《深入淺出數據科學》的目的是幫助你掌握數學、編程和商業分析的綜合技能。通過本書，你將能夠自信地提出並解答復雜的數據問題，從抽像和原始的統計信息發掘並完善可執行的想法。通過將數學和計算機編程技能相結合，你將踏上成為數據科學家的激動人心的旅程。

本書介紹了數據科學的全過程，包括數據準備、數據清洗，以及如何選擇有效的數據挖掘策略和技巧，從而深入理解數據科學的方方面面。你將學到數學和統計學的核心知識，以及數據科學家和分析師經常使用的代碼。你將了解機器學習，學會用常見的統計學模型分析稠密數據集，創建有說服力的可視化圖表，並和他人交流分析結果。

從本書你將學習到：
·理解數據科學的五個核心步驟
·聰明地使用你的數據，仔細地處理它
·填平數學和計算機編程之間的鴻溝
·學會概率論、微積分，以及使用統計模型處理數據，得出切實有效的結果
·生成並評估簡單的機器學習模型
·通過分析模型有效性指標，決定機器學習模型的質量
·通過數據可視化向他人分享見解
·理解機器學習模型，並使用機器學習模型進行預測，解決自己的問題

數據科學家是目前熱門的職業之一。本書全面介紹了成為合格數據科學家所需的知識、技能和工作流程，是一本內容全面的實用性技術圖書。
本書分為13章，其中第1～3章介紹數據科學；第4～8章介紹數學知識，包括統計學和概率論；第9章介紹數據可視化；第10～12章介紹機器學習；第13章介紹案例。各個章節內容均由淺入深，同時通過案例和Python代碼，使讀者掌握實戰技能。
本書適合有志於成為數據科學家的師生或業界新手，同時也適合經驗豐富的職場老手參考。

作者簡介
Sinan Ozdemir是一名數據科學家、創業者和教育工作者。Sinan的學術生涯在約翰?霍普金斯大學（The Johns Hopkins University）渡過，主修數學專業。隨後他從事教育事業，曾經在約翰?霍普金斯大學和General Assembly公司舉辦多次數據科學講座。在此之後，他創立了旨在通過人工智能技術和數據科學力量幫助企業銷售團隊的創業公司Legion Analytics。

譯者簡介
張星辰，北京榮之聯科技股份有限公司BI 技術顧問，畢業於重慶郵電大學，具有5年數據相關工作經驗，熟悉商業智能和數據可視化，通過了微軟數據科學專業認證。

中文版審校人
鮮思東，重慶郵電大學教授，碩士生導師，復雜繫統智能分析與決策重慶市高校重點實驗室副主任，中國商業統計學會理事。現任國際期刊《Advancements in Case Studies》編輯，擔任《Knowledge-Based Systems》和《IEEE Transactions on Systems、Man and Cybernetics: Systems》等多個國際期刊的審稿人。

洪賢斌，西交利物浦大學、英國利物浦大學機器學習方向博士生，蘇州谷歌開fa者社區組織者。

第 1章 如何聽起來像數據科學家 1
1．1什麼是數據科學3
1．1．1基本的專業術語3
1．1．2為什麼是數據科學4
1．1．3案例：西格瑪科技公司4
1．2數據科學韋恩圖5
1．2．1數學7
1．2．2計算機編程8
1．2．3為什麼是Python9
1．2．4領域知識13
1．3更多的專業術語14
1．4數據科學案例15
1．4．1案例：自動審核政府文件16
1．4．2案例：市場營銷費用17
1．4．3案例：數據科學家的崗位描述18
1．5總結21

第2章 數據的類型23
2．1數據的“味道”23
2．2為什麼要進行區分24
2．3結構化數據和非結構化數據24
2．4定量數據和定性數據28
2．4．1案例：咖啡店數據28
2．4．2案例：世界酒精消費量30
2．4．3更深入的研究32
2．5簡單小結33
2．6數據的4個尺度33
2．6．1定類尺度34
2．6．2定序尺度35
2．6．3定距尺度37
2．6．4定比尺度41
2．7數據是旁觀者的眼睛42
2．8總結43

