一本为渴望系统理解数据科学全貌的读者所写的指南。数据科学致力于从海量数据中提取有价值且非显而易见的模式。本书对数据科学这一新兴领域进行了系统梳理，以简洁的笔触勾勒出其发展脉络、与机器学习的关联、当前应用场景、数据基础设施现状及面临的伦理挑战。

全书从数据科学的演进历程说起，解析了基础数据概念，并详细阐述数据科学生命周期的各个阶段，继而深入探讨数据基础设施的关键问题，以及多源数据整合过程中面临的技术挑战。同时，本书还对数据伦理与法律规范、数据监管机制演进趋势及隐私保护计算技术进行了专业解读。最后，通过前瞻性探讨数据科学的未来发展方向，总结了保障数据科学项目成功实施的关键原则。

1.系统思维。助你建立坚实的数据科学认知框架，掌握从问题定义到模型落地的系统性思维。

2.超越理论。直指数据实践中的真实挑战，揭示工程现实如何决定项目成败。

3.实战导向。提炼7大项目成功原则，提供从问题定义到业务整合的完整行动清单。

4.前瞻视野。直面数据偏见与隐私伦理挑战，培养负责任的、面向未来的数据素养。

【作者介绍】

约翰·D. 凯莱赫（John D. Kelleher），爱尔兰都柏林理工大学计算机科学学院教授，兼任信息、通信和娱乐研究所学术负责人。合著有《预测数据分析的机器学习基础》（麻省理工学院出版社）。

布伦丹·蒂尔尼（Brendan Tierney），爱尔兰都柏林理工大学计算机科学学院讲师，兼任Oracle ACE 总监，撰有多部基于Oracle技术的数据挖掘著作。

【译者介绍】

张里博，西南大学人工智能学院智能科学系主任、副教授，南京大学特聘研究员，主要从事人工智能、大数据与智能决策等方面的研究。

杨金瑞，澳大利亚麦考瑞大学计算机科学硕士。

第一章　什么是数据科学 001

第二章　什么是数据和数据集 033

第三章　数据科学生态系统 055

第四章　机器学习入门 077

第五章　标准数据科学任务 119

第六章　隐私与伦理 141

第七章　未来趋势与成功之道 169

致　谢 184

术语表 185

注　释 193

延伸阅读 197

参考文献 199

索　引 207