目錄
前言
第一部分 什 么 是 數(shù) 據(jù) 科 學(xué)？
第 1 章 數(shù)據(jù)科學(xué)概論· 2
1.1 人工智能定義 3
1.1.1 數(shù)據(jù)科學(xué)的定義 3
1.1.2 數(shù)據(jù)科學(xué)的影響 4
1.1.3 數(shù)據(jù)科學(xué)的局限 4
1.2 機(jī)器學(xué)習(xí)導(dǎo)論 5
1.2.1 機(jī)器學(xué)習(xí)模型提供的決策和洞見(jiàn)· 5
1.2.2 機(jī)器學(xué)習(xí)模型需要的數(shù)據(jù) 6
1.2.3 機(jī)器學(xué)習(xí)的起源 7
1.2.4 機(jī)器學(xué)習(xí)剖析 7
1.2.5 機(jī)器學(xué)習(xí)可解決的任務(wù)類型 8
1.3 深度學(xué)習(xí)導(dǎo)論 · 11
1.3.1 自然語(yǔ)言理解應(yīng)用· 12
1.3.2 探究計(jì)算機(jī)視覺(jué) 13
1.4 深度學(xué)習(xí)用例 · 16
1.5 因果推理導(dǎo)論 · 16
1.6 本章小結(jié) · 19
第 2 章 機(jī)器學(xué)習(xí)模型測(cè)試 20
2.1 離線模型測(cè)試 · 20
2.1.1 模型誤差 20
2.1.2 誤差分解 21
2.1.3 技術(shù)度量指標(biāo) 26
2.1.4 業(yè)務(wù)度量指標(biāo) 32
2.2 在線模型測(cè)試 · 322.2.1 在線測(cè)試的意義 · 32
2.2.2 在線數(shù)據(jù)測(cè)試· 36
2.3 本章小結(jié) 36
第 3 章 人工智能基礎(chǔ) 37
3.1 理解數(shù)學(xué)優(yōu)化 37
3.2 理解統(tǒng)計(jì)學(xué) 41
3.2.1 頻率學(xué)派的概率 · 42
3.2.2 條件概率 42
3.2.3 關(guān)于概率的貝葉斯觀點(diǎn) · 44
3.2.4 分布 44
3.2.5 利用數(shù)據(jù)樣本計(jì)算統(tǒng)計(jì)量 · 45
3.2.6 統(tǒng)計(jì)建模 46
3.3 機(jī)器如何學(xué)習(xí) 48
3.4 探究機(jī)器學(xué)習(xí) 52
3.4.1 機(jī)器學(xué)習(xí)簡(jiǎn)介· 52
3.4.2 線性模型 53
3.4.3 分類與回歸樹(shù)· 53
3.4.4 集成模型 54
3.4.5 聚類模型 56
3.5 探究深度學(xué)習(xí) 58
3.5.1 建立神經(jīng)網(wǎng)絡(luò)· 61
3.5.2 計(jì)算機(jī)視覺(jué)應(yīng)用 · 62
3.5.3 自然語(yǔ)言處理應(yīng)用 · 64
3.6 本章小結(jié) 69
第二部分 項(xiàng)目團(tuán)隊(duì)的組建與維持
第 4 章 理想的數(shù)據(jù)科學(xué)團(tuán)隊(duì) 71
4.1 數(shù)據(jù)科學(xué)團(tuán)隊(duì)的角色 71
4.2 探究數(shù)據(jù)科學(xué)團(tuán)隊(duì)的角色及其職責(zé) 74
4.2.1 案例 1：應(yīng)用機(jī)器學(xué)習(xí)防止銀行詐騙 74
4.2.2 案例 2：機(jī)器學(xué)習(xí)在零售公司的應(yīng)用 75
4.2.3 數(shù)據(jù)科學(xué)家的關(guān)鍵技能 · 774.2.4 數(shù)據(jù)工程師的關(guān)鍵技能 · 78
4.2.5 數(shù)據(jù)科學(xué)項(xiàng)目經(jīng)理的關(guān)鍵技能 · 79
4.2.6 開(kāi)發(fā)團(tuán)隊(duì)的支持 80
4.3 本章小結(jié) · 80
第 5 章 數(shù)據(jù)科學(xué)團(tuán)隊(duì)招聘面試 81
