内容提要

本书结合数据科学的具体应用场景，由浅入深、循序渐进地引导读者入门数据科学，覆盖了数据获取、数据预处理、数据分析等方面的内容，共10章。本书首先概括性地介绍各章的主要内容，然后通过一个个生动的案例讲解数据获取、数据预处理、自然语言处理、机器学习和深度学习等方面的典型应用，最后为读者提供进一步学习Python的方向和方法建议。本书各章的案例均基于具体应用场景，以简单、清晰的方式对数据科学相关的技术原理和实际操作进行讲解。

本书适合高等院校的理工科、管理学科的本科生、研究生学习，尤其适合非计算机专业但对计算机编程感兴趣的学生参考学习，同时也适合数据科学行业的从业者阅读。

前言

目前，数据科学的技术门槛逐渐降低。面对海量信息扑面而来的我们，该如何从这种趋势中收获更多呢？

不友好的技术世界

我们经常听别人谈论，数据科学的门槛在逐渐降低。数据科学、机器学习、自然语言处理、神经网络、人工智能……一系列的名词让我们眼花缭乱，让我们对这个时代充满期待。每个人都跃跃欲试，希望自己也能用新技术让工作卓有成效。但是，如果我们从事的不是与信息技术（Information Technology,IT）相关的工作，学习的不是计算机专业，那可能会逐渐发现，技术世界似乎“不那么友好”。

如我们只想对文本提取主题，作者却写了这么长的公式：

又如我们想做一个时间序列的预测，结果一个处理单元就有图1所示的结构。

除了不断“从入门到放弃”，我们还能做什么？

别急，这不是真相。真相是，只要我们知道如何找到正确的工具包，就可以用短短几行代码完成以前手工需要做几天的工作。

编程，对于有需求的人来说，如今已经变成了和驾驶一样的基础技能。开辆自动挡的汽车，不难吧？我们可以安全行驶几十万千米，成为名副其实的“老司机”，而不必理解发动机（或者电动机）的构造。汽车需要维护和保养，这是自然的，但是这些工作我们都可以交给专业人士。我们需要了解的无非是转向、制动、油门、信号灯……

图1

数据科学技术门槛的降低就应该体现在处理数据问题的时候，我们应当像驾驶汽车一样自然地处理这些问题，而不应当像学习发动机构造一样“挑战自我”。

本书的受众与架构

在机械师的眼中，发动机的构造简单易懂。所以他们中的大部分人写发动机构造教程的时候，很少考虑那些对物理一无所知的读者的感受。

同样，那些制造数据科学与人工智能工具的人也很聪明，相关原理于他们而言就是“理所当然”，所以大部分数据科学类教程，对于读者阅读数学公式和分析模型构造提出了较高要求。而这对于大部分读者，尤其是非理工科的读者来说是一大障碍。

非理工科读者们充满期待，试图通过掌握数据科学工具来完成科研与工作任务，而拿到的教程依然在完完整整地罗列公式，甚至是推导过程。这就像我们想学开车，教练却要我们先学习发动机构造。

读者此时可能会产生自卑感——因为看不懂这些公式。其实，这又有什么？

想必你我都认同，普通的非专职司机（可能是成功的生物学家、成功的作家等），即便不懂发动机的构造和工作原理，依然可以很好地开车，顺利、安全地到达目的地。

因此，我们任何人都不应该在这“数字技术洪流”中受到阻碍。特别是，我们不应该把自己推到“数字鸿沟”的另一端。

我们需要的是找到适合自己阅读的教程。这种教程的特点是什么？在笔者看来，大致包括以下3点。

以问题为导向。用例子讲明白如何用合适的工具，简单、高效地解决问题。

解决问题的方法完全可以复制。教程必须给出全部的代码和步骤流程。读者参考后就能上手，获得结果。

尽量不使用数学公式和一大堆晦涩难懂的术语；即便使用术语，也需要解释清楚。

秉持与上述特点一致的原则，从2017年6月开始，笔者在自己的公众号“玉树芝兰”和简书、知乎、科学网专栏等写了一系列的数据科学教程。很荣幸，这些教程受到了很多读者的欢迎。