第3章數據科學的5個步驟44
3．1數據科學簡介44
3．25個步驟概覽45
3．2．1提出有意思的問題45
3．2．2獲取數據45
3．2．3探索數據45
3．2．4數據建模46
3．2．5可視化和分享結果46
3．3探索數據46
3．3．1數據探索的基本問題47
3．3．2數據集1：Yelp點評數據48
3．3．3數據集2：泰坦尼克56
3．4總結60

第4章基本的數學知識61
4．1數學學科61
4．2基本的數學符號和術語62
4．2．1向量和矩陣62
4．2．2算術符號65
4．2．3圖表68
4．2．4指數/對數69
4．2．5集合論71
4．3線性代數74
4．4總結78

第5章概率論入門：不可能，還是不太可能79
5．1基本的定義79
5．2概率80
5．3貝葉斯VS頻率論81
5．4復合事件84
5．5條件概率86
5．6概率定理87
5．6．1加法定理87
5．6．2互斥性88
5．6．3乘法定理88
5．6．4獨立性89
5．6．5互補事件89
5．7再進一步91
5．8總結92

第6章高等概率論93
6．1互補事件93
6．2重溫貝葉斯思想94
6．2．1貝葉斯定理94
6．2．2貝葉斯定理的更多應用97
6．3隨機變量100
6．3．1離散型隨機變量101
6．3．2連續型隨機變量110
6．4總結113

第7章統計學入門114
7．1什麼是統計學114
7．2如何獲取數據115
7．3數據抽樣118
7．3．1概率抽樣118
7．3．2隨機抽樣119
7．3．3不等概率抽樣120
7．4如何描述統計量120
7．4．1測度中心120
7．4．2變異測度121
7．4．3變異繫數125
7．4．4相對位置測度126
7．5經驗法則132
7．6總結134

第8章高等統計學135
8．1點估計135
8．2抽樣分布139
8．3置信區間142
8．4假設檢驗145
8．4．1實施假設檢驗146
8．4．2單樣本t檢驗147
8．4．3I型錯誤和II型錯誤151
8．4．4分類變量的假設檢驗151
8．5總結155

第9章交流數據156
9．1為什麼交流數據很重要156
9．2識別有效和無效的可視化157
9．2．1散點圖157
9．2．2折線圖159
9．2．3條形圖160
9．2．4直方圖162
9．2．5箱形圖163
9．3當圖表和統計在說謊166
9．3．1相關性VS因果關繫166
9．3．2辛普森悖論168
9．3．3如果相關性不等於因果關繫，那什麼導致了因果關繫169
9．4語言交流170
9．4．1關鍵在於講故事170
9．4．2正式場合的注意事項170
9．5為什麼演示、如何演示和演示策略171
9．6總結172

第10章 機器學習精要：你的烤箱在學習嗎173
10．1什麼是機器學習173
10．2機器學習並不完美175
10．3機器學習如何工作176
10．4機器學習的分類176
10．4．1監督學習177
10．4．2無監督學習182
10．4．3強化學習183
10．5統計模型如何納入以上分類186
10．6線性回歸186
10．6．1增加更多預測因子191
10．6．2回歸指標193
10．7Logistic回歸199
10．8概率、幾率和對數幾率201
10．9啞變量206
10．10總結210

第11章 樹上無預言，真的嗎212
11．1樸素貝葉斯分類212
11．2決策樹220
11．2．1計算機如何生成回歸樹221
11．2．2計算機如何擬合分類樹222
11．3無監督學習226
11．3．1無監督學習的使用場景226
11．3．2K均值聚類227
11．3．3如何選擇最佳的K值，並對簇進行評價233
11．4特征提取和主成分分析235
11．5總結246

第12章 超越精要247
12．1偏差-方差權衡247
12．1．1偏差導致的誤差248
12．1．2方差導致的誤差248
12．1．3兩種極端的偏差-方差權衡情況255
12．1．4偏差-方差如何組成誤差函數256
12．2K層交叉驗證257
12．3網格搜索算法261
12．4集成技術266
12．4．1隨機森林268
12．4．2隨機森林VS決策樹273
12．5神經網絡274
12．6總結279

第13章 案例280
13．1案例1：基於社交媒體預測股票價格280
13．1．1文本情感分析280
13．1．2探索性數據分析281
13．1．3超越案例294
13．2案例2：為什麼有些人會對配偶撒謊295
13．3案例3：初試TensorFlow301
13．4總結311