百道网
 您现在的位置:Fun书 > 数据天才:数据科学家修炼之道
数据天才:数据科学家修炼之道


数据天才:数据科学家修炼之道

作  者:[美] Vincent Granville(文森特·格兰维尔)

译  者:吴博,张晓峰,季春霖

出 版 社:电子工业出版社

出版时间:2017年05月

定  价:85.00

I S B N :9787121308833

所属分类: 专业科技  >  计算机/网络  >  数据库    

标  签:计算机?网络  计算机期刊杂志  

[查看微博评论]

分享到:

TOP好评推荐   [展开]

TOP内容简介

 这是一本跟数据科学和数据科学家有关的“手册”,它还包含传统统计学、编程或计算机科学教科书中所没有的信息。

  《数据天才:数据科学家修炼之道》有3个组成部分:一是多层次地讨论数据科学是什么,以及数据科学涉及哪些其他学科;二是数据科学的技术应用层面,包括教程和案例研究;三是给正在从业和有抱负的数据科学家介绍一些职业资源。《数据天才:数据科学家修炼之道》中有很多职业和培训相关资源(如数据集、网络爬虫源代码、数据视频和如何编写API),所以借助《数据天才:数据科学家修炼之道》,你现在就可以开始数据科学实践,并快速地提升你的职业水平。

  《数据天才:数据科学家修炼之道》是写给数据科学家和相关专业人士的(如业务分析师、计算机科学家、软件工程师、数据工程师和统计学家),也适合有兴趣转投大数据科学事业的人阅读。


TOP作者简介

    Vincent Granville博士,是一名富有远见的数据科学家,有 15 年大数据、预测建模、数字分析和业务分析的经验。Vincent 在评分技术、欺诈检测和网络流量优化及增长等领域,是举世公认的专家。在过去的 10 年中,他曾与 Visa 一起研究实时信用卡欺诈检测,与CNET一起研究广告组合优化,与Microsoft(微软公司)一起研究“改变点检测”,与Wells Fargo(富国银行)一起研究在线用户体验,与InfoSpace一起研究搜索智能,与eBay一起研究自动竞价,与各大搜索引擎、广告网络和大型广告客户一起研究点击欺诈检测。Vincent 也管理着LinkedIn上庞大的“大数据及分析数据科学家”小组,该小组拥有超过100 000名成员。

  近期,Vincent推出了数据科学中心(Data Science Center)这个大数据、业务分析和数据科学界的领先社区。Vincent曾是剑桥大学和美国国家统计科学学院的博士后。他曾入围沃顿商业计划竞赛和比利时数学奥林匹克的决赛。Vincent 已经在统计期刊上发表了40篇论文,并且是许多国际会议的受邀演讲嘉宾。他还开发了一种新的数据挖掘技术,被称为隐性决策树,他还拥有多项专利,是发表数据科学书籍的第1人,并筹集了600万美元的创业启动资金。根据福布斯的排名,Vincent 是大数据领域前20位有影响力的人物之一,被VentureBeat、MarketWatch和美国有线新闻网(CNN)专门报道。

  吴博,利兹大学博士后,具备多年机器学习研发、数据科学从业经验。曾任爱立信大数据高级研究员,多家公司数据科学家及数据变现业务负责人。现任深圳市宜远智能科技有限公司创始人。

  张晓峰,哈尔滨工业大学深圳研究生院计算机科学与技术学院副教授、博士生导师,主要研究方向为数据挖掘、隐私保护和机器学习等。曾在北大方正研究院、香港大学电子技术研究所工作。主持包括国家自然科学基金面上项目,以及其他省/市纵向、横向课题十余项。已在国内外重要学术刊物与会议上发表SCI/EI索引论文40余篇。

  季春霖,深圳光启高等理工研究院联合创始人,副院长;深圳市统计学会副会长;哈佛大学博士后,杜克大学统计学博士,剑桥大学硕士;广东省自然科学基金杰青项目获得者;发表包括Science在内的论文60余篇,授权专利400余项。热衷于贝叶斯统计学及其应用。


