欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 像数据达人一样思考和沟通(数据科学统计学与机器学习极简入门)
      • 作者:(美)亚历克斯·J.古特曼//乔丹·哥德梅尔|责编:薛杨|译者:李文菲//筴硕
      • 出版社:清华大学
      • ISBN:9787302643173
      • 出版日期:2023/09/01
      • 页数:273
    • 售价:27.2
  • 内容大纲

        在《像数据达人一样思考和沟通》中,亚历克斯·J.古特曼和乔丹·哥德梅尔两位数据科学家将会揭开数据科学的神秘面纱,提供实用性极强的相关话术和工具。有了这些基础,你一定可以从容面对数据时代给人们带来的各种考验。
        阅读本书,你将能够:
        用统计学的思维去思考,了解数据的变动会给我们的生活和决策带来怎样的影响。
        自信地处理并利用数据,针对工作中的分析统计结果提出怡当的问题,给出明智的建议。理解一些最新技术的本质,包括机器学习、文本分析、深度学习、人工智能等。
        绕开工作中常见的数据陷阱。
        《像数据达人一样思考和沟通》是一本完备的数据科学指南,尤其适用于职场人。本书既包括了职场中的场景介绍(例如,你在职场中会遇到的不同人对数据的理解),也包括了算法背后的数学知识。两位作者在数据科学普及领域深耕多年,立志于打造一本有趣、贴近生活、可读性强的数据科学入门书。每个人都能成为数据达人,积极地参与与数据科学、统计学、机器学习相关的工作。无论你是商务专业人员、工程师、行政人员,还是有志成为数据科学家的研究人员,这本书都会适合你。
  • 作者介绍

  • 目录

    第1篇  掌握数据达人的思维
      第1章  定义问题
        1.1  数据达人应该掌握的问题
        1.2  了解数据项目失败的原因
        1.3  解决重要的问题
        本章小结
      第2章  何为数据
        2.1  数据与信息
        2.2  数据类型
        2.3  数据的收集与组织方式
        2.4  基本汇总统计
        本章小结
      第3章  统计学思维
        3.1  学会质疑
        3.2  无处不在的随机波动
        3.3  概率与统计
        本章小结
    第2篇  掌握数据达人的语言
      第4章  质询数据
        4.1  你会怎么做?
        4.2  数据的来源是什么
        4.3  数据是否具有代表性?
        4.4  是否缺少某些数据?
        4.5  数据集的大小
        本章小结
      第5章  探索数据
        5.1  探索性数据分析
        5.2  培养探索心态
        5.3  数据是否能解答问题?
        5.4  你是否能从数据中发现某些相关性?
        5.5  你是否从数据中发现了新的机会?
        本章小结
      第6章  检查概率
        6.1  猜概率:笔记本电脑是否感染病毒
        6.2  游戏规则
        6.3  概率思想实验
        6.4  谨慎做出独立性假设
        6.5  一切概率都是条件概率
        6.6  保证概率数字有意义
        本章小结
      第7章  质疑统计
        7.1  统计推断的简短讨论
        7.2  统计推断的过程
        7.3  用于质疑统计结果的问题
        本章小结
    第3篇  理解数据科学家的工具箱
      第8章  寻找未知分组
        8.1  无监督学习
        8.2  数据降维
        8.3  主成分分析法(PCA)

        8.4  聚类
        8.5  k-均值聚类
        本章小结
      第9章  理解回归模型
        9.1  监督学习
        9.2  线性回归能做些什么
        9.3  线性回归带给我们什么
        9.4  线性回归的隐患
        9.5  其他回归模型
        本章小结
      第10章  理解分类模型
        10.1  分类模型介绍
        10.2  逻辑回归
        10.3  决策树
        10.4  集成方法
        10.5  谨防陷阱
        10.6  准确性的误解
        本章小结
      第11章  理解文本分析
        11.1  文本分析的期望
        11.2  文本如何变成数字
        11.3  主题建模
        11.4  文本分类
        11.5  实际处理文本分析的细节
        本章小结
      第12章  解析深度学习概念
        12.1  神经网络
        12.2  深度学习的应用
        12.3  深度学习的实践
        12.4  人工智能与你
        本章小结
    第4篇  确保成功
      第13章  注意陷阱
        13.1  数据中的偏差和怪象
        13.2  陷阱大清单
        本章小结
      第14章  知人善任
        14.1  沟通中断的7个场景
        14.2  数据个性
        本章小结
      第15章  未完待续
    术语表