前　言
“塔爾山上有黃金�！�
在過去的幾十年中，很多發(fā)展趨勢一一顯現(xiàn)。計算機的硬件速度越來越快，價格越來越便宜，尺寸越來越小。網(wǎng)絡(luò)帶寬（攜帶信息的能力）越來越大，價格越來越便宜。同時軟件規(guī)模越來越龐大，而“開源”運動又將它們變成完全免費或者接近免費。短時間內(nèi)，“物聯(lián)網(wǎng)”將數(shù)百億各種各樣的設(shè)備連接起來，并快速產(chǎn)生了大規(guī)模的數(shù)據(jù)。
幾年之前，如果有人讓我們寫一本主題為“大數(shù)據(jù)”和“云計算”的大學(xué)階段編程入門教材，并且在封面上繪制一只彩色的大象（象征“巨大”），我們可能會如此反應(yīng)：“嗯？”如果他們繼續(xù)讓我們在書名中囊括AI（人工智能），我們可能會說：“真的嗎？這對于編程初學(xué)者會不會過于超前了？”
如果有人讓我們在書名中加上“數(shù)據(jù)科學(xué)”，我們可能會問：“計算機科學(xué)不是已經(jīng)包含了數(shù)據(jù)嗎？為什么我們需要為此單獨分一個科目？”好吧，如今談及程序設(shè)計，最酷的說法就是“什么都是數(shù)據(jù)”—數(shù)據(jù)科學(xué)、數(shù)據(jù)分析、大數(shù)據(jù)、關(guān)系數(shù)據(jù)庫（SQL）以及NoSQL和NewSQL數(shù)據(jù)庫。
如今我們真的寫了這樣一本書！歡迎閱讀！
在本書中，你將會著手學(xué)習(xí)當今最引人入勝、最前沿的計算技術(shù)—你將會看到，它將計算機科學(xué)和數(shù)據(jù)科學(xué)輕松地結(jié)合在一起，是一門適用于這些學(xué)科和相關(guān)學(xué)科的入門課程。此外，你將使用Python進行編程，這是世界上發(fā)展速度最快、最流行的編程語言之一。在前言中，我們將展示這本書的“靈魂”。
專業(yè)程序員常常很快喜歡上Python。他們欣賞Python的表現(xiàn)力、易讀性、簡潔性和交互性。他們喜歡開源軟件世界，這個世界正在為廣泛的應(yīng)用領(lǐng)域不斷生成可復(fù)用的軟件。
無論你是教師、初學(xué)者或者有經(jīng)驗的專業(yè)人士，這本書都將對你有所幫助。Python對于初學(xué)者而言是優(yōu)秀的第一門編程語言，并且適用于開發(fā)工業(yè)級的應(yīng)用。對于初學(xué)者而言，本書前面的章節(jié)奠定了堅實的編程基礎(chǔ)。
我們希望你在這本書中學(xué)到知識，并且發(fā)現(xiàn)快樂與挑戰(zhàn)。徜徉其中，享受樂趣。
將Python用于計算機科學(xué)和數(shù)據(jù)科學(xué)教學(xué)
許多頂尖的美國大學(xué)使用Python作為介紹計算機科學(xué)的語言，“CS學(xué)科排名前10的有8個（80%）、排名前39的有27個（69%）使用Python”。Python如今在教學(xué)和科學(xué)計算中尤其受到歡迎，最近已超過R語言并成為最受歡迎的數(shù)據(jù)科學(xué)編程語言。
模塊化體系結(jié)構(gòu)
我們預(yù)計計算機科學(xué)的本科生課程將會包含數(shù)據(jù)科學(xué)部分—這本書為此而設(shè)計，并且在Python編程方面滿足數(shù)據(jù)科學(xué)入門課程的需求。
本書的模塊化體系結(jié)構(gòu)幫助我們滿足計算機科學(xué)、數(shù)據(jù)科學(xué)和其他相關(guān)受眾的多樣化需求。教師能方便地進行調(diào)整，為不同專業(yè)的學(xué)生開設(shè)系列課程。
第1～11章介紹傳統(tǒng)的計算機科學(xué)編程主題。第1～10章每章都包含可選的、簡潔的“數(shù)據(jù)科學(xué)入門”一節(jié)，介紹人工智能、描述性統(tǒng)計學(xué)基礎(chǔ)知識、趨中和離中度量、模擬、靜態(tài)/動態(tài)可視化、CSV文件的使用、用于數(shù)據(jù)探索和數(shù)據(jù)整理的pandas庫、時間序列和簡單的線性回歸。這會幫助你學(xué)習(xí)第12～17章中的數(shù)據(jù)科學(xué)、AI、大數(shù)據(jù)和云計算相關(guān)的案例研究，這些案例研究使用了真實數(shù)據(jù)集。
