数据科学家修炼之道 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] Zacharias Voulgaris，弗格里斯 著，吴文磊，田原 译

出版社： 人民邮电出版社

ISBN：9787115418241

版次：1

商品编码：11908578

品牌：异步图书

包装：平装

开本：16开

出版时间：2016-04-01

用纸：胶版纸

页数：230

正文语种：中文

编辑推荐

适读人群 ：适合从事数据科学相关工作的读者阅读
　　我们的社会正迈入数据驱动的时代，"数据科学家"这个职业正变得越来越炙手可热。要是你想在不远的将来在这个主流的行业中独占鳌头，本书会告诉你应该怎么做。书中的每一章都充满了实用的信息，能够帮助你分享大数据的丰硕成果，并成为一名成功的数据科学家。　　通过阅读本书，你将能够:　　● 学习大数据是什么，通过它的主要特征--体量、多样、高速，展现出与传统数据有何不同。　　● 探讨不同类型的数据科学家以及他们各自类型的技术专长。　　● 挖掘数据科学家所需的技能，包括相关的思维模式、技术能力、经验，以及数据科学家与人接触交流的方式。　　● 当一天数据科学家，体验你可能会遇到的问题，并尝试如何解决它们。你会使用何种程序？你会以何种方式去拓展知识和技能？　　● 基于你的起点（编程背景、机器学习背景或者数据相关的背景），看看你如何才能成为一名数据科学家。　　● 一步一步地跟随数据科学家的入职经历：应该去看哪些地方，如何向一名潜在雇主展示自己，以及成为一名自由职业者的得与失。　　● 阅读一些富有经验的高级数据科学家的案例，更好地了解这个职位的实际角色。　　本书内容全面、轻松易读，非常适合从事数据科学相关工作的读者阅读，也是一本可以帮助读者应聘数据科学家职位的全方位指南。

内容简介

　　数据科学家是指采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师，他们往往集技术专家和数据分析师的角色于一身。在IT行业中，数据科学家将在创造力、沟通能力以及与商业世界的联系方面得到更多的锻炼机会，是当前非常有发展潜力的新兴职位。　　本书全面介绍了成为数据科学家应当了解的各类知识。全书共分18章，首先介绍了数据科学与大数据、数据科学的重要性，接着介绍了数据科学家的类型、思维体系、技术资质、经验、社交圈、所用的软件、学习新知和解决问题，另外还介绍了机器学习与R语言平台、数据科学的处理流程、所需的具体技能，介绍了数据科学求职、自我展示并提供了一些有关职业数据科学家和数据科学家的案例学习。　　本书内容全面、轻松易读，非常适合从事数据科学相关工作的读者阅读，是一本可以住读者应聘数据科学家职位的求职指南。

作者简介

　　Zacharias Voulgaris 博士在希腊出生并长大。在读完了克里特理工大学5 年的工程学位后，他攻读了伦敦城市大学的信息系统与技术的硕士学位。之后，在伦敦大学伯贝克学院的 G.Magoulas 教授与B.Mirkin 教授的联合指导下，他获得了博士学位。此后，他受聘于乔治亚理工大学并成为研究员，一直从事数据科学家的相关工作。