TOP目录

第1章 数据科学是什么 1

-真伪数据科学对比 2

- - 伪数据科学的两个例子 5

- - 新大学的面貌 7

-数据科学家 10

- - 数据科学家与数据工程师 10

- - 数据科学家与统计学家 12

- - 数据科学家与业务分析师 13

-13个真实世界情景中的数据科学应用 14

- - 情景1:国家对烈性酒销售的垄断结束后,DUI(酒后驾驶)逮捕量减少 15

- - 情景2:数据科学与直觉 17

- - 情景3:数据故障将数据变成乱码 19

- - 情景4:异常空间的回归 21

- - 情景5:分析与诱导在提升销量上有何不同价值 22

- - 情景6:关于隐藏数据 24

- - 情景7:汽油中的铅会导致高犯罪率。真的吗 25

- - 情景8:波音787(梦幻客机)问题 26

- - 情景9:NLP的7个棘手句子 27

- - 情景10:数据科学家决定着我们所吃的食品 28

- - 情景11:用较好的相关性增加亚马逊的销售量 30

- - 情景12:检测Facebook上的假档案或假“喜欢”数 32

- - 情景13:餐厅的分析 33

-数据科学的历史、开拓者和现代趋势 33

- - 统计学将会复兴 34

- - 历史与开拓者 36

- - 现代的趋势 38

- - 最近的问答讨论 40

-总结 44

第2章 大数据的独特性 45

-两个大数据的问题 45

- - 大数据“诅咒” 45

- - 数据快速流动问题 50

-大数据技术示例 56

- - 大数据问题是数据科学所面临挑战的缩影 56

- - 大规模数据集的聚类和分类 58

- - 1亿行的Excel 63

-MapReduce不能做什么 67

- - 问题 67

- - 3种解决方案 68

- - 结论:何时使用MapReduce 69

-沟通问题 70

-数据科学:统计学的终结 72

- - 8种最差的预测建模技术 72

- - 把计算机科学、统计学和行业专业知识结合在一起 74

-大数据生态系统 78

-总结 79

第3章 成为一名数据科学家 80

-数据科学家的主要特征 80

- - 数据科学家的职能 80

- - 横向与纵向数据科学家 83

-数据科学家的类型 86

- - 伪数据科学家 86

- - 自学成才的数据科学家 86

- - 业余数据科学家 87

- - 极限数据科学家 89

-数据科学家人群特征 90

-数据科学方面的培训 91

- - 大学课程 91

- - 公司和协会培训项目 95

- - 免费培训项目 96

-数据科学家职业道路 98

- - 独立顾问 98

- - 创业者 105

-总结 118

第4章 数据科学的技术(I) 119

-新型指标 120

- - 优化数字营销活动的指标 121

- - 欺诈检测的指标 122

-选择合适的分析工具 124

- - 分析软件 124

- - 可视化工具 125

- - 实时产品 126

- - 编程语言 128

-可视化 128

- - 用R生成数据视频 129

- - 更复杂的视频 133

-无模型的统计建模 134

- - 无模型的统计建模是什么 135

- - 该算法是如何工作的 135

- - 源代码生成数据集 137

-三类指标:中心性、波动性、颠簸性 137

- - 中心性、波动性和颠簸性之间的关系 138

- - 定义颠簸性 138

- - 在Excel中计算颠簸性 139

- - 使用颠簸系数 141

-大数据的统计聚类 141

-大数据的相关性和拟合度 143

- - 一系列新的秩相关性 146

- - 渐近分布与归一化 148

- - -计算复杂度 152

- - 计算q(n) 152

- - 理论上的解决方案 155

-结构系数 156

-确定簇的数量 157

- - 方法 157

- - 例子 158

-网络拓扑映射 159

-安全通信:数据加密 163

-总结 166

第5章 数据科学的技术(II) 167

-数据字典 168

- - 什么是数据字典 168

- - 建立数据字典 169

-隐性决策树 169

- - 实现方法 171

- - 示例:互联网流量打分 173

- - 结论 175

-与模型无关的置信区间 175

- - 方法 175

- - 分析桥第一定理 176

- - 应用 177

- - 源代码 178

-随机数 179

-解决问题的4个办法 181

- - 拥有超强直觉能力的业务分析师的直观法 182

- - 软件工程师的蒙特卡洛模拟法 182

- - 统计学家的统计建模方法 183

- - 计算机科学家的大数据方法 183

-因果关系和相关性 183

-怎样检测因果关系 184

-数据科学项目的生命周期 186

-预测模型的错误 189

-逻辑相关回归 191

