《精通資料科學：從線性迴歸到深度學習》

資料科學是一門內涵很廣的學科，它涉及到統計分析、機器學習以及電腦科學三方面的知識和技能。本書深入淺出、全面系統地介紹了這門學科的內容。

本書分為13章，最初的3章主要介紹資料科學想要解決的問題、常用的IT工具Python以及這門學科所涉及的數學基礎。第4-7章主要討論資料模型，主要包含三方面的內容：一是統計中最經典的線性迴歸和邏輯迴歸模型；二是計算機估算模型引數的隨機梯度下降法，這是模型工程實現的基礎；三是來自計量經濟學的啟示，主要涉及特徵提取的方法以及模型的穩定性。接下來的8-10章主要討論演算法模型，也就是機器學習領域比較經典的模型。這三章依次討論了監督式學習、生成式模型以及非監督式學習。目前資料科學最前沿的兩個領域分別是大資料和人工智慧。本書的第11章將介紹大資料中很重要的分散式機器學習，而本書的最後兩章將討論人工智慧領域的神經網路和深度學習。

本書通俗易懂，而且理論和實踐相結合，可作為資料科學家和資料工程師的學習用書，也適合對數學科學有強烈興趣的初學者使用。同時也可作為高等院校計算機、數學及相關專業的師生用書和培訓學校的教材。