像數據達人一樣思考和溝通：數據科學、統計學與機器學習極簡入門 Becoming a Data Head: How to Think, Speak, and Understand Data Science, Statistics, and Machine Learning

目錄

 

 

第1篇掌握數據達人的思維

第1章定義問題3

1.1數據達人應該掌握的問題4

1.2瞭解數據項目失敗的原因10

1.3解決重要的問題14

本章小結15

第2章何為數據16

2.1數據與信息17

2.2數據類型19

2.3數據的收集與組織方式20

2.4基本匯總統計23

本章小結24

第3章統計學思維25

3.1學會質疑26

3.2無處不在的隨機波動29

3.3概率與統計34

本章小結41像數據達人一樣思考和溝通目錄第2篇掌握數據達人的語言

第4章質詢數據45

4.1你會怎麼做？47

4.2數據的來源是什麼?53

4.3數據是否具有代表性？56

4.4是否缺少某些數據？57

4.5數據集的大小59

本章小結60

第5章探索數據61

5.1探索性數據分析62

5.2培養探索心態64

5.3數據是否能解答問題？65

5.4你是否能從數據中發現某些相關性？71

5.5你是否從數據中發現了新的機會？76

本章小結77

第6章檢查概率78

6.1猜概率: 筆記本電腦是否感染病毒79

6.2遊戲規則80

6.3概率思想實驗87

6.4謹慎做出獨立性假設90

6.5一切概率都是條件概率92

6.6保證概率數字有意義96

本章小結99

第7章質疑統計100

7.1統計推斷的簡短討論101

7.2統計推斷的過程108

7.3用於質疑統計結果的問題109

本章小結118

第3篇理解數據科學家的工具箱

第8章尋找未知分組121

8.1無監督學習123

8.2數據降維123

8.3主成分分析法(PCA)126

8.4聚類131

8.5k均值聚類133

本章小結137

第9章理解回歸模型139

9.1監督學習140

9.2線性回歸能做些什麼142

9.3線性回歸帶給我們什麼146

9.4線性回歸的隱患149

9.5其他回歸模型155

本章小結156

第10章理解分類模型157

10.1分類模型介紹158

10.2邏輯回歸160

10.3決策樹165

10.4集成方法169

10.5謹防陷阱172

10.6準確性的誤解174

本章小結178第11章理解文本分析179

11.1文本分析的期望180

11.2文本如何變成數字182

11.3主題建模192

11.4文本分類194

11.5實際處理文本分析的細節200

本章小結203

第12章解析深度學習概念204

12.1神經網絡206

12.2深度學習的應用213

12.3深度學習的實踐223

12.4人工智能與你227

本章小結230

第4篇確 保 成 功

第13章註意陷阱235

13.1數據中的偏差和怪象236

13.2陷阱大清單242

本章小結247

第14章知人善任248

14.1溝通中斷的7個場景249

14.2數據個性255

本章小結257

第15章未完待續259術語表263