在數據科學研究過程中,能快速解決問題是一項不可或缺的能力。但是數據科學面臨的復雜性在于,隨著大數據采集的數據量越來越大,以及最優(yōu)解算法越來越復雜,很多算法面臨著運行非常耗時,有時甚至在現有的資源情況下不可解的狀況。此時,需要數據科學家發(fā)揮工程師思維,使用一些計算量小的近似方法,在節(jié)省時間和計算資源的前提下,得到不錯的結果,這些方法可以稱為啟發(fā)式方法。本書聚焦“啟發(fā)式方法”這個主題,分5個部分進行介紹。第1部分概述了各種類型的啟發(fā)式方法;第2部分側重于面向數據的啟發(fā)式方法及其在數據科學問題中的應用;第3部分詮釋了面向最優(yōu)化的啟發(fā)式方法,以及它們如何解決具有挑戰(zhàn)性的最優(yōu)化問題;第4部分是講解如何設計和實施新的啟發(fā)式方法,以解決特定問題的相關內容;第5部分介紹了關于啟發(fā)式方法的其他主題,如透明度和局限性等。本書適合從事和計劃從事數據科學領域相關工作的讀者閱讀。