學(xué)完第1～5章中的Python相關(guān)知識以及第6～7章中的一些關(guān)鍵部分，你已經(jīng)能夠解決第12～17章的數(shù)據(jù)科學(xué)、AI和大數(shù)據(jù)案例研究中的關(guān)鍵用例，這對于所有的編程通識課都是實用的：
計算機科學(xué)方面的課程可以著重于第1～11章并略講第1～10章的“數(shù)據(jù)科學(xué)入門”部分。教師還可以介紹第12～17章中的部分或者全部案例研究。
數(shù)據(jù)科學(xué)方面的課程可以略講第1～11章，著重于大部分或者全部的第1～10章中的“數(shù)據(jù)科學(xué)入門”部分以及第12～17章中的案例研究。
前言中的“章節(jié)依賴關(guān)系”部分將展示本書的獨特架構(gòu)并幫助教師規(guī)劃個性化的教學(xué)大綱。
第12～17章的內(nèi)容很酷、很強大、很現(xiàn)代。其中包含能動手實現(xiàn)的案例研究，例如有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、深度學(xué)習(xí)、強化學(xué)習(xí)（在練習(xí)中）、自然語言處理、Twitter數(shù)據(jù)挖掘、IBM Watson認知計算、大數(shù)據(jù)以及其他內(nèi)容。在這個過程中，你將會掌握數(shù)據(jù)科學(xué)的大量術(shù)語和概念，包括術(shù)語的定義以及在不同規(guī)模的程序中使用的概念。
本書讀者對象
模塊化的結(jié)構(gòu)使得本書適用于以下讀者：
所有標準的Python計算機科學(xué)及相關(guān)專業(yè)。首先，我們的書是一本現(xiàn)代的、可靠的Python CS1入門教材。ACM/IEEE的計算課程建議列出了5個類別：計算機工程、計算機科學(xué)、信息系統(tǒng)、信息技術(shù)和軟件工程。這本書對這些類別都適用。
數(shù)據(jù)科學(xué)專業(yè)的本科生課程。我們的書對許多數(shù)據(jù)科學(xué)課程都是有用的。對于入門級課程而言，它遵循課程建議，整合了所有課程的關(guān)鍵領(lǐng)域。在計算機科學(xué)或者數(shù)據(jù)科學(xué)課程計劃中，本書都可以作為第一本專業(yè)教材，也可用作高年級課程的Python參考書。
非計算機和數(shù)據(jù)科學(xué)專業(yè)學(xué)生的輔修課程。
數(shù)據(jù)科學(xué)的研究生課程。這本書可以作為入門級課程的主要教材，也可以作為高年級課程的Python參考書。
兩年制學(xué)院。這些學(xué)校會為準備進入四年制學(xué)院的數(shù)據(jù)科學(xué)專業(yè)的學(xué)生開設(shè)相關(guān)課程—這本書就是一個合適的選擇。
高中。就像出于強烈的興趣愛好而開設(shè)計算機課程一樣，很多高中已經(jīng)開設(shè)了Python編程和數(shù)據(jù)科學(xué)課程。最近在LinkedIn上發(fā)表的一篇文章寫道：“高中就應(yīng)該教授數(shù)據(jù)科學(xué)，課程應(yīng)該直面我們的學(xué)生將要選擇的職業(yè)類型，直接關(guān)注工作和技術(shù)的發(fā)展方向�！蔽覀兿嘈艛�(shù)據(jù)科學(xué)很快就會成為一門受歡迎的大學(xué)先修課程并且最終會有數(shù)據(jù)科學(xué)的AP考試。
專業(yè)行業(yè)培訓(xùn)課程。
本書主要特色
保持簡潔，保持短小，保持新穎
保持簡潔（KIS）。在書的各個方面以及教師和學(xué)生資源中，我們都力求簡單明了。例如，在寫自然語言處理的時候，我們使用了簡潔直觀的TextBlob庫而不是更為復(fù)雜的NLTK。一般情況下，當有多個庫都能完成相近的任務(wù)時，我們選擇最簡單的一個。
