数据科学实战

本书脱胎于哥伦比亚大学“数据科学导论”课程（V4242）的教学讲义，由曾任教于该课程的 Rachel Schutt 与数据科学顾问 Cathy O'Neil 合作编写，英文原书由 O'Reilly 出版，中译本隶属图灵程序设计丛书。 全书围绕数据科学的工作链条展开：先界定数据科学的研究范畴与知识结构，讨论数据科学家在学术界与工业界的不同定义；再从统计推断、总体与样本、探索性数据分析切入，引出从数据到结论的完整工作流程。在算法层面，书中以线性回归、k 近邻、k 均值三大基本算法为起点，随后通过垃圾邮件过滤器与朴素贝叶斯、逻辑回归与点击率模型、时间戳数据与金融建模、特征选择与决策树等主题，逐步过渡到更贴近业务的建模方法。数据可视化、推荐引擎、社交网络分析等内容也在书中占据篇幅。 本书的一个显著特点是“嘉宾章节”：每一章多由来自谷歌、微软、eBay 等公司的一线数据科学家撰写，结合 RealDirect、M6D、GetGlue、Kaggle 竞赛等真实案例分享方法、代码与决策过程，并穿插“思维实验”，促使读者思考算法自动化、隐私保护、评分系统等带有伦理意味的问题。全书不追求公式推导的严密，重在展示从业务问题到数据解决方案的思考路径。