數(shù)據(jù)科學的目標是通過將決策建立在從大數(shù)據(jù)集中提取洞察力的基礎(chǔ)上來改進決策。作為一個活動領(lǐng)域，數(shù)據(jù)科學由一系列原理、問題定義、算法和過程組成，用于從大型數(shù)據(jù)集中提取有用但不顯眼的模式。數(shù)據(jù)科學與數(shù)據(jù)挖掘和機器學習領(lǐng)域密切相關(guān)，但它涉及的范圍更廣。如今，數(shù)據(jù)科學推動了現(xiàn)代社會幾乎所有領(lǐng)域決策的發(fā)展。數(shù)據(jù)科學可能影響人們?nèi)粘Ｉ�活的方方面面，如確定在線廣告的呈現(xiàn)，向用戶推薦電影、書籍、朋友，過濾垃圾郵件，用戶續(xù)訂手機合約時向他們提供合適的優(yōu)惠套餐，降低醫(yī)保成本，規(guī)劃轄區(qū)內(nèi)交通信號燈的布局及通行時間，藥品設(shè)計，警力部署規(guī)劃等。
大數(shù)據(jù)和社交媒體的出現(xiàn)、計算能力的加速、計算機內(nèi)存成本的大幅降低以及更強大的數(shù)據(jù)分析和建模方法的發(fā)展推動了當代社會對數(shù)據(jù)科學需求的增長，其中典型的技術(shù)有深度學習。這些因素共同作用意味著組織收集、存儲和處理數(shù)據(jù)將比以前簡單。與此同時，這些技術(shù)創(chuàng)新和數(shù)據(jù)科學的廣泛應(yīng)用意味著與數(shù)據(jù)使用和個人隱私相關(guān)的道德挑戰(zhàn)從未如此迫切。本書的目的是提供數(shù)據(jù)科學的介紹，涵蓋該領(lǐng)域的基本要素，并提供對該領(lǐng)域深刻的原則性見解。
本書第1章介紹了數(shù)據(jù)科學領(lǐng)域，簡要回顧了數(shù)據(jù)科學的發(fā)展演化歷史，還探討了如今數(shù)據(jù)科學為什么那么重要，以及推動采用數(shù)據(jù)科學的一些因素。在這一章的最后，回顧并揭穿了與數(shù)據(jù)科學相關(guān)的一些神話。第2章介紹了與數(shù)據(jù)相關(guān)的基本概念，描述了數(shù)據(jù)科學項目的標準流程：業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準備、建模、評估和部署。第3章重點介紹了數(shù)據(jù)基礎(chǔ)設(shè)施以及大數(shù)據(jù)和多源數(shù)據(jù)集成帶來的挑戰(zhàn)。數(shù)據(jù)基礎(chǔ)設(shè)施的一個可能具有挑戰(zhàn)性的典型方面是，數(shù)據(jù)庫和數(shù)據(jù)倉庫中的數(shù)據(jù)通常駐留在與用于數(shù)據(jù)分析的服務(wù)器不同的服務(wù)器上。因此，當處理大型數(shù)據(jù)集時，可能要花費大量時間在數(shù)據(jù)庫或數(shù)據(jù)倉庫所依賴的服務(wù)器與進行數(shù)據(jù)分析和機器學習處理的服務(wù)器之間移動數(shù)據(jù)。第3章首先描述組織中典型的數(shù)據(jù)科學基礎(chǔ)設(shè)施，以及在數(shù)據(jù)科學基礎(chǔ)設(shè)施中移動大型數(shù)據(jù)集的挑戰(zhàn)的一些新興解決方案，其中包括使用數(shù)據(jù)庫內(nèi)置機器學習算法，使用Hadoop進行數(shù)據(jù)存儲和處理，以及混合數(shù)據(jù)庫系統(tǒng)的開發(fā)，這些系統(tǒng)無縫地結(jié)合了傳統(tǒng)的數(shù)據(jù)庫軟件和類似Hadoop的解決方案。這一章的最后強調(diào)了將整個組織的數(shù)據(jù)整合到適合機器學習的統(tǒng)一表示中的一些挑戰(zhàn)。第4章介紹了機器學習領(lǐng)域，并解釋了一些最流行的機器學習算法和模型，包括神經(jīng)網(wǎng)絡(luò)、深度學習和決策樹模型。第5章聚焦于通過審視一系列標準業(yè)務(wù)問題，描述了機器學習解決方案如何解決這些問題來將機器學習專業(yè)知識與現(xiàn)實問題聯(lián)系起來。第6章回顧了數(shù)據(jù)科學的道德含義、數(shù)據(jù)監(jiān)管的最新發(fā)展，以及在數(shù)據(jù)科學過程中保護個人隱私的一些新的計算方法。最后，第7章描述了數(shù)據(jù)科學在不久的將來會產(chǎn)生重大影響的一些領(lǐng)域，并列出了確定數(shù)據(jù)科學項目是否會成功的一些重要原則。