王净

BrianSteele是蒙大拿州立大学的数学教授，是SoftMath咨询公司的资深数据科学家。Steele博士发表过多篇关于EM算法、精确bagging、bootstrap和诸多统计应用的技术文章。Steele主要讲授数据分析和统计课程，并为客户提供与数据科学和统计有关的咨询。 JohnChandler自1999年以来一直从事最前沿的营销和数据分析工作，曾帮助多家《财富》100强公司评价广告效果，改善绩效。Chandler博士从2015年开始在蒙大拿州立大学商学院担任市场营销教授，讲授高级营销分析和数据科学课程。Chandler也是ArsQuanta咨询公司的创始人和首席数据科学家。 SwarnaReddy是蒙大拿州立大学数学系教授，也是SoftMath咨询公司的创始人、首席执行官和资深数据科学家。Reddy专门研究计算数学和运筹学，曾发表过多篇论文，已开发出多个重大的生物信息学、网络安全和商业分析方案。

《数据科学实用算法》将重点讲述数据分析的基石——算法。要成为一名数据分析专家，你必须了解算法原理，否则会产生挫败感、进入死胡同、浪费时间以及失败。本书将基本原理、算法和数据融为一体，提供大量Python和R代码，执行真实的数据分析，帮助你熟练编写程序，处理富有挑战性的数据。在学习过程中，你将沉浸在Python中，深入了解数据科学的基本算法和方法，获得根据新问题改编算法和进行创新分析的能力。 《数据科学实用算法》面向数学、统计学和计算机科学专业的高年级本科生和研究生，可用作一学期或两学期的数据分析课本。先修科目要求不高，学过一两门概率论或统计学课程、接触过向量和矩阵、学过编程课程的学生不会遇到任何困难。每章结尾处通常进行扩展，介绍数据科学从业者感兴趣的创新内容，提供不同难度的练习。本书也非常适合自学，可作为从业人员的参考书籍。 《数据科学实用算法》分为三部分。第I部分“数据约简”首先讨论数据约简和数据映射等概念，然后讲述关联统计、可扩展算法和分布式计算等基础知识。第II部分“从数据中提取信息”呈现线性回归、数据可视化和聚类分析等主题，用一章的篇幅介绍医疗分析的关键领域。第III部分“预测分析”通过开发两个基本且广泛使用的预测函数(k近邻和朴素贝叶斯)向读者介绍预测分析技术，用一章的篇幅专门论述预报，最后一章重点介绍数据流。