数据科学家养成手册 PDF 高清电子书 免费下载 完整版 在线阅读- 高飞网
数据科学家养成手册

数据科学家养成手册

高扬
数据
浏览人数:68
读者:                             ...
   作为认知科学的延伸,数据科学一方面应该越来越引起广大大数据工作者的重视,另一方面也要撩开自己的神秘面纱,以最为亲民的姿态和每位大数据工作者成为亲密无间的战友,为用科学的思维方式进行工作做好理论准备。《数据科学家养成手册》从众多先贤及科学家的轶事讲起,以逐步归纳和递进的脉络总结出科学及数据科学所应关注的要点,然后在生产的各个环节中对这些要点逐一进行讨论与落实,从更高、更广的视角回看科学及数据科学在各个生产环节的缩影。《数据科学家养成手册》并不以高深的数学理论研究作为目的,也不以某一种计算机语言编程作为主线脉络,而是在一个个看似孤立的故事与工程中不断拾遗,并试着从中悟出一些道理。    《数据科学家养成手册》适合大数据从业人员和对大数据相关知识感兴趣的人,初级和中级程序员、架构师及希望通过对数据的感知改进工作的人,产品经理、运营经理、数据分析师、数据库开发工程师等对数据分析工作敏感的人,以及所有对数据科学感兴趣并希望逐步深入了解数据科学知识体系的人阅读。

认知篇   
第1章 什么是科学家   
1.1 从太阳东升西落开始   
1.2 阿基米德爱洗澡?   
1.3 托勒密的秘密   
1.4 牛顿为什么那么牛   
1.5 高斯——高,实在是高   
1.6 离经叛道的爱因斯坦   
1.7 本章小结   
第2章 什么是科学   
2.1 科学之科   
2.2 边界的迷茫   
2.3 科学之殇   
2.4 本章小结   
第3章 数据与数学   
3.1 什么是数据   
3.2 数学的奥妙   
3.3 本章小结   
第4章 数据科学的使命   
4.1 走近数据科学   
4.2 万能的数据科学   
4.3 使命必达   
4.4 本章小结   
第5章 矛盾的世界   
5.1 古希腊——学者高产的国度   
5.2 矛盾无处不在   
5.3 世界究竟是否可知   
5.4 薛定谔的“喵星人”   
5.5 本章小结   
第6章 实验和哲学   
6.1 朴素的认知方法   
6.2 哲学靠谱吗   
6.3 数学的尽头是哲学   
6.4 本章小结   
第7章 辩证思维   
7.1 要不要辩证有多大区别   
7.2 谁对谁错   
7.3 做到客观不容易   
7.4 观念的存弭   
7.5 本章小结   
分化篇   
第8章 统计学   
8.1 数理统计鼻祖—阿道夫·凯特勒   
8.2 统计就是统共合计   
8.3 数据来源   
8.4 抽样   
8.5 对照实验   
8.6 误差   
8.7 概括性度量   
8.8 概率与分布   
8.9 统计学与大数据   
第9章 信息论   
9.1 模拟信号   
9.2 信息量与信息熵   
9.3 香农公式   
9.4 数字信号   
9.5 编码与压缩   
9.6 本章小结   
第10章 混沌论   
10.1 洛伦兹在想什么   
10.2 罗伯特·梅的养鱼计划   
10.3 有限的大脑,无限的维   
10.4 谋杀上帝的拉普拉斯   
10.5 庞加莱不是省油的灯   
10.6 未知居然还能做预测   
10.7 本章小结   
第11章 算法学   
11.1 离散的世界   
11.2 成本的度量   
11.3 穷举法——暴力破解   
11.4 分治法——化繁为简   
11.5 回溯法——能省则省   
11.6 贪心法——局部最优   
11.7 迭代法——步步逼近   
11.8 机器学习——自动归纳   
11.9 神经网络——深度学习   
11.10 本章小结   
实践篇   
第12章 数据采集   
12.1 数据的源头   
12.2 日志收集   
12.3 这只是不靠谱的开始   
12.4 本章小结   
第13章 数据存储   
13.1 读写不对等   
13.2 进快还是出快   
13.3 文件还是数据库   
13.4 要不要支持事务   
13.5 表分区和索引   
13.6 稳定最重要   
13.7 安全性和副本   
13.8 本章小结   
第14章 数据统计   
14.1 此“统计”恐非彼“统计”   
14.2 要精确还是要简洁   
14.3 统计是万能的吗   
14.4 注意性能   
14.5 本章小结   
第15章 数据建模   
15.1 模型是宝贵的财富   
15.2 量化是关键   
15.3 该算法出马了   
15.4 算法的哲学   
15.5 本章小结   
第16章 数据可视化与分析   
16.1 看得见,摸得着   
16.2 颜色很重要   
16.3 别说布局没有用   
16.4 有图就别要表格   
16.5 分析的内涵   
16.6 有趣的统计应用   
16.7 仁者见仁,智者见智   
16.8 永恒的困惑   
16.9 本章小结   
第17章 数据决策   
17.1 决策就是“拍脑袋”   
17.2 哪里有物质,哪里就有数据   
17.3 这是风险博弈   
17.4 本章小结   
第18章 案例分析   
18.1 K线图里的秘密   
18.2 数学能救命   
18.3 人人都能运筹帷幄   
第19章 与本书相关内容的问与答   
后记   
附录A   
A.1 VMware Workstation的安装   
A.1.1 VMware简介   
A.1.2 安装准备工作   
A.2 CentOS虚拟机的安装   
A.2.1 下载DVD镜像   
A.2.2 创建VMware虚拟机   
A.3 Ubuntu虚拟机的安装   
A.4 Python语言简介   
A.4.1 安装Python   
A.4.2 Hello Python   
A.4.3 行与缩进   
A.4.4 变量类型   
A.4.5 循环语句   
A.4.6 函数   
A.4.7 模块   
A.4.8 小结   
A.5 Scikit-learn库简介   
A.6 安装Theano   
A.7 安装Keras   
A.8 安装MySQL   
A.9 安装MySQL-Python驱动   
A.10 MT4平台简介   
参考文献   
看过本书的人还看过