所以后面感觉学的就比较混乱了。而且不依赖矩阵等类库，看似用标准库就实现许多算法很厉害， 其实反而加大了学习难度跟减少了实用性。 但是对人还是有一定启发的