本書為有志從事數據科學工作的讀者提供系統化的學習路徑，使讀者掌握數據科學的理念、思路與分析步驟。力圖淡化技術，對於方法的介紹也盡量避免涉及過多的數學內容，而且都輔以圖形進行形象地展現。也注重對讀者思辯能力和分析能力的培養。
商品特色：
本書是一本集數據分析、數據挖掘、機器學習為一體，面向商業實戰的養成式學習手冊。
作者
常國珍
資料科學專家和金融技術專家。北京大學會計學博士，中國大資料產業生態聯盟專家委員會委員。2005年進入資料科學領域，先後在亞信、德勤等企業從事電信、金融行業資料採擷工作，現就職於中銀消費金融有限公司資料管理部。專注于消費金融領域的資料治理、客戶智慧與風險智慧。
趙仁乾
資料科學家，在電信大資料和機器學習領域有豐富的實踐經驗。現就職於北京電信規劃設計院任高級經濟師，負責通信、ICT專案工程與業務諮詢，專注電信市場資料分析，重點研究方向包括離網用戶挖掘、市場細分與精准行銷、移動網路價值區域分析、大資料及人工智慧運營規劃等。
張秋劍
大資料專家和金融行業技術專家，上海師範大學電腦科學技術碩士。現任星環科技金融事業部總監，大資料技術架構行業顧問專家，雲析學院發起人，AICUG社區聯合發起人，曾在IEEE等期刊發表多篇論文。目前主要為銀行、證券和保險等行業客戶提供大資料平臺及人工智慧平臺的整體規劃和專案建設等工作。
目錄
CHAPTER 01 資料科學家的武器函數庫
CHAPTER 02 Python 概述
CHAPTER 03 資料科學的Python 程式設計基礎
CHAPTER 04 描述性統計分析與繪圖
CHAPTER 05 資料整合和資料清洗
CHAPTER 06 資料科學的統計推斷基礎
CHAPTER 07 客戶價值預測：線性回歸模型與診斷
CHAPTER 08 Logistic 回歸建置初始信用評級
CHAPTER 09 使用決策樹進行初始信用評級
CHAPTER 10 神經網絡
CHAPTER 11 分類器入門：最近鄰域與單純貝氏
CHAPTER 12 進階分類器：支援向量機
CHAPTER 13 連續變數的特徵選擇與轉換
CHAPTER 14 客戶分群與分群
CHAPTER 15 關聯規則
CHAPTER 16 排序模型的不平衡分類處理
CHAPTER 17 整合學習
CHAPTER 18 時間序列建模
CHAPTER 19 商業資料採擷案例
APPENDIX A 資料說明
參考文獻
序／導讀
序
Python雖然目前方興未艾，但是在資料科學領域的路還很漫長，投資於未來是艱苦而收益頗豐的。作為用好Python,一部由工作在第一線的“文科”背景作者撰寫的資料科學圖書，本書力圖降低Python的學習難度，嘗試提供不同分析主題的資料科學工作範本，滿足億萬“文科生”的數位化轉型需求。
