数据科学家修炼之道 PDF下载

目录



第1章　数据科学与大数据 1

1.1 深挖大数据 1

1.2 大数据产业 5

1.3 数据科学的诞生 7

1.4 要点 9

第2章　数据科学的重要性 10

2.1 数据科学领域的历史 10

2.2 新规则 14

2.3 新思维与随之而来的变化 17

2.4 要点 18

第3章　数据科学家的类型 19

3.1 数据开发者 19

3.2 数据研究者 20

3.3 数据创意师 21

3.4 数据商务人士 21

3.5 混合/普适类型 22

3.6 要点 22

第4章　数据科学家的思维体系 24

4.1 特质 24

4.2 素质与能力 27

4.3　思维 32

4.4　抱负 34

4.5　要点 36

第5章　技术资质 37

5.1　综合的编程能力 37

5.2　科学背景 39

5.3　专业化知识 40

5.4　要点 42

第6章　经验 44

6.1 企业实战VS学术研究的经验 44

6.2 经验VS正规教育 46

6.3 如何获得第一桶经验 46

6.4 要点 48

第7章　社交圈 49

7.1 岂止于专业社交圈 49

7.2 与学术圈的关系 50

7.3 与商业世界的关系 51

7.4 要点 52

第8章　所用的软件 53

8.1 Hadoop套件和朋友们 53

8.2 面向对象编程语言 60

8.3 数据分析软件 63

8.4 可视化工具 66

8.5 集成大数据系统 68

8.6 其他一些程序 69

8.7 要点 72

第9章　学习新知与解决问题 74

9.1 研讨会 74

9.2 会议 76

9.3 在线课程 76

9.4 数据科学小组 80

9.5 需求问题 82

9.6 专业知识缺乏问题 83

9.7 综合运用各种工具 84

9.8 要点 85

第10章　机器学习与R语言平台 86

10.1 机器学习简史 86

10.2 人工智能的未来 89

10.3 机器学习VS统计方法 90

10.4 在数据科学中使用机器学习 93

10.5 R平台简介 95

10.6 机器学习和R语言资料 99

10.7 要点 101

第11章　数据科学的处理流程 103

11.1 数据准备 104

11.2 数据探索 108

11.3 数据表示 109

11.4 数据发现 110

11.5 数据学习 111

11.6 创造数据产品 112

11.7 洞察、交付以及可视化呈现 115

11.8 重点 117

第12章　所需的具体技能 119

12.1　人才市场目前看中的数据科学家所需技能 119

12.2 程序员的自我修养 121

12.3 统计师和机器学习从业者的自我修养 125

12.4　数据相关领域从业人员的自我修养 135

12.5　学生的自我修养 140

12.6　要点 141

第13章　数据科学职位哪家寻 145

13.1　直接联系公司 146

13.2　专业人际关系 149

13.3 招聘网站 154

13.4　其他方法 158

13.5　要点 159

第14章　自我展示 160

14.1　关注雇主 161

14.2　灵活性和适应性 162

14.3　交付物 163

14.4　让自己从竞争中脱颖而出 164

14.5　独当一面 167

14.6　其他应该考虑的因素 168

14.7　要点 168

第15章　自由职业数据科学家之路 170

15.1　成为自由职业数据科学的利弊 171

15.2　自由职业生涯要持续多久 172

15.3　其他你可以提供的服务 173

15.4　一些自由数据分析工作 174

15.5 要点 177

第16章　职业数据科学家的案例学习 179

16.1 Raj Bondugula博士 179

16.2 Praneeth Vepakomma 183

16.3 要点 186

第17章　资深数据科学家案例学习 188

17.1 基本职业背景与学历背景 188

17.2 对于数据科学实践的观点 189

17.3 数据科学的未来 190

17.4 给数据科学家新人的建议 191

17.5 要点 191

第18章　新数据科学家的召唤 193

18.1 针对入门级数据科学家的招聘广告 193

18.2 针对数据科学专家的招聘广告 195

18.3　针对资深数据科学家的招聘广告 198

18.4　网上搜索职位的一些建议 200

18.5 要点 202

结语 203

术语表 205

附录1　有用的网页链接 223

附录2　相关