保持短�。↘IS）。本書的538個案例大多數(shù)都很短小—伴隨交互式IPython的即時反饋，通常只有幾行代碼。我們只在大約40個大型腳本和完整案例研究中使用了較長的代碼示例。
保持新穎（KIT）。我們查閱了大量最新的Python編程和數(shù)據(jù)科學(xué)教材以及專業(yè)書籍，瀏覽、閱讀或者觀看了大約15 000篇最新的文獻、研究論文、白皮書、視頻、博客文章、論壇文章和文檔。這讓我們能夠“把握”Python、計算機科學(xué)、數(shù)據(jù)科學(xué)、AI、大數(shù)據(jù)和云計算社區(qū)的脈搏，從而創(chuàng)建出1566個嶄新的案例、練習(xí)題和項目（EEP）。
IPython的實時反饋、搜索、發(fā)現(xiàn)和實驗教學(xué)方法
學(xué)習(xí)這本書的理想方法是閱讀它并同時運行代碼示例。在整本書中，我們使用了IPython解釋器，它采用一種友好的、實時反饋的模式，能夠在Python及其擴展庫上快速進行搜索、發(fā)現(xiàn)和實驗。
大多數(shù)代碼都在小型的可交互的IPython會話中展示。你所寫的每一個代碼片段，IPython能夠立即讀取然后計算并給出結(jié)果。這種即時反饋使你保持注意力，并助力學(xué)習(xí)過程、支撐原型設(shè)計和加速軟件開發(fā)過程。
我們的書總是強調(diào)實時代碼的教學(xué)方法，通過樣例輸入和結(jié)果顯示，專注于程序的完整和可運行。IPython的“魔力”在于將代碼片段轉(zhuǎn)換為實時代碼，每當你輸入一行時，這些代碼就會“活起來”。這有助于學(xué)習(xí)并鼓勵動手實驗。
IPython是學(xué)習(xí)常見錯誤的報錯信息的好方法。我們有時故意犯錯來告知你將發(fā)生什么，因此，當我們說某件事是錯誤的時候，試試看會發(fā)生什么。
本書配有557道自我測驗題（適合于“翻轉(zhuǎn)課堂”，稍后介紹）和471道章末練習(xí)題和項目，它們中的大多數(shù)遵循了同樣的實時反饋理念。
Python編程基礎(chǔ)
首先，本書是一本Python入門教材。我們提供了豐富的Python編程知識和常規(guī)的編程基礎(chǔ)內(nèi)容。
我們討論了Python的編程模型—過程式編程、函數(shù)式編程和面向?qū)ο缶幊獭?br>我們強調(diào)問題求解和算法設(shè)計。
我們?yōu)闇蕚溥M入產(chǎn)業(yè)界的學(xué)生提供了最佳實踐。
函數(shù)式編程貫穿全書。第4章中的一個圖表展示了Python中關(guān)鍵的函數(shù)式編程能力及其對應(yīng)的章節(jié)。
538個案例以及471道練習(xí)題和項目
學(xué)生通過動手實踐的方法，在廣泛選擇的真實案例、練習(xí)和項目（EEP）中開展學(xué)習(xí)，這些內(nèi)容來自計算機科學(xué)、數(shù)據(jù)科學(xué)和其他很多領(lǐng)域。
538個案例的內(nèi)容均圍繞計算機科學(xué)、數(shù)據(jù)科學(xué)、人工智能和大數(shù)據(jù)，從單個代碼片段到完整案例研究均有涉及。
471道練習(xí)題和項目自然地拓展了章節(jié)中的示例。每章都以一系列涵蓋了各種主題的練習(xí)作為結(jié)尾，這有助于教師根據(jù)受眾的需求調(diào)整課程內(nèi)容并且在每個學(xué)期布置不同的作業(yè)。
EEP向你提供了引人入勝的、富有挑戰(zhàn)性的、有趣的Python基礎(chǔ)知識，包括可以動手實驗的AI、計算機科學(xué)和數(shù)據(jù)科學(xué)項目。
