正版新书]数据科学入门 第2版(美)乔尔·格鲁斯 著 岳冰,高蓉,韩

第2版前言xiii

版前言xvii

章导论1

1．1数据的崛起1

1．2什么是数据科学1

1．3激励假设：DataSciencester2

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工资和工作年限8

1．3．4付费账户10

1．3．5感兴趣的主题10

1．3．6展望12

第2章Python速成13

2．1Python之禅13

2．2获取Python14

2．3虚拟环境14

2．4空白格式15

2．5模块16

2．6函数17

2．7字符串18

2．8异常19

2．9列表19

2．10元组21

2．11字典22

2．12计数器24

2．13集24

2．14控制流25

2．15真和假26

2．16排序27

2．17列表解析27

2．18自动化测试和断言28

2．19面向对象编程29

2．20迭代器和生成器31

2．21随机性32

2．22正则表达式33

2．23函数式编程34

2．24压缩和参数拆分34

2．25args和kwargs35

2．26类型注释36

2．27欢迎来到DataSciencester39

2．28进一步探索39

第3章数据可视化40

3．1matplotlib40

3．2条形图42

3．3线图45

3．4散点图46

3．5延伸学习48

第4章线性代数49

4．1向量49

4．2矩阵53

4．3延伸学习56

第5章统计学57

5．1描述单个数据集57

5．1．1中心倾向59

5．1．2离散度61

5．2相关62

5．3辛普森悖论64

5．4相关系数的其他注意事项65

5．5相关与因果66

5．6延伸学习66

第6章概率68

6．1依赖和独立68

6．2条件概率69

6．3贝叶斯定理71

6．4随机变量72

6．5连续分布72

6．6正态分布73

6．7中心极限定理76

6．8延伸学习78

第7章假设和推论79

7．1统计假设检验79

7．2实例：掷硬币79

7．3p值82

7．4置信区间84

7．5p-Hacking84

7．6实例：运行A/B测试85

7．7贝叶斯推断86

7．8延伸学习89

第8章梯度下降90

8．1梯度下降的思想90

8．2估算梯度91

8．3使用梯度94

8．4选择正确步长94

8．5使用梯度下降拟合模型95

8．6小批次梯度下降和随机梯度下降96

8．7延伸学习98

第9章获取数据99

9．1stdin和stdout99

9．2读取文件101

9．2．1文本文件的基础101

9．2．2限制的文件102

9．3网络抓取104

9．4使用API106

9．4．1JSON和XML106

9．4．2使用无验证的API107

9．4．3寻找API108

9．5实例：使用TwitterAPI109

9．6延伸学习112

0章数据工作113

10．1探索数据113

10．1．1探索一维数据113

10．1．2两个维度115

10．1．3多维数据116

10．2使用NamedTuple18

10．3数据类119

10．4清洗和修改120

10．5数据处理122

10．6数据调整25

10．7题外话：tqdm126

10．8降维127

10．9延伸学习133

1章机器学习134

11．1建模134

11．2什么是机器学习135

11．3过拟合与欠拟合135

11．4正确性138

11．5偏差-方差权衡140

11．6特征提取与选择141

11．7延伸学习142

2章k最近邻法143

12．1模型143

12．2实例：鸢尾花数据集145

12．3维数灾难148

12．4进一步探索152

3章朴素贝叶斯算法153

13．1一个简易的垃圾邮件过滤器153

13．2一个复杂的垃圾邮件过滤器154

13．3算法实现155

13．4测试模型157

13．5使用模型158

13．6延伸学习161

4章简单线性回归162

14．1模型162

14．2使用梯度下降法165

14．3优选似然估计166

14．4延伸学习166

5章多元回归167

15．1模型167

15．2最小二乘模型的进一步假设168

15．3拟合模型169

15．4解释模型171

15．5拟合优度171

15．6题外话：Bootstrap172

15．7回归系数的标准误差173

15．8正则化175

15．9延伸学习177

6章逻辑回归178

16．1问题178

16．2logistic函数180

16．3应用模型183

16．4拟合优度184

16．5支持向量机185

16．6延伸学习188

7章决策树89

17．1什么是决策树189

17．2熵191

17．3分割的熵193

17．4创建决策树194

17．5综合运用196

17．6随机森林199

17．7延伸学习199

8章神经网络200

18．1感知器200

18．2前馈神经网络202

18．3反向传播205

18．4实例：FizzBuzz207

18．5延伸学习210

9章深度学习211

19．1张量211

19．2层抽象213

19．3线性层215

19．4把神经网络作为层序列218

19．5损失函数与优化器219

19．6实例：重新设计异或网络221

19．7其他激活函数222

19．8实例：重新解决FizzBuzz问题223

19．9softmax函数和交叉熵224

