數(shù)據(jù)科學商業(yè)實戰(zhàn)：全面講解商業(yè)領域中的數(shù)據(jù)處理、機器學習和人工智能

第一章  前言 001
1.1  為什么企業(yè)管理者需要了解數(shù)據(jù)科學 003
1.2  新時代的數(shù)據(jù)素養(yǎng) 005
1.3  數(shù)據(jù)驅動式開發(fā) 007
1.4  如何使用本書 010
第二章  商業(yè)領域中的數(shù)據(jù)科學 013
2.1  什么是數(shù)據(jù)科學 015
2.2  企業(yè)中的數(shù)據(jù)科學 036
2.3  聘請數(shù)據(jù)科學家 048
2.4  管理失敗案例 067
第三章  處理現(xiàn)代數(shù)據(jù) 073
3.1  非結構化數(shù)據(jù)和被動收集 076
3.2  數(shù)據(jù)類型和來源 078
3.3  數(shù)據(jù)格式 079
3.4  數(shù)據(jù)庫 087
3.5  數(shù)據(jù)分析軟件架構 093
第四章  講述故事和總結數(shù)據(jù) 101
4.1  選擇要度量的內(nèi)容 104
4.2 異常值、可視化和概要統(tǒng)計的局限性：一圖抵千數(shù) 108
4.3  實驗、相關性和因果關系 113
4.4  以一個數(shù)字進行總結 117
4.5  評估關鍵特征：集中趨勢、擴散程度和重尾 118
4.6  總結兩個數(shù)字：相關系數(shù)和散點圖 128
4.7  高階內(nèi)容：擬合直線或曲線 133
4.8  統(tǒng)計學：如何不自欺欺人 142
4.9  高階內(nèi)容：值得了解的概率分布 158
第五章  機器學習 175
5.1  監(jiān)督式學習、非監(jiān)督式學習、二元分類 178
5.2  測量性能 188
5.3  高階內(nèi)容：重要分類器 198
5.4  數(shù)據(jù)結構：無監(jiān)督式學習 217
5.5  邊做邊學：強化學習 235
第六章  了解工具 241
6.1  關于學習編碼的注意事項 244
6.2  速查表 245
6.3  數(shù)據(jù)科學生態(tài)系統(tǒng)的組成部分 246
6.4  高階內(nèi)容：數(shù)據(jù)庫查詢速成課 264
第七章  深度學習和人工智能 275
7.1  人工智能概述 278
7.2  神經(jīng)網(wǎng)絡 282
7.3  自然語言處理（NLP） 296
7.4  知識庫和圖表 305
后記 309