學(xué)生將面對令人興奮且有趣的有關(guān)AI、大數(shù)據(jù)和云技術(shù)應(yīng)用問題的挑戰(zhàn)，比如自然語言處理、Twitter數(shù)據(jù)挖掘、機器學(xué)習(xí)、深度學(xué)習(xí)、Hadoop、MapReduce、Spark、IBM Watson、關(guān)鍵的數(shù)據(jù)科學(xué)庫（NumPy、pandas、SciPy、NLTK、TextBlob、spaCy、BeautifulSoup、Textatistic、Tweepy、scikit-learn、Keras）、關(guān)鍵的可視化庫（Matplotlib、Seaborn、Folium）以及其他。
我們的EEP鼓勵你思考未來。下述案例研究雖然只出現(xiàn)在前言中，但本書包含了多個發(fā)人深省的類似項目：利用深度學(xué)習(xí)、物聯(lián)網(wǎng)以及電視攝像機（由體育賽事數(shù)據(jù)訓(xùn)練出來的），我們可以自動進行統(tǒng)計分析、回顧比賽細節(jié)以及即時回放，因此球迷不再需要忍受直播體育賽事的誤判和延遲。既然如此，我們可能會產(chǎn)生這樣的想法：可以使用這些技術(shù)來取消裁判。為什么不呢？我們已經(jīng)越來越多地把自己的生命托付給基于深度學(xué)習(xí)的技術(shù)，比如機器人外科醫(yī)生和自動駕駛汽車。
項目練習(xí)鼓勵你更加深入地了解所學(xué)的知識并研究本書沒有涉及的技術(shù)。真正的項目通常規(guī)模更大，需要更多的網(wǎng)絡(luò)搜索和實現(xiàn)代價。
在教師手冊中，我們提供了許多練習(xí)的答案，包括第1～11章中核心的Python代碼。答案僅對教師可見，詳見后文中關(guān)于Pearson教師資源的介紹。但是我們沒有提供項目和研究練習(xí)的答案。
我們鼓勵你仔細觀看示例和開源代碼案例研究（詳見GitHub網(wǎng)頁），包括課程級別項目、學(xué)期級別項目、專業(yè)方向級別項目、畢業(yè)設(shè)計項目和畢業(yè)論文。
557道自我測驗題及其答案
平均每節(jié)后有三道自我測驗題。
自我測驗題的類型包括填空、判斷和討論，能幫你測試是否理解了所學(xué)的內(nèi)容。
IPython交互式自我測驗題可幫助你不斷嘗試并強化所學(xué)的編程技術(shù)。
為快速掌握所學(xué)知識，自我測驗題后面都跟有答案。
避免煩瑣的數(shù)學(xué)語言，多用自然語言進行解釋
數(shù)據(jù)科學(xué)的主題與數(shù)學(xué)高度相關(guān)。這本書將用作計算機科學(xué)和數(shù)據(jù)科學(xué)第一門課的教科書，學(xué)生可能沒有深厚的數(shù)學(xué)知識背景，所以我們避免了煩瑣的數(shù)學(xué)語言，把數(shù)學(xué)內(nèi)容留在高層次的課程中。
在案例、練習(xí)和項目中，我們關(guān)注數(shù)學(xué)的概念而不是細節(jié)。我們使用statistics、NumPy、SciPy、pandas等Python庫和其他的很多庫來解決問題，從而隱藏了數(shù)學(xué)復(fù)雜性。所以，學(xué)生能夠直接使用數(shù)學(xué)技術(shù)（如線性回歸），而不需要知道背后的數(shù)學(xué)知識。在機器學(xué)習(xí)和深度學(xué)習(xí)的案例研究中，我們專注于創(chuàng)建在“幕后”做數(shù)學(xué)運算的對象—這是基于對象編程的關(guān)鍵之一。這個做法等同于安全地駕駛一輛汽車前往目的地時不需要知道引擎、變速箱、動力轉(zhuǎn)向和防滑剎車系統(tǒng)背后的數(shù)學(xué)、工程和科學(xué)知識。
可視化
67張可視化結(jié)果圖幫助你理解概念，包含二維或三維的、靜態(tài)的、動態(tài)的、動畫的和交互式的圖表、圖形、圖片、動畫等。
我們關(guān)注由Matplotlib、Seaborn、pandas和Folium（用于交互式地圖）產(chǎn)生的高層可視化結(jié)果。
我們使用可視化作為教學(xué)工具。例如，我們使用動態(tài)擲骰子模擬和柱狀圖使大數(shù)定律“鮮活”起來。隨著投擲次數(shù)的增加，你將看到每個面在投擲總數(shù)中所占的百分比逐漸接近16.667%（1/6），代表百分比的柱條也趨于一致。