5.1 技術(shù)招聘面試的通病 · 81
5.1.1 發(fā)現(xiàn)不需要的候選者· 82
5.1.2 明確面試目的 84
5.2 將價(jià)值和倫理引入面試 · 85
5.3 面試設(shè)計(jì) · 86
5.3.1 設(shè)計(jì)測(cè)試作業(yè) 87
5.3.2 不同數(shù)據(jù)科學(xué)角色的面試 · 90
5.4 本章小結(jié) · 92
第 6 章 組建數(shù)據(jù)科學(xué)團(tuán)隊(duì) 93
6.1 鑄就團(tuán)隊(duì)靈魂（ Zen，禪） 93
6.2 領(lǐng)導(dǎo)力和人員管理 · 96
6.2.1 以身作則 96
6.2.2 發(fā)揮情境領(lǐng)導(dǎo)力（ situational leadership） 97
6.2.3 明確任務(wù) 99
6.2.4 感情移入（ empathy，共情） 100
6.3 培養(yǎng)成長(zhǎng)型思維 101
6.3.1 團(tuán)隊(duì)整體的成長(zhǎng) 101
6.3.2 面向個(gè)體成長(zhǎng)的持續(xù)學(xué)習(xí) 102
6.3.3 提供更多的學(xué)習(xí)機(jī)會(huì) 103
6.3.4 利用績(jī)效評(píng)價(jià)幫助員工成長(zhǎng) 104
6.4 案例：創(chuàng)建數(shù)據(jù)科學(xué)部門(mén) 106
6.5 本章小結(jié) 108
第三部分 數(shù)據(jù)科學(xué)項(xiàng)目的管理
第 7 章 創(chuàng)新管理· 110
7.1 理解創(chuàng)新 110
7.2 大型組織為何屢屢失��？ 1117.2.1 市場(chǎng)的游戲規(guī)則 111
7.2.2 開(kāi)拓新市場(chǎng) 112
7.3 探究創(chuàng)新管理 112
7.3.1 案例： MedVision 的創(chuàng)新周期· 114
7.3.2 集成創(chuàng)新 · 116
7.4 銷售、營(yíng)銷、團(tuán)隊(duì)領(lǐng)導(dǎo)方式以及技術(shù) 117
7.5 大公司的創(chuàng)新管理 119
7.5.1 大公司的創(chuàng)新管理簡(jiǎn)介 119
7.5.2 案例：零售業(yè)務(wù)的數(shù)據(jù)科學(xué)項(xiàng)目 120
7.6 初創(chuàng)公司的創(chuàng)新管理 121
7.7 發(fā)現(xiàn)項(xiàng)目想法 122
7.7.1 從業(yè)務(wù)發(fā)現(xiàn)想法 122
7.7.2 從數(shù)據(jù)發(fā)現(xiàn)想法 123
7.8 本章小結(jié) 127
第 8 章 管理數(shù)據(jù)科學(xué)項(xiàng)目 128
8.1 理解數(shù)據(jù)科學(xué)項(xiàng)目的失敗 128
8.1.1 數(shù)據(jù)科學(xué)項(xiàng)目失敗的常見(jiàn)原因 128
8.1.2 數(shù)據(jù)科學(xué)管理方法 129
8.2 探究數(shù)據(jù)科學(xué)項(xiàng)目全生命周期 130
8.2.1 業(yè)務(wù)理解 · 130
8.2.2 數(shù)據(jù)理解 · 130
8.2.3 數(shù)據(jù)準(zhǔn)備 · 131
8.2.4 建模 · 132
8.2.5 評(píng)價(jià) · 133
8.2.6 部署 · 133
8.3 項(xiàng)目管理方法論的選擇 134
8.3.1 瀑布式管理 134
8.3.2 敏捷 · 135
8.3.3 Kanban · 135
8.3.4 Scrum 137
8.4 選擇適合項(xiàng)目的方法論 139
8.4.1 開(kāi)展顛覆性創(chuàng)新 139
8.4.2 準(zhǔn)備測(cè)試過(guò)的解決方案 1398.4.3 為客戶量身定制項(xiàng)目 139