- - 变量之间的相互作用 191

- - 一阶近似 191

- - 二阶近似 193

- - 用Excel进行回归分析 195

-实验设计 196

- - 有趣的指标 196

- - 把患者分成不同的人群进行治疗 196

- - 私人定制的治疗 197

-分析即服务和应用程序接口 198

- - 工作原理 199

- - 实施案例 199

- - 关键词相关的API的源代码 200

-其他主题 204

- - 当数据库改变时,保存好数值 204

- - 优化网络爬虫 205

- - 哈希连接 206

- - 用于模拟簇的简单源代码 207

-Hadoop和大数据的新型合成方差 208

- - Hadoop和MapReduce的介绍 208

- - 综合指标 209

- - Hadoop、数值的和统计的稳定性 210

- - 方差的抽象概念 211

- - 一个新的大数据定理 213

- - 平移不变性的度量标准 214

- - 实现:通信和计算成本 214

- - 最终意见 215

-总结 215

第6章 数据科学应用案例研究 217

-股票市场 217

- - 使回报率提高500%的模式 217

- - 优化统计交易策略 220

- - 股票交易的API:统计模型 222

- - 股票交易的API:具体实现 225

- - 股票市场模拟 226

- - 些许数学知识 229

- - 新趋势 231

-加密 232

- - 数据科学应用:隐写术 232

- - 好的电子邮件加密 236

- - 验证码破解 239

-欺诈检测 240

- - 点击欺诈 241

- - 连续点击评分与二进制欺诈/非欺诈 242

- - 数学模型与基准 244

- - 虚假转化产生的偏差 245

- - 一些误解 246

- - 统计面临的挑战 246

- - 点击评分优化关键词出价 247

- - 组合优化自动快速的特征选择 249

- - 特征的预测能力:交叉验证 250

- - 勾连检测和僵尸网络的关联规则检测 254

- - 模式检测的极值理论 255

-数字分析 256

- - 在线广告:到达率和频率的计算公式 256

- - 电子邮件营销:提高300%的性能 257

- - 在7天内优化关键词广告宣传活动 258

- - 自动新闻提要优化 260

- - 用bit-ly进行竞争情报分析 261

- - 测量 Twitter 哈希标签(hashtag)的收益 263

- - 用3个修补方法提升谷歌搜索 267

- - 改进相关性的算法 270

- - 广告循环问题 272

-杂项 273

- - 简单模型会获得更好的销售预测 273

- - 更好的医疗欺诈检测 275

- - 归因模型 276

- - 预测陨石撞击 277

- - 在路口停车场收集数据 281

- - 数据科学的其他应用 282

-总结 282

第7章 踏上你的数据科学职业之路 283

-面试问题 283

- - 关于工作经验的问题 283

- - 技术问题 285

- - 一般性问题 286

- - 关于数据科学项目的问题 288

-测试你自己的视觉和分析思维 291

- - 通过肉眼的检测模式 292

- - 识别偏差 294

- - 误导性的时间序列和随机游走 295

-从统计学家到数据科学家 296

- - 数据科学家也是统计从业人员 297

- - 谁应该给数据科学家教统计学 298

- - 雇佣问题 298

- - 数据科学家与数据架构师密切合作 299

- - 谁应该参与战略思考 299

- - 两种类型的统计学家 300

- - 大数据与取样 301

-数据科学家的分类 302

- - 数据科学最流行的技能集合 302

- - LinkedIn上的顶级数据科学家 306

-400个数据科学家职位头衔 309

-薪酬调查 311

- - 根据技能和位置的薪酬分类 312

- - 创建自己的薪酬调查表 316

-总结 317

第8章 数据科学资源 318

-专业资源 318

- - 数据集 318

- - 书籍 319

- - 会议与组织 322

- - 网站 324

- - 概念定义 324

-职业建设资源 327

- - 招聘数据科学家的公司 328

- - 数据科学招聘广告的样本 329

- - 简历样本 329

-总结 331


TOP书摘

  译者序

  本书最适合有志于在大数据与数据科学领域从业的人学习。格拉德威尔在《异类》一书中强调,“若要成为行业专家,离不开十万小时的刻意学习(deliberatelearning)”,这跟中国俗语里“板凳要坐十年冷”有些类似。但要实现刻意学习,就不能一味依赖通识科普书籍。在大数据与数据科学领域,市面上已不缺通识性的科普书籍,唯缺这类烧脑、有专业性、适合进行刻意学习的数据科学书籍。

