譯者序
前言
緻謝
作者簡介
第1章　什麼是數據科學 …… 1
1.1　數據科學簡史 …… 5
1.1.1　數據收集簡史 …… 5
1.1.2　數據分析簡史 …… 9
1.1.3　數據科學的産生與發展 …… 14
1.2　數據科學用於何處 …… 20
1.2.1　銷售和營銷中的數據科學 …… 21
1.2.2　數據科學在政府中的應用 …… 22
1.2.3　數據科學在競技體育中的應用 …… 23
1.3　為什麼是現在 …… 25
1.4　關於數據科學的神話 …… 28
第2章　什麼是數據，什麼是數據集 …… 31
2.1　關於數據的觀點 …… 38
2.2　數據可以積纍，而智慧不能 …… 43
2.3　CRISP-DM …… 45
第3章　數據科學生態係統 …… 54
3.1　將算法遷移至數據 …… 61
3.1.1　傳統數據庫與現代的傳統數據庫 …… 64
3.1.2　大數據架構 …… 67
3.1.3　混閤數據庫世界 …… 69
3.2　數據準備和集成 …… 72
第4章　機器學習 …… 77
4.1　有監督學習與無監督學習 …… 78
4.2　學習預測模型 …… 83
4.2.1　相關性不等同於因果，但它有時非常有用 …… 84
4.2.2　綫性迴歸 …… 90
4.2.3　神經網絡與深度學習 …… 96
4.2.4　決策樹 …… 108
4.3　數據科學中的偏差 …… 114
4.4　評估模型：泛化而不是記憶 …… 116
4.5　摘要 …… 119
第5章　標準的數據科學任務 …… 121
5.1　誰是我們的目標客戶（聚類） …… 122
5.2　這是欺詐嗎（異常值檢測） …… 128
5.3　你要配份炸薯條嗎（關聯規則挖掘） …… 131
5.4　流失還是不流失，這是一個問題（分類） …… 136
5.5　它價值幾何（迴歸） …… 141
第6章　隱私與道德 …… 143
6.1　商業利益與個人隱私 …… 145
6.1.1　數據科學的道德啓示：畫像與歧視 …… 148
6.1.2　數據科學的道德含義：創建一個全景監獄 …… 154
6.2　隱私保護 …… 157
6.2.1　保護隱私的計算方法 …… 159
6.2.2　規範數據使用和保護隱私的法律框架 …… 161
6.3　通往道德的數據科學之路 …… 164
第7章　未來趨勢與成功準則 …… 172
7.1　醫療數據科學 …… 172
7.2　智慧城市 …… 174
7.3　數據科學項目準則：為什麼會成功或失敗 …… 177
7.4　終極思考 …… 185
術語錶 …… 188
延伸閱讀 …… 201
參考文獻 …… 203
· · · · · · (收起)