8.5 估測(cè)數(shù)據(jù)科學(xué)項(xiàng)目 140
8.5.1 數(shù)據(jù)科學(xué)項(xiàng)目估測(cè)簡(jiǎn)介 140
8.5.2 學(xué)會(huì)估測(cè)時(shí)間和成本 141
8.6 明確估測(cè)過(guò)程的目標(biāo) 144
8.7 本章小結(jié) 144
第 9 章 數(shù)據(jù)科學(xué)項(xiàng)目的常見(jiàn)陷阱· 145
9.1 規(guī)避數(shù)據(jù)科學(xué)項(xiàng)目的常見(jiàn)風(fēng)險(xiǎn) 145
9.2 推進(jìn)研究項(xiàng)目 146
9.3 實(shí)施原型和最簡(jiǎn)可行產(chǎn)品項(xiàng)目 147
9.3.1 原型和最簡(jiǎn)可行產(chǎn)品開(kāi)發(fā)簡(jiǎn)介 147
9.3.2 案例：咨詢公司的最簡(jiǎn)可行產(chǎn)品· 148
9.4 應(yīng)對(duì)實(shí)用型數(shù)據(jù)科學(xué)系統(tǒng)的風(fēng)險(xiǎn) 149
9.4.1 實(shí)用型數(shù)據(jù)科學(xué)系統(tǒng)風(fēng)險(xiǎn)及其解決方法 · 149
9.4.2 案例：將銷售預(yù)測(cè)系統(tǒng)投入應(yīng)用· 151
9.5 本章小結(jié) 152
第 10 章 創(chuàng)造產(chǎn)品與提升可重用性 153
10.1 產(chǎn)品思維 153
10.2 確定項(xiàng)目所處階段 154
10.2.1 項(xiàng)目類型和所處階段的劃分 154
10.2.2 案例：服務(wù)平臺(tái)調(diào)度系統(tǒng)的開(kāi)發(fā) 155
10.3 提高可重用性 156
10.4 尋找和開(kāi)發(fā)產(chǎn)品 157
10.4.1 尋找和開(kāi)發(fā)產(chǎn)品簡(jiǎn)介 · 157
10.4.2 隱私問(wèn)題· 158
10.5 本章小結(jié) 158
第四部分 開(kāi)發(fā)基礎(chǔ)環(huán)境的構(gòu)建
第 11 章 實(shí)施 ModelOps· 160
11.1 認(rèn)識(shí) ModelOps 160
11.2 了解 DevOps 161
11.2.1 數(shù)據(jù)科學(xué)項(xiàng)目基礎(chǔ)系統(tǒng)的特殊需求 16111.2.2 數(shù)據(jù)科學(xué)交付流程· 162
11.3 管理代碼版本和質(zhì)量 · 163
11.4 存儲(chǔ)數(shù)據(jù)和代碼 · 164
11.4.1 數(shù)據(jù)跟蹤與版本化· 165
11.4.2 實(shí)際的數(shù)據(jù)存儲(chǔ)· 165
11.5 管理環(huán)境 · 167
11.6 追蹤實(shí)驗(yàn) · 168
11.7 自動(dòng)測(cè)試的重要性 · 170
11.8 代碼打包 · 171
11.9 模型的持續(xù)訓(xùn)練 · 172
11.10 案例：開(kāi)發(fā)預(yù)測(cè)維護(hù)系統(tǒng)的 ModelOps · 173
11.11 項(xiàng)目的動(dòng)力源 177
11.12 本章小結(jié) 179
第 12 章 建立技術(shù)棧 180
12.1 定義技術(shù)棧的要素 · 180
12.2 核心技術(shù)與項(xiàng)目專用技術(shù)的選擇 · 183
12.3 比較工具與產(chǎn)品 · 184
12.3.1 如何比較不同的工具與產(chǎn)品 · 184
12.3.2 案例：物流公司的需求預(yù)測(cè) · 185
12.4 本章小結(jié) · 187
第 13 章 結(jié)論 188
13.1 增進(jìn)知識(shí) · 189
13.2 本章小結(jié)