数据天才：数据科学家修炼之道

第1章 数据科学是什么 1
-真伪数据科学对比 2
- - 伪数据科学的两个例子 5
- - 新大学的面貌 7
-数据科学家 10
- - 数据科学家与数据工程师 10
- - 数据科学家与统计学家 12
- - 数据科学家与业务分析师 13
-13个真实世界情景中的数据科学应用 14
- - 情景1：国家对烈性酒销售的垄断结束后，DUI（酒后驾驶）逮捕量减少 15
- - 情景2：数据科学与直觉 17
- - 情景3：数据故障将数据变成乱码 19
- - 情景4：异常空间的回归 21
- - 情景5：分析与诱导在提升销量上有何不同价值 22
- - 情景6：关于隐藏数据 24
- - 情景7：汽油中的铅会导致高犯罪率。真的吗 25
- - 情景8：波音787（梦幻客机）问题 26
- - 情景9：NLP的7个棘手句子 27
- - 情景10：数据科学家决定着我们所吃的食品 28
- - 情景11：用较好的相关性增加亚马逊的销售量 30
- - 情景12：检测Facebook上的假档案或假“喜欢”数 32
- - 情景13：餐厅的分析 33
-数据科学的历史、开拓者和现代趋势 33
- - 统计学将会复兴 34
- - 历史与开拓者 36
- - 现代的趋势 38
- - 最近的问答讨论 40
-总结 44
第2章 大数据的独特性 45
-两个大数据的问题 45
- - 大数据“诅咒” 45
- - 数据快速流动问题 50
-大数据技术示例 56
- - 大数据问题是数据科学所面临挑战的缩影 56
- - 大规模数据集的聚类和分类 58
- - 1亿行的Excel 63
-MapReduce不能做什么 67
- - 问题 67
- - 3种解决方案 68
- - 结论：何时使用MapReduce 69
-沟通问题 70
-数据科学：统计学的终结 72
- - 8种最差的预测建模技术 72
- - 把计算机科学、统计学和行业专业知识结合在一起 74
-大数据生态系统 78
-总结 79
第3章 成为一名数据科学家 80
-数据科学家的主要特征 80
- - 数据科学家的职能 80
- - 横向与纵向数据科学家 83
-数据科学家的类型 86
- - 伪数据科学家 86
- - 自学成才的数据科学家 86
- - 业余数据科学家 87
- - 极限数据科学家 89
-数据科学家人群特征 90
-数据科学方面的培训 91
- - 大学课程 91
- - 公司和协会培训项目 95
- - 免费培训项目 96
-数据科学家职业道路 98
- - 独立顾问 98
- - 创业者 105
-总结 118
第4章 数据科学的技术（I） 119
-新型指标 120
- - 优化数字营销活动的指标 121
- - 欺诈检测的指标 122
-选择合适的分析工具 124
- - 分析软件 124
- - 可视化工具 125
- - 实时产品 126
- - 编程语言 128
-可视化 128
- - 用R生成数据视频 129
- - 更复杂的视频 133
-无模型的统计建模 134
- - 无模型的统计建模是什么 135
- - 该算法是如何工作的 135
- - 源代码生成数据集 137
-三类指标：中心性、波动性、颠簸性 137
- - 中心性、波动性和颠簸性之间的关系 138
- - 定义颠簸性 138
- - 在Excel中计算颠簸性 139
- - 使用颠簸系数 141
-大数据的统计聚类 141
-大数据的相关性和拟合度 143
- - 一系列新的秩相关性 146
- - 渐近分布与归一化 148
- - -计算复杂度 152
- - 计算q(n) 152
- - 理论上的解决方案 155
-结构系数 156
-确定簇的数量 157
- - 方法 157
- - 例子 158
-网络拓扑映射 159
-安全通信：数据加密 163
-总结 166
第5章 数据科学的技术（II） 167
-数据字典 168
- - 什么是数据字典 168
- - 建立数据字典 169
-隐性决策树 169
- - 实现方法 171
- - 示例：互联网流量打分 173
- - 结论 175
-与模型无关的置信区间 175
- - 方法 175
- - 分析桥第一定理 176
- - 应用 177
- - 源代码 178
-随机数 179
-解决问题的4个办法 181
- - 拥有超强直觉能力的业务分析师的直观法 182
- - 软件工程师的蒙特卡洛模拟法 182
- - 统计学家的统计建模方法 183
