數據天才：數據科學家修煉之道

《數據天才：數據科學家修煉之道》一書原作者Vincent Granville（文森特·格蘭維爾），中文版由吳博、張曉峰、季春霖譯，電子工業出版社2017年5月出版

基本介紹

• 書名：數據天才：數據科學家修煉之道
• 作者：【美】Vincent Granville（文森特·格蘭維爾）
• 譯者：吳博 張曉峰 季春霖
• ISBN：978-7-121-30883-3
• 頁數：356
• 定價：85.00
• 出版社：電子工業出版社
• 出版時間：2017年5月
• 開本：16

內容提要

這是一本跟數據科學和數據科學家有關的“手冊”，它還包含傳統統計學、編程或計算機科學教科書中所沒有的信息。

《數據天才：數據科學家修煉之道》有3個組成部分：一是多層次地討論數據科學是什麼，以及數據科學涉及哪些其他學科；二是數據科學的技術套用層面，包括教程和案例研究；三是給正在從業和有抱負的數據科學家介紹一些職業資源。《數據天才：數據科學家修煉之道》中有很多職業和培訓相關資源（如數據集、網路爬蟲原始碼、數據視頻和如何編寫API），所以藉助《數據天才：數據科學家修煉之道》，你現在就可以開始數據科學實踐，並快速地提升你的職業水平。

《數據天才：數據科學家修煉之道》是寫給數據科學家和相關專業人士的（如業務分析師、計算機科學家、軟體工程師、數據工程師和統計學家），也適合有興趣轉投大數據科學事業的人閱讀。

