數(shù)據(jù)科學實戰(zhàn)

作者介紹
關(guān)于封面圖
前言
第1章簡介：什么是數(shù)據(jù)科學
　1．1大數(shù)據(jù)和數(shù)據(jù)科學的喧囂
　1．2沖出迷霧
　1．3為什么是現(xiàn)在
　1．4數(shù)據(jù)科學的現(xiàn)狀和歷史
　1．5數(shù)據(jù)科學的知識結(jié)構(gòu)
　1．6思維實驗：元定義
　1．7什么是數(shù)據(jù)科學家
　　1．7．1學術(shù)界對數(shù)據(jù)科學家的定義
　　1．7．2工業(yè)界對數(shù)據(jù)科學家的定義
第2章統(tǒng)計推斷、探索性數(shù)據(jù)分析和數(shù)據(jù)科學工作流程
　2．1大數(shù)據(jù)時代的統(tǒng)計學思考
　　2．1．1統(tǒng)計推斷
　　2．1．2總體和樣本
　　2．1．3大數(shù)據(jù)的總體和樣本
　　2．1．4大數(shù)據(jù)意味著大膽的假設
　　2．1．5建模
　2．2探索性數(shù)據(jù)分析
　　2．2．1探索性數(shù)據(jù)分析的哲學
　　2．2．2練習：探索性數(shù)據(jù)分析
　2．3數(shù)據(jù)科學的工作流程
　2．4思維實驗：如何模擬混沌
　2．5案例學習：RealDirect
　　2．5．1RealDirect是如何賺錢的
　　2．5．2練一練：RealDirect公司的數(shù)據(jù)策略
第3章算法
　3．1機器學習算法
　3．2三大基本算法
　　3．2．1線性回歸模型
　　3．2．2足近鄰模型(k-NN)
　　3．2．3I(均值算法
　3．3練習：機器學習算法基礎
　3．4總結(jié)
　3．5思維實驗：關(guān)于統(tǒng)計學家的自動化
第4章垃圾郵件過濾器、樸素貝葉斯與數(shù)據(jù)清理
　4．1思維實驗：從實例中學習
　　4．1．1線性回歸為何不適用
　　4．1．2l(近鄰效果如何
　4．2樸素貝葉斯模型
　　4.2．1貝葉斯法則
　　4．2．2個別單詞的過濾器
　　4．2．3直通樸素貝葉斯
　4．3拉普拉斯平滑法
　4．4對比樸素貝葉斯和k近鄰
　4．5Bash代碼示例”
　4.6網(wǎng)頁抓?。篈Pl和其他工具
　4．7Jake的練習題：文章分類問題中的樸素貝葉斯模型
第5章邏輯回歸
　5．1思維實驗
　5．2分類器
　　5．2．1運行時間
　　5．2．2你自己
　　5．2．3模型的可解釋性
　　5．2．4可擴展性
　……
第6章時間戳數(shù)據(jù)與金融建模
第7章從數(shù)據(jù)到結(jié)論
第8章構(gòu)建面向大量用戶的推薦引擎
第9章數(shù)據(jù)可視化與欺詐偵測
第10章社交網(wǎng)絡與數(shù)據(jù)新聞學
第11章因果關(guān)系研究
第12章流行病學
第13章從競賽中學到的：數(shù)據(jù)泄漏和模型評價
第14章數(shù)據(jù)工程：Mapreduce pregel、Hadoop
第15章聽聽學生學們怎么說
第16章下一代數(shù)據(jù)科學家、自大狂和職業(yè)道德