  本书不失专业性,但也不是令人生畏的大学教材。它处处体现理论与实践的结合,还兼顾技术与商业的平衡。这要归功于原作者Vincent是学术、技术、商业三栖高手。比如书中对于星空双星的估算、陨石撞地球的建模推算,让作者在数学奥赛方面的天分展现得淋漓尽致;在垃圾邮件、水印加密、点击欺诈等案例中,作者又分享了诸多为大公司实施数据项目的经验;在方案选择、股市预测等场景中,作者更侧重商业视角,帮读者提升对数据科学方法投入/产出比及适用性的敏感度。

  本书虽然专业度高,但也因为案例翔实、讲求实际,适合其他行业或领域的人士阅读。特别建议业务跟数据息息相关的企业负责人或高管,或者对数据相关项目感兴趣的投资者品读。毕竟数据科学家这一高层职位,跟企业负责人及高管的对接较多。虽说好的数据科学家,应具备与非技术人士沟通的能力,但作为数据科学家的领导,一旦多懂一些数据科学的思考模式及流程,便会对数据科学家有更多理解,也会对数据化的决策有更深的认识。

  本书也传递出对行业热词的审慎态度。比如本书就对“大数据”的缘起、演变、更替、历史、迷思和幻象,着墨不少。就像书中所说,大数据领域许多看似新的方法,可以追溯到二三十年前,如今的不少创新,实乃新瓶旧酒。想必读者从Gartner的成熟度曲线里,可以看到大数据一词已渡过巅峰、渐趋理性,与之相随的,是跟数据科学息息相关的人工智能(AI)重新崛起。若理解本书的立场和价值取向,就知道人工智能60多年来几起几落,不少如今大放异彩的方法,也可找到前身。透过现象看本质,人工智能多少因为数据体量更大、数据分析更细、计算能力更强,才成为行业焦点。忽视基础理论盲目追随人工智能热点无异于舍本逐末,认真和刻意学习数据科学及人工智能的基础理论和实践,方是正途。

  正因为这本书内容如此之好,能满足读者所需,于是我痛快答应电子工业出版社付睿编辑的邀约来翻译本书。但这个小想法变成最终成品,却耗费不少人的时间和精力,对他们的感谢和亏欠不能尽录。我最要鸣谢翻译合作者光启研究院的副院长季春霖博士,还有在哈工大深圳研究生院任教的张晓峰博士,两位的研究和管理任务都很繁重,面对译书这种流程漫长、成效滞后的工作,他们展现了学界出身的坚韧素养,而在翻译校对本书的过程中,又处处体现出手不凡的专业功力。同时,也要感谢配合翻译校对本书的助手和出版社工作人员,他们对我有莫大的包容和支持。本书准备期间,也正是我的一对小孩——泰学和雅学——从孕育到出生的过程,所以要感谢我的太太熊瑛,容许我为本书挤出不少本来可以陪伴家人的时间。

  最后,我还要代表季春霖博士感谢广东省自然科学杰出青年基金项目(No-S20120011253)和深圳市数据科学与建模技术重点实验室的资助。也要感谢我所在的宜远智能团队,他们在将本书中许多数据科学方法实践到医疗健康领域时,提出了诸多宝贵的翻译修正补充建议。当然,对专业内容的翻译,难在对作者见识的理解和原意的把握,所以总有力有不逮、不甚精确之处,请各位读者和专家对此海涵,提出宝贵的建议。

  本书译者吴博


TOP 其它信息

装  帧:平装

页  数:356

版  次:第1版

开  本:16开

加载页面用时:72.2733