数据科学家访谈录 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 单研（Carl Shan），陈子蔚（William Chen），汪强明（Henry Wang），宋迈思（Max Song） 著，田原，刘奕 译

出版社： 人民邮电出版社

ISBN：9787115470911

版次：1

商品编码：12286963

品牌：异步图书

包装：平装

开本：小16开

出版时间：2018-02-01

用纸：胶版纸

页数：290

正文语种：中文

编辑推荐

在本书中，你将会看到作者对25位出众的数据科学家的访谈，他们来自于不同的背景、学科和行业。
作者既采访了Facebook、Linkedin和Intuit等公司的专家，也采访了Uber、Airbnb、Palantir、Mattermark、Quora、Square和Khan Academy等快速成长的初创公司的数据科学家。
其中的一些数据科学家，例如DJ Patil和Hillary Mason，是将这一领域开拓发展到如今这样的世界知名人士；另一些人，例如Clare Corthell，则是正在冉冉升起的数据科学新星。
本书提供了直观而深入的采访，展示了每一位数据科学家的生活经历，从他们离开学术界开始，到一步步成长为数据科学界的翘楚，以及他们在这个过程中学到的有价值的东西。
本书适合有志于成为数据科学家的人、正在从事数据科学相关工作的人、数据科学团队的领导、企业家以及商业人士参考，也适合对数据感兴趣的读者阅读。

内容简介

数据科学正在对商业、教育、能源、软件与互联网等各行各业产生深远的影响并贡献巨大的价值。作为21世纪诱人的职业，数据科学家既有巨大市场需求的潜力，又面临着高难度的学习路径的挑战。
本书选取世界知名的25位数据科学家进行了深度的访谈，从不同的视角和维度，将他们的智慧、经验、指导和建议凝聚成册。每一篇访谈都是一次深度的交流，涵盖了这些数据科学家从菜鸟起步，运用各种知识武装和充实自己，一直到成为一名卓有成效的数据科学家的全过程。通过阅读本书中的访谈，读者可以形成对数据科学的宏观认识和了解，更深刻地认识和体验数据科学家的角色，并且从这些前辈的过往经历中学到宝贵的知识和经验以应用于自身的成长和事业中。
本书适合有志于成为数据科学家的人、正在从事数据科学相关工作的人、数据科学团队的领导和企业家以及商业人士参考，也适合对数据感兴趣的普通读者阅读。

作者简介

Carl Shan 于2014年在芝加哥大学Eric & Wendy Schmidt数据科学学会担任数据科学家， 用数据模型协助非营利组织的工作。他以优异的成绩毕业于加州大学伯克利分校并获得了统计学学位。他目前在加州圣马特奥的Nueva学校教授机器学习和计算机科学。
Henry Wang 目前在伦敦，在一家专注于转型工作的金融公司工作。闲暇时，他喜欢参与诸如Numer.ai这样的数据科学竞赛，并且对基于随机梯度的机器学习优化算法很感兴趣。他拥有加州大学伯克利分校的统计学学位。
William Chen 是Quora的数据科学经理，他在那里帮助公司发展壮大并与世界分享知识。他参与本书的写作，分享了数据科学家的故事，以帮助那些想要进入这个行业的人。William拥有哈佛大学的统计学学士和应用数学硕士学位。
Max Song 曾在Ayasdi担任数据科学家，他也是Neurocurious（后来被Vium收购）公司的联合创始人。Max拥有布朗大学 (Brown University) 的应用数学和生物学学士学位、清华大学苏世民学院（Schwarzman College）的硕士学位，他是苏世民学院的首届学生之一。他目前在香港的一家家族公司从事研究和投资。

目录

第 1章　重要问题的取舍 1
RelateIQ产品部副总裁DJ Patil
第 2章　在成为成功的数据科学家之际 14
Fast Forward Labs创始人Hillary Mason
第3章　无处不在的软件开始用数据重构这个世界 25
Data Wrangling核心数据科学家Pete Skomoroch
第4章　学术期刊中的数据科学 40
《纽约时报》数据科学家Mike Dewar
第5章　通过数据倾听你的客户 50
Airbnb数据主管Riley Newman
第6章　建立你自己的数据科学课程表 58
Mattermark数据主管Clare Corthell
第7章　均方误差根无法解决所有社会难题 67
Project Florida数据主管Drew Conway
第8章　软件工匠学堂、软件工程及产品 80
Uber数据科学主管Kevin Novak
第9章　从天体物理到数据科学 89
Square数据科学家Chris Moody
第 10章　数据科学中软件工程的重要性 101
Facebook数据工程师Erich Owen
第 11章　弥合领域的鸿沟：从生物信息到数据科学 108
Ayasdi数据科学家Eithon Cadag
第 12章　如何锻炼数据科学技能 123
Intuit数据科学家&创新George Roumeliotis
第 13章　科学、工程和数据科学的交织 132
Palantir数据科学家Diane Wu
第 14章　从高频交易到驱动个性化教育 140
Khan Academy 数据科学主管Jace Kohlmeier
第 15章　针对数据科学与演讲能力的教育 150
哈佛大学应用统计学教授Joe Blitzstein
第 16章　数据科学不是Kaggle竞赛 162
MailChimp科学家Jonh Foreman
第 17章　数学、自谦以及成为更好的程序员 182
Cloudera数据科学主任Josh Wills
第 18章　数据科学和学术界 195
UCSD计算神经科学教授，前Uber数据布道师Bradley Voytek
第 19章　数据科学家的学术、量化金融与企业家之路 205
ttwick创始人/数据科学家Luis Sanchez
第 20章　美国总统竞选就像物理科学一样 216
Civis Analytics数据科学家Michelangelo D’agostino
第 21章　培养数据感觉的重要性 226
LinkedIn数据科学家主任Michael Hochster
第 22章　数据挖掘、数据产品与企业家精神 240
Bento Labs联合创始人/CTO Kunal Punera
第 23章　从战争建模到增强智能 256
Quid联合创始人/CTO Sean Courley
第 24章　如何创建新颖的数据产品和公司 277
Intuit数据科学家主任Jonathan Goldman
第 25章 从本科生到数据科学家 284
Quora数据科学家William Chen

评分☆☆☆☆☆

看不下去，除了第一篇有点用，其它的干货太少，看了3-4篇就看不下去了

评分☆☆☆☆☆

还不错

评分☆☆☆☆☆

看不下去，除了第一篇有点用，其它的干货太少，看了3-4篇就看不下去了

评分☆☆☆☆☆

希望给自己的事业打开更多可能

评分☆☆☆☆☆

好书推荐阅读。

评分☆☆☆☆☆

希望给自己的事业打开更多可能

评分☆☆☆☆☆

好书推荐阅读。

评分☆☆☆☆☆

好书推荐阅读。

评分☆☆☆☆☆

好书推荐阅读。