數據科學方法與實踐

本書主要講述數據科學的方法和實踐案例.全書分為5篇共16章，概述篇內容包括數據科學的起源、工作內容、工作流程、數據科學家的培養和數據驅動的組織文化.基礎知識篇內容包括統計學基礎、機器學習和神經網絡與深度學習.技術實踐篇內容包括數據科學的流程、數據存儲和處理和機器學習技術棧.數據分析篇內容包括產品分析、度量指標和A/B實驗.領域應用篇內容包括搜索 廣告模型， 、廣告和搜索領域的應用場景以及自然語言模型與應用場景和前沿的大語言模型.本書的讀者對象為有一定的數學基礎、對數據科學感興趣或做過部分AI相關項目的讀者，以及高校學習量化學科的本科生、研究生和博士生，包含並不限於數學、計算機科學、物理學、電子信息工程等專業以及正在企業從事數據分析和模型工作的讀者.本書的編寫特色為方法和實踐相結合，既包含方法和技能的簡述，也包含在成熟行業領域的應用.編者憑借十幾年的工作經歷和研究成果，深入淺出地為讀者描述了數據科學的現狀、應用和前沿發展.