万本电子书0元读

万本电子书0元读

顶部广告

数据天才:数据科学家修炼之道电子书 租阅

本书会精准地告诉你什么是数据科学,它跟计算机科学有何差异,如何从数据中提炼价值,如何提升数据科学技能,获得工作机会。本书包括以下内容: 源代码、数据集,以及供复习的名词字典 供数据科学家参考的简历样本、薪酬调查,以及职位描述样本 什么样的公司在寻找数据科学家 大数据及分析产业的权威分析 能展示竞争优势的实际面试问题 能帮助切实理解数据分析的案例

售       价:¥

纸质售价:¥67.10购买纸书

1.5万人正在读 | 3人评论 8.1

作       者:吴博,(美)Vincent Granville(文森特·格兰维尔)

出  版  社:电子工业出版社

出版时间:2017-05-01

字       数:21.7万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(3条)
  • 读书简介
  • 目录
  • 累计评论(3条)
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。 本书有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。本书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),所以借助本书,你现在就可以始数据科学实践,并快速地提升你的职业水平。 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。 本书有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。本书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),所以借助本书,你现在就可以始数据科学实践,并快速地提升你的职业水平。
【推荐语】
本书会精准地告诉你什么是数据科学,它跟计算机科学有何差异,如何从数据中提炼价值,如何提升数据科学技能,获得工作机会。本书包括以下内容: 源代码、数据集,以及供复习的名词字典 供数据科学家参考的简历样本、薪酬调查,以及职位描述样本 什么样的公司在寻找数据科学家 大数据及分析产业的权威分析 能展示竞争优势的实际面试问题 能帮助切实理解数据分析的案例 数据科学窍门、秘方和规则
【作者】
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,是举世公认的权威专家。在过去的 10 年中,他曾与 Visa 一起研究实时*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欺诈检测。Vincent 也管理着LinkedIn上*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。 最近,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一人,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。Vincent的Twitter账号为@Analyticbridge。 关于译者 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。
目录展开

内容简介

专家推荐

译者序

关于作者

关于技术编辑

前言

第1章数据科学是什么

真伪数据科学对比

数据科学家

13个真实世界情景中的数据科学应用

数据科学的历史、开拓者和现代趋势

总结

第2章大数据的独特性

两个大数据的问题

大数据技术示例

MapReduce不能做什么

沟通问题

数据科学:统计学的终结

大数据生态系统

总结

第3章成为一名数据科学家

数据科学家的主要特征

数据科学家的类型

数据科学家人群特征

数据科学方面的培训

数据科学家职业道路

总结

第4章数据科学的技术(I)

新型指标

选择合适的分析工具

可视化

无模型的统计建模

三类指标:中心性、波动性、颠簸性

大数据的统计聚类

大数据的相关性和拟合度

计算复杂度

结构系数

确定簇的数量

网络拓扑映射

安全通信:数据加密

总结

第5章数据科学的技术(II)

数据字典

隐性决策树

与模型无关的置信区间

随机数

解决问题的4个办法

因果关系和相关性

怎样检测因果关系

数据科学项目的生命周期

预测模型的错误

逻辑相关回归

实验设计

分析即服务和应用程序接口

其他主题

Hadoop和大数据的新型合成方差

总结

第6章数据科学应用案例研究

股票市场

加密

欺诈检测

数字分析

杂项

总结

第7章踏上你的数据科学职业之路

面试问题

测试你自己的视觉和分析思维

从统计学家到数据科学家

数据科学家的分类

400个数据科学家职位头衔

薪酬调查

总结

第8章数据科学资源

专业资源

职业建设资源

总结

累计评论(3条) 4个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部