深入浅出数据科学 - (EPUB全文下载)

文件大小：0.29 mb。
文件格式：epub 格式。
书籍内容：

深入浅出数据科学
第1章 如何听起来像数据科学家
第2章 数据的类型
第3章 数据科学的5个步骤
第4章 基本的数学知识
第5章 概率论入门：不可能，还是不太可能
第6章 高等概率论
第7章 统计学入门
第8章 高等统计学
第9章 交流数据
第10章 机器学习精要：你的烤箱在学习吗
第11章 树上无预言，真的吗
第12章 超越精要
第13章 案例
第1章　如何听起来像数据科学家
不管你从事哪个行业——IT、时尚、食品或者金融，数据都在影响着你的生活和工作。在本周的某个时刻，你也许会参与一场关于数据的讨论。新闻媒体正在越来越多地报道数据泄露、网络犯罪，以及如何利用数据窥视我们的生活。但为什么是现在？为什么今天这个时代是数据相关产业的温床？
在19世纪，世界处于工业时代（industrial age）。人类通过伟大的机械发明和工业探索世界。工业时代的领袖们，比如亨利·福特，认识到通过这些机器可以创造巨大的市场机会，赚取前所未有的利润。当然，工业时代有利也有弊。在我们将大量商品送到消费者手中时，人类也开始了和污染的斗争。
在19世纪，我们非常擅长制造大型机器。但到了20世纪，我们的目标是让机器变得更小、更快。工业时代已经结束，取而代之的是信息时代（information age）。为了更好地理解事物的运转情况，我们开始使用机器收集和存储我们自身与周围环境的各种信息（数据）。
从1940年开始，像ENIAC（被认为是最早的计算机之一）这样的机器被用来计算和运行之前从未计算过的数学方程、运行模型和模拟，如图1.1所示。
图1.1　ENIAC计算机
我们终于有了比人类更擅长运算数字的像样的实验室助手！和工业时代一样，信息时代也有利有弊。信息时代的好处是人类取得了科技发明的非凡成就，比如电视和移动电话；坏处虽然没有全球性污染那样严重，但仍然留给我们一个21世纪的难题——过多的数据。
是的，信息时代在数据收集领域的高速发展，让电子化数据的产量爆炸式增长！据估算，在2011年，我们产生了1.28×1012 GB的数据（好好想一下有多大吧）。仅仅1年之后，在2012年，我们产生了超过2.8×1012 GB的数据！这个数字只会继续爆炸或增长。预计2020年产生的数据量将达到4×1013 GB。每当我们发布推文，张贴脸书，用微软Word软件保存简历，或者用短信给妈妈发送一张照片，都促进了这个数字的增长。
我们不仅以前所未有的速度生产数据，我们消费数据的速度也在加快。在2013年，手机用户平均每月使用的流量在1GB以内。据估算，今天这一数字已经远超每月2GB。我们希望从数据中探寻的是洞察（insight），而不仅仅用于性格测试。数据就在那里，总有一些对我们有价值！肯定有！
我们拥有如此多的数据，而且正在生产更多数据，我们甚至制造了很多疯狂的小机器24×7不间断的收集数据，在21世纪，我们面对的真正问题是如何搞懂这些数据。先辈们在19世纪发明了机器，在20世纪生产和收集了数据，在数据时代（data age）则要从数据中探寻洞察和知识，让地球上每个人都受益。美国政府已新设立了“首席数据科学家（chief data scientist）”的职务。那些到现在还没有数据科学家的科技公司，比如Reddit，已经开始招募数据科学家。这样做的好处显而易见——用数据做精准的预测和模拟，可以让我们以前所未有的方式观察世界。
这听起来很不错，但究竟是什么意思呢？
本章我们将研究现代数据科学家们使用的专业术语。我们将学习贯穿全书的数据科学关键词和用语。在开始接触Python代码之前，我们还将讨论为什么使用数据科学，以及催生数据科学的3个重要领域：
数据科学基本的专业术语。
数据科学的3个领域。
基本的Python语法。
1.1　什么是数据科学
在我们进行更深入的讨论之前，先熟悉一下本书将涉及的基本定义。数据科学领域让人激动或者讨厌的都是太年轻，以至于很多定义在教科书、新闻媒体和企业白皮书上各不相同。
1.1.1　基本的专业术语
以下对专业术语的定义较为通用，足够日常工作和讨论之用，也符合本书对数据科学原理的定位。
我们先从什么是数据（data）开始。给“数据”下定义可能有些可笑，但确实非常重要。当使用“数据”这个词时，我们指的是以有组织（organized）和无组织（unorganized）格式聚集在一起的信息。
有组织数据（organized data:）：指以行列结构分类存储的数据，每一行代表一个观测对象（observation），每一列代表一个观测特征（characteristic）。
无组织数据（unorganized data:）：指以自由格式存储的数据，通常指文本、原始音频/信号和图片等。这类数据必须进行解析才能成为有组织的数据。
每当你打开Excel（或者其他电子制表软件）时，你面对的是等待输入有组织数据的空白行或列。这类程序并不能很好地处理无组织数据。虽然大部分时候我们处理的都是有组织数据，因为它最容易发现洞察，但我们并不畏惧原始的文本数据和处理无组织数据的各种方法。
数据科学是从数据中获取知识的艺术和科学。这个定义虽小，却非常准确地描述了这一宏大课题的真正目的！数据科学涉及的范围非常广，需要好几页纸才能列出全部内容（我确实尝试编写过）。
数据科学是关于如何处理数据、获取知识，并用知识完成以下任务的过程：
决策。
预测未来。
理解过去或现在。
创造新产业或新产品。
本书将讨论数据科学的各种方法，包括如何处理数据、探寻洞察，并利用这些洞察做准确的决策和预测。
数据科学也是利用数据获取之前未曾想到的新见解的科学。
举个例子，假设你和其他3个人坐在会议室，你们需要根据数据做出一个决定。目前已经有4种观点，你需要使用数据科学的方法提出第5个、第6个，甚至第7个观点。
数据科学不是取代人类大脑，而是和人类大脑一起工作。数据科学也不应该被认为是终极解决方案，它仅仅提供了一个富有见地的观点，也仅仅是一个观点而已，但它值得在会议桌上拥有一席之地。
1.1. ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。