内容简介

数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21世纪头号性感职业”。本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。

作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。书中涵盖的所有代码和数据都可以在GitHub上下载。

通过阅读本书，你可以：

学到一堂Python速成课；

学习线性代数、统计和概率论的基本方法，了解它们是怎样应用在数据科学中的；

掌握如何收集、探索、清理、转换和操作数据；

深入理解机器学习的基础；

运用k-近邻、朴素贝叶斯、线性回归和逻辑回归、决策树、神经网络和聚类等各种数据模型；

探索推荐系统、自然语言处理、网络分析、MapReduce和数据库。

作者简介

Joel Grus

是Google的一位软件工程师，曾于数家创业公司担任数据科学家。目前住在西雅图，专注于数据科学工作并乐此不疲。偶尔在joelgrus.com发表博客，长期活跃于Twitter @joelgrus。

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　　25
2.2.3　生成器和迭代器　　26
2.2.4　随机性　　27
2.2.5　正则表达式　　28
2.2.6　面向对象的编程　　28
2.2.7　函数式工具　　29
2.2.8　枚举　　31
2.2.9　压缩和参数拆分　　31
2.2.10　args 和kwargs　　32
2.2.11　欢迎来到DataSciencester　　33
2.3　延伸学习　　33
第3章　可视化数据　　34
3.1　matplotlib　　34
3.2　条形图　　36
3.3　线图　　40
3.4　散点图　　41
3.5　延伸学习　　44
第4章　线性代数　　45
4.1　向量　　45
4.2　矩阵　　49
4.3　延伸学习　　51
第5章　统计学　　53
5.1　描述单个数据集　　53
5.1.1　中心倾向　　55
5.1.2　离散度　　56
5.2　相关　　58
5.3　辛普森悖论　　60
5.4　相关系数其他注意事项　　61
5.5　相关和因果　　62
5.6　延伸学习　　63
第6章　概率　　64
6.1　不独立和独立　　64
6.2　条件概率　　65
6.3　贝叶斯定理　　66
6.4　随机变量　　68
6.5　连续分布　　68
6.6　正态分布　　69
6.7　中心极限定理　　72
6.8　延伸学习　　74
第7章　假设与推断　　75
7.1　统计假设检验　　75
7.2　案例：掷硬币　　75
7.3　置信区间　　79
7.4　P-hacking　　80
7.5　案例：运行A/B测试　　81
7.6　贝叶斯推断　　82
7.7　延伸学习　　85

...

下载地址：https://u3990681.ctfile.com/fs/3990681-226929254

更多书单和推荐电子书请关注藏书者的新浪博客http://blog.sina.com.cn/cangshuzhe