19．10丢弃227

19．11实例：MNIST227

19．12保存和加载模型231

19．13延伸学习232

第20章聚类分析233

20．1原理233

20．2模型234

20．3实例：聚会236

20．4选择聚类数目k238

20．5实例：色彩聚类239

20．6自下而上的分层聚类241

20．7延伸学习246

第21章自然语言处理247

21．1词云247

21．2n-gram语言模型249

21．3语法252

21．4题外话：吉布斯采样254

21．5主题建模255

21．6词向量260

21．7递归神经网络268

21．8实例：使用字符级RNN271

21．9延伸学习274

第22章网络分析275

22．1中介中心性275

22．2特征向量中心性280

22．2．1矩阵乘法280

22．2．2中心性282

22．3有向图与PageRank283

22．4延伸学习286

第23章推荐系统287

23．1人工管理288

23．2推荐流行事务288

23．3基于用户的协同过滤289

23．4基于项目的协同过滤292

23．5矩阵分解294

23．6延伸学习298

第24章数据库与SQL299

24．1CREATETABLE与INSERT299

24．2UPDATE302

24．3DELETE303

24．4SELECT304

24．5GROUPBY306

24．6ORDERBY308

24．7JOIN309

24．8子查询311

24．9索引312

24．10查询优化312

24．11NoSQL313

24．12延伸学习313

第25章MapReduce314

25．1实例：单词计数315

25．2为什么是MapReduce316

25．3更一般化的MapReduce317

25．4实例：状态分析更新318

25．5实例：矩阵乘法320

25．6题外话：组合器321

25．7延伸学习322

第26章数据伦理323

26．1什么是数据伦理323

26．2讲真的，什么是数据伦理324

26．3是否应该关注数据伦理324

26．4建立不良数据产品325

26．5精确与公平之间的较量325

26．6合作327

26．7可解释性327

26．8推荐327

26．9异常数据328

26．10数据保护329

26．11小结329

26．12延伸学习329

第27章数据科学前瞻330

27．1IPython330

27．2数学331

27．3不从零开始331

27．3．1NumPy331

27．3．2pandas331

27．3．3scikit-learn331

27．3．4可视化332

27．3．5R332

27．3．6深度学习332

27．4寻找数据333

27．5从事数据科学工作333

27．5．1HackerNews333

27．5．2消防车333

27．5．3T恤334

27．5．4地球仪上的推文334

27．5．5你的发现335

关于作者336

关于封面336

乔尔·格鲁斯（Joel Grus）
Capital Group公司的首席机器学习，担任过艾伦研究所的人工智能研发以及谷歌公司的软件，还曾在多家创业公司担任数据科学家。
【译者简介】 
岳冰
美国西北数学硕士，知乎专栏“X-Lab”编辑，参与编撰了《知识图谱标准化白皮书（2019版）》。深耕图神经网络、推荐算法、复杂关系网络风险挖掘、机器学习等领域。运用人工智能算法与工具，长期支持有关部门用高精尖技术手段打击违法犯罪。
高蓉
讲师，任教于杭州电子科技经济学院金融系。博士和硕士于南开经济学院金融系，于南开数学学院计算数学专业。研究领域包括数据科学应用、资产定价、金融工程、计量经济应用等。
韩波
自由译者、撰稿人，从事信息技术工作二十余年，主要兴趣领域为机器学习、Python等。曾为多家信息技术媒体撰稿，另译有《Python数据分析》。

"乔尔将带你踏上数据科学探索之旅，让你从数据爱好者一跃成为通晓实用算法的数据科学家。"
--Rohit Sivaprasad
Facebook公司数据科学家

"我向所有想转战机器学习领域的分析师和工程师推荐这本书。"
--Tom Marthaler
亚马逊公司软件开发经理

"用代码实现数据科学概念并非易事，但这本书轻松地做到了。"
--William Cox
Grubhub公司机器学习工程师

1.数据科学家成长指南，长居美亚机器学习热销榜；
2.新版基于Python 3.6，新引入了类型注释等许多功能；
3.根据数据科学近几年的发展，新增了关于深度学习、统计学和自然语言处理等主题，让图书内容与时俱进。

- 学到一堂Python速成课。
- 学习线性代数、统计学和概率论的基础知识，并能将其灵活地用于数据科学项目。
- 掌握如何获取、探索、清洗、处理和调整数据。
- 深入理解机器学习概念，尤其是深度学习概念。
- 运用k很近邻法、朴素贝叶斯、线性回归、逻辑回归、决策树、神经网络和聚类等算法实现数据模型。
- 探索自然语言处理、网络分析、推荐系统、数据库与SQL、MapReduce。

无论你身处哪个行业，数据都能成为你的好帮手。善于从凌乱的数据中提取有用的信息，你就能在面对业务难题时游刃有余，用数据说话，为决策找到有力的支撑。

欢迎进入数据科学世界！在本书中，你将化身为虚构公司DataSciencester的员工，从零开始数据科学工作，亲手构建工具、实现算法，很终从数据科学新手蜕变为的数据科学家。在版的基础上，本书升级了所有代码示例，并新增了深度学习、统计学、自然语言处理等相关内容。