目錄

第1章 數據科學是什麼 1

-真偽數據科學對比 2

- - 偽數據科學的兩個例子 5

- - 新大學的面貌 7

-數據科學家 10

- - 數據科學家與數據工程師 10

- - 數據科學家與統計學家 12

- - 數據科學家與業務分析師 13

-13個真實世界情景中的數據科學套用 14

- - 情景1：國家對烈性酒銷售的壟斷結束後，DUI（酒後駕駛）逮捕量減少 15

- - 情景2：數據科學與直覺 17

- - 情景3：數據故障將數據變成亂碼 19

- - 情景4：異常空間的回歸 21

- - 情景5：分析與誘導在提升銷量上有何不同價值 22

- - 情景6：關於隱藏數據 24

- - 情景7：汽油中的鉛會導致高犯罪率。真的嗎 25

- - 情景8：波音787（夢幻客機）問題 26

- - 情景9：NLP的7個棘手句子 27

- - 情景10：數據科學家決定著我們所吃的食品 28

- - 情景11：用較好的相關性增加亞馬遜的銷售量 30

- - 情景12：檢測Facebook上的假檔案或假“喜歡”數 32

- - 情景13：餐廳的分析 33

-數據科學的歷史、開拓者和現代趨勢 33

- - 統計學將會復興 34

- - 歷史與開拓者 36

- - 現代的趨勢 38

- - 最近的問答討論 40

-總結 44

第2章 大數據的獨特性 45

-兩個大數據的問題 45

- - 大數據“詛咒” 45

- - 數據快速流動問題 50

-大數據技術示例 56

- - 大數據問題是數據科學所面臨挑戰的縮影 56

- - 大規模數據集的聚類和分類 58

- - 1億行的Excel 63

-MapReduce不能做什麼 67

- - 問題 67

- - 3種解決方案 68

- - 結論：何時使用MapReduce 69

-溝通問題 70

-數據科學：統計學的終結 72

- - 8種最差的預測建模技術 72

- - 把計算機科學、統計學和行業專業知識結合在一起 74

-大數據生態系統 78

-總結 79

第3章 成為一名數據科學家 80

-數據科學家的主要特徵 80

- - 數據科學家的職能 80

- - 橫向與縱向數據科學家 83

-數據科學家的類型 86

- - 偽數據科學家 86

- - 自學成才的數據科學家 86

- - 業餘數據科學家 87

- - 極限數據科學家 89

-數據科學家人群特徵 90

-數據科學方面的培訓 91

- - 大學課程 91

- - 公司和協會培訓項目 95

- - 免費培訓項目 96

-數據科學家職業道路 98

- - 獨立顧問 98

- - 創業者 105

-總結 118

第4章 數據科學的技術（I） 119

-新型指標 120

- - 最佳化數字行銷活動的指標 121

- - 欺詐檢測的指標 122

-選擇合適的分析工具 124

- - 分析軟體 124

- - 可視化工具 125

- - 實時產品 126

- - 程式語言 128

-可視化 128

- - 用R生成數據視頻 129

- - 更複雜的視頻 133

-無模型的統計建模 134

- - 無模型的統計建模是什麼 135

- - 該算法是如何工作的 135

- - 原始碼生成數據集 137

-三類指標：中心性、波動性、顛簸性 137

- - 中心性、波動性和顛簸性之間的關係 138

- - 定義顛簸性 138

- - 在Excel中計算顛簸性 139

- - 使用顛簸係數 141

-大數據的統計聚類 141

-大數據的相關性和擬合度 143

- - 一系列新的秩相關性 146

- - 漸近分布與歸一化 148

- - -計算複雜度 152

- - 計算q(n) 152

- - 理論上的解決方案 155

-結構係數 156

-確定簇的數量 157

- - 方法 157

- - 例子 158

-網路拓撲映射 159

-安全通信：數據加密 163

-總結 166

第5章 數據科學的技術（II） 167

-數據字典 168

- - 什麼是數據字典 168

- - 建立數據字典 169

-隱性決策樹 169

- - 實現方法 171

- - 示例：網際網路流量打分 173

- - 結論 175

-與模型無關的置信區間 175

- - 方法 175

- - 分析橋第一定理 176

- - 套用 177

- - 原始碼 178

-隨機數 179

-解決問題的4個辦法 181

- - 擁有超強直覺能力的業務分析師的直觀法 182

- - 軟體工程師的蒙特卡洛模擬法 182

- - 統計學家的統計建模方法 183

- - 計算機科學家的大數據方法 183

-因果關係和相關性 183

-怎樣檢測因果關係 184

-數據科學項目的生命周期 186

-預測模型的錯誤 189

-邏輯相關回歸 191

- - 變數之間的相互作用 191

- - 一階近似 191

- - 二階近似 193

- - 用Excel進行回歸分析 195

-實驗設計 196

- - 有趣的指標 196

- - 把患者分成不同的人群進行治療 196

- - 私人定製的治療 197

-分析即服務和應用程式接口 198

- - 工作原理 199

- - 實施案例 199

- - 關鍵字相關的API的原始碼 200

-其他主題 204

- - 當資料庫改變時，保存好數值 204

- - 最佳化網路爬蟲 205

- - 哈希連線 206

- - 用於模擬簇的簡單原始碼 207

-Hadoop和大數據的新型合成方差 208

- - Hadoop和MapReduce的介紹 208

- - 綜合指標 209

- - Hadoop、數值的和統計的穩定性 210

- - 方差的抽象概念 211

- - 一個新的大數據定理 213

- - 平移不變性的度量標準 214

- - 實現：通信和計算成本 214

- - 最終意見 215

-總結 215

第6章 數據科學套用案例研究 217

-股票市場 217

- - 使回報率提高500%的模式 217

- - 最佳化統計交易策略 220

- - 股票交易的API：統計模型 222

- - 股票交易的API：具體實現 225

- - 股票市場模擬 226

- - 些許數學知識 229

- - 新趨勢 231

-加密 232

- - 數據科學套用：隱寫術 232

- - 好的電子郵件加密 236

- - 驗證碼破解 239

-欺詐檢測 240

- - 點擊欺詐 241

- - 連續點擊評分與二進制欺詐/非欺詐 242

- - 數學模型與基準 244

- - 虛假轉化產生的偏差 245

- - 一些誤解 246

- - 統計面臨的挑戰 246

- - 點擊評分最佳化關鍵字出價 247

- - 組合最佳化自動快速的特徵選擇 249

- - 特徵的預測能力：交叉驗證 250

- - 勾連檢測和殭屍網路的關聯規則檢測 254

- - 模式檢測的極值理論 255

-數字分析 256

- - 線上廣告：到達率和頻率的計算公式 256

- - 電子郵件行銷：提高300%的性能 257

- - 在7天內最佳化關鍵字廣告宣傳活動 258

- - 自動新聞提要最佳化 260

- - 用bit-ly進行競爭情報分析 261

- - 測量 Twitter 哈希標籤（hashtag）的收益 263

- - 用3個修補方法提升谷歌搜尋 267

- - 改進相關性的算法 270

- - 廣告循環問題 272

-雜項 273

- - 簡單模型會獲得更好的銷售預測 273

- - 更好的醫療欺詐檢測 275

- - 歸因模型 276

- - 預測隕石撞擊 277

- - 在路口停車場收集數據 281

- - 數據科學的其他套用 282

-總結 282

第7章 踏上你的數據科學職業之路 283

-面試問題 283

- - 關於工作經驗的問題 283

- - 技術問題 285

- - 一般性問題 286

- - 關於數據科學項目的問題 288

-測試你自己的視覺和分析思維 291

- - 通過肉眼的檢測模式 292

- - 識別偏差 294

- - 誤導性的時間序列和隨機遊走 295

-從統計學家到數據科學家 296

- - 數據科學家也是統計從業人員 297

- - 誰應該給數據科學家教統計學 298

- - 僱傭問題 298

- - 數據科學家與數據架構師密切合作 299

- - 誰應該參與戰略思考 299

- - 兩種類型的統計學家 300

- - 大數據與取樣 301

-數據科學家的分類 302

- - 數據科學最流行的技能集合 302

- - LinkedIn上的頂級數據科學家 306

-400個數據科學家職位頭銜 309

-薪酬調查 311

- - 根據技能和位置的薪酬分類 312

- - 創建自己的薪酬調查表 316

-總結 317

第8章 數據科學資源 318

-專業資源 318

- - 數據集 318

- - 書籍 319

- - 會議與組織 322

- - 網站 324

- - 概念定義 324

-職業建設資源 327

- - 招聘數據科學家的公司 328

- - 數據科學招聘廣告的樣本 329

- - 簡歷樣本 329

-總結 331