目录

第1章　数据科学与大数据 1
1．1 深挖大数据 1
1．2 大数据产业 5
1．3 数据科学的诞生 7
1．4 要点 9
第2章　数据科学的重要性 10
2．1 数据科学领域的历史 10
2．2 新规则 14
2．3 新思维与随之而来的变化 17
2．4 要点 18
第3章　数据科学家的类型 19
3．1 数据开发者 19
3．2 数据研究者 20
3．3 数据创意师 21
3．4 数据商务人士 21
3．5 混合/普适类型 22
3．6 要点 22
第4章　数据科学家的思维体系 24
4．1 特质 24
4．2 素质与能力 27
4．3　思维 32
4．4　抱负 34
4．5　要点 36
第5章　技术资质 37
5．1　综合的编程能力 37
5．2　科学背景 39
5．3　专业化知识 40
5．4　要点 42
第6章　经验 44
6．1 企业实战VS学术研究的经验 44
6．2 经验VS正规教育 46
6．3 如何获得第一桶经验 46
6．4 要点 48
第7章　社交圈 49
7．1 岂止于专业社交圈 49
7．2 与学术圈的关系 50
7．3 与商业世界的关系 51
7．4 要点 52
第8章　所用的软件 53
8．1 Hadoop套件和朋友们 53
8．2 面向对象编程语言 60
8．3 数据分析软件 63
8．4 可视化工具 66
8．5 集成大数据系统 68
8．6 其他一些程序 69
8．7 要点 72
第9章　学习新知与解决问题 74
9．1 研讨会 74
9．2 会议 76
9．3 在线课程 76
9．4 数据科学小组 80
9．5 需求问题 82
9．6 专业知识缺乏问题 83
9．7 综合运用各种工具 84
9．8 要点 85
第10章　机器学习与R语言平台 86
10．1 机器学习简史 86
10．2 人工智能的未来 89
10．3 机器学习VS统计方法 90
10．4 在数据科学中使用机器学习 93
10．5 R平台简介 95
10．6 机器学习和R语言资料 99
10．7 要点 101
第11章　数据科学的处理流程 103
11．1 数据准备 104
11．2 数据探索 108
11．3 数据表示 109
11．4 数据发现 110
11．5 数据学习 111
11．6 创造数据产品 112
11．7 洞察、交付以及可视化呈现 115
11．8 重点 117
第12章　所需的具体技能 119
12．1　人才市场目前看中的数据科学家所需技能 119
12．2 程序员的自我修养 121
12．3 统计师和机器学习从业者的自我修养 125
12．4　数据相关领域从业人员的自我修养 135
12．5　学生的自我修养 140
12．6　要点 141
第13章　数据科学职位哪家寻 145
13．1　直接联系公司 146
13．2　专业人际关系 149
13．3 招聘网站 154
13．4　其他方法 158
13．5　要点 159
第14章　自我展示 160
14．1　关注雇主 161
14．2　灵活性和适应性 162
14．3　交付物 163
14．4　让自己从竞争中脱颖而出 164
14．5　独当一面 167
14．6　其他应该考虑的因素 168
14．7　要点 168
第15章　自由职业数据科学家之路 170
15．1　成为自由职业数据科学的利弊 171
15．2　自由职业生涯要持续多久 172
15．3　其他你可以提供的服务 173
15．4　一些自由数据分析工作 174
15．5 要点 177
第16章　职业数据科学家的案例学习 179
16．1 Raj Bondugula博士 179
16．2 Praneeth Vepakomma 183
16．3 要点 186
第17章　资深数据科学家案例学习 188
17．1 基本职业背景与学历背景 188
17．2 对于数据科学实践的观点 189
17．3 数据科学的未来 190
17．4 给数据科学家新人的建议 191
17．5 要点 191
第18章　新数据科学家的召唤 193
18．1 针对入门级数据科学家的招聘广告 193
18．2 针对数据科学专家的招聘广告 195
18．3　针对资深数据科学家的招聘广告 198
18．4　网上搜索职位的一些建议 200
18．5 要点 202
结语 203
术语表 205
附录1　有用的网页链接 223
附录2　相关文章 226
附录3　线下资源 229

前言/序言

评分☆☆☆☆☆

最近一直在学习数据处理方面的知识，所以买了这些入门书，简单翻了下，还是很不错的。

评分☆☆☆☆☆

修炼修炼。。。。

评分☆☆☆☆☆

有促销活动的时候买的，内容丰富

评分☆☆☆☆☆

感觉内容太高深了，不适合我读让我也装一装吧

评分☆☆☆☆☆

挺好

评分☆☆☆☆☆

哈哈

评分☆☆☆☆☆

不错

评分☆☆☆☆☆

梦想当个数据科学家，买来做个梦吧

评分☆☆☆☆☆

还可以还可以还可以还可以