- - 计算机科学家的大数据方法 183
-因果关系和相关性 183
-怎样检测因果关系 184
-数据科学项目的生命周期 186
-预测模型的错误 189
-逻辑相关回归 191
- - 变量之间的相互作用 191
- - 一阶近似 191
- - 二阶近似 193
- - 用Excel进行回归分析 195
-实验设计 196
- - 有趣的指标 196
- - 把患者分成不同的人群进行治疗 196
- - 私人定制的治疗 197
-分析即服务和应用程序接口 198
- - 工作原理 199
- - 实施案例 199
- - 关键词相关的API的源代码 200
-其他主题 204
- - 当数据库改变时，保存好数值 204
- - 优化网络爬虫 205
- - 哈希连接 206
- - 用于模拟簇的简单源代码 207
-Hadoop和大数据的新型合成方差 208
- - Hadoop和MapReduce的介绍 208
- - 综合指标 209
- - Hadoop、数值的和统计的稳定性 210
- - 方差的抽象概念 211
- - 一个新的大数据定理 213
- - 平移不变性的度量标准 214
- - 实现：通信和计算成本 214
- - 最终意见 215
-总结 215
第6章 数据科学应用案例研究 217
-股票市场 217
- - 使回报率提高500%的模式 217
- - 优化统计交易策略 220
- - 股票交易的API：统计模型 222
- - 股票交易的API：具体实现 225
- - 股票市场模拟 226
- - 些许数学知识 229
- - 新趋势 231
-加密 232
- - 数据科学应用：隐写术 232
- - 好的电子邮件加密 236
- - 验证码破解 239
-欺诈检测 240
- - 点击欺诈 241
- - 连续点击评分与二进制欺诈/非欺诈 242
- - 数学模型与基准 244
- - 虚假转化产生的偏差 245
- - 一些误解 246
- - 统计面临的挑战 246
- - 点击评分优化关键词出价 247
- - 组合优化自动快速的特征选择 249
- - 特征的预测能力：交叉验证 250
- - 勾连检测和僵尸网络的关联规则检测 254
- - 模式检测的极值理论 255
-数字分析 256
- - 在线广告：到达率和频率的计算公式 256
- - 电子邮件营销：提高300%的性能 257
- - 在7天内优化关键词广告宣传活动 258
- - 自动新闻提要优化 260
- - 用bit-ly进行竞争情报分析 261
- - 测量 Twitter 哈希标签（hashtag）的收益 263
- - 用3个修补方法提升谷歌搜索 267
- - 改进相关性的算法 270
- - 广告循环问题 272
-杂项 273
- - 简单模型会获得更好的销售预测 273
- - 更好的医疗欺诈检测 275
- - 归因模型 276
- - 预测陨石撞击 277
- - 在路口停车场收集数据 281
- - 数据科学的其他应用 282
-总结 282
第7章 踏上你的数据科学职业之路 283
-面试问题 283
- - 关于工作经验的问题 283
- - 技术问题 285
- - 一般性问题 286
- - 关于数据科学项目的问题 288
-测试你自己的视觉和分析思维 291
- - 通过肉眼的检测模式 292
- - 识别偏差 294
- - 误导性的时间序列和随机游走 295
-从统计学家到数据科学家 296
- - 数据科学家也是统计从业人员 297
- - 谁应该给数据科学家教统计学 298
- - 雇佣问题 298
- - 数据科学家与数据架构师密切合作 299
- - 谁应该参与战略思考 299
- - 两种类型的统计学家 300
- - 大数据与取样 301
-数据科学家的分类 302
- - 数据科学最流行的技能集合 302
- - LinkedIn上的顶级数据科学家 306
-400个数据科学家职位头衔 309
-薪酬调查 311
- - 根据技能和位置的薪酬分类 312
- - 创建自己的薪酬调查表 316
-总结 317
第8章 数据科学资源 318
-专业资源 318
- - 数据集 318
- - 书籍 319
- - 会议与组织 322
- - 网站 324
- - 概念定义 324
-职业建设资源 327
- - 招聘数据科学家的公司 328
- - 数据科学招聘广告的样本 329
- - 简历样本 329
-总结 331