你需要了解自己的數(shù)據(jù)。一種簡單的辦法是直接看原始數(shù)據(jù)。即使是少量的數(shù)據(jù)，你也可能很快迷失在細節(jié)當中。對于大數(shù)據(jù)而言，可視化對于數(shù)據(jù)探索和傳遞可復(fù)制的研究結(jié)果尤為重要，數(shù)據(jù)規(guī)�？赡苁前偃f級的、上億級的甚至更為龐大。通常而言，一圖勝千言—在大數(shù)據(jù)中，一個可視化結(jié)果能夠比得上數(shù)據(jù)庫中數(shù)億甚至更多的個體。
有時候，你需要“飛到離數(shù)據(jù)40 000英尺高”才能在“大范圍”看到它。描述性統(tǒng)計當然有幫助，但是也可能產(chǎn)生誤導(dǎo)。你將在練習(xí)中研究Anscombe的四組數(shù)據(jù)，這個案例通過可視化直觀地表明：差異顯著的數(shù)據(jù)集可能產(chǎn)生幾乎相同的描述性統(tǒng)計。
我們展示了可視化結(jié)果和動畫代碼以便你能夠自己實現(xiàn)。我們也通過Jupyter Notebook的形式給出動畫的源代碼文件，便于你自定義代碼和動畫參數(shù)，進而重新執(zhí)行動畫，然后查看其帶來的影響。
許多練習(xí)都要求你創(chuàng)建自己的可視化結(jié)果。
數(shù)據(jù)經(jīng)驗
“數(shù)據(jù)科學(xué)本科課程建議”中提出：“數(shù)據(jù)經(jīng)驗需要在所有課程中扮演核心角色�！�
在本書的案例、練習(xí)和項目中，你將使用許多真實數(shù)據(jù)集和數(shù)據(jù)源。網(wǎng)上有各種免費的開源數(shù)據(jù)集供你實驗。有些我們參考的網(wǎng)站列出很多數(shù)據(jù)集，我們鼓勵你探索這些數(shù)據(jù)集。
我們收集了上百份教學(xué)大綱，追蹤了教師的數(shù)據(jù)集偏好，并研究了最流行的監(jiān)督機器學(xué)習(xí)、無監(jiān)督機器學(xué)習(xí)和深度學(xué)習(xí)的數(shù)據(jù)集。你將會用到的許多庫都附帶用于實驗的標準數(shù)據(jù)集。
你將學(xué)習(xí)如何進行數(shù)據(jù)獲取和分析準備，學(xué)習(xí)使用多種技術(shù)進行數(shù)據(jù)分析、模型調(diào)整并有效交流結(jié)果，特別是通過可視化。
像開發(fā)者一樣思考
你將以開發(fā)者為視角，使用像GitHub和StackOverflow一樣的流行網(wǎng)站并且進行大量的互聯(lián)網(wǎng)搜索�！皵�(shù)據(jù)科學(xué)入門”部分和第12～17章中的案例研究提供了豐富的數(shù)據(jù)經(jīng)驗。
GitHub為尋找開源代碼提供了一個優(yōu)秀的場所，你可以把代碼合并到自己的項目中（并將你的代碼貢獻到開源社區(qū)中）。它是軟件開發(fā)者版本控制工具庫中的重要組成部分，這些工具幫助開發(fā)團隊管理他們的開源（和私有）項目。
我們鼓勵你學(xué)習(xí)GitHub等網(wǎng)站上發(fā)布的代碼。
在為計算機科學(xué)和數(shù)據(jù)科學(xué)的職業(yè)生涯做準備的過程中，你將大量使用免費且開源的Python和數(shù)據(jù)科學(xué)庫，來自政府、工業(yè)界和學(xué)術(shù)界的真實數(shù)據(jù)集，以及免費、免費試用或免費增值的軟件和云服務(wù)。
動手實踐云計算
很多大數(shù)據(jù)分析發(fā)生在云端。在云端動態(tài)地度量你的應(yīng)用程序需要的硬件和軟件規(guī)模是比較容易的。你將會使用各種各樣的云服務(wù)（某些是直接的，某些是間接的），包括Twitter、Google翻譯、IBM Watson、Microsoft Azure、OpenMapQuest、geopy、Dweet.io 和 PubNub。你將在練習(xí)和項目中了解更多。
我們鼓勵你使用各種云服務(wù)供應(yīng)商提供的免費、免費試用或免費增值的服務(wù)。我們更喜歡那些不需要信用卡的，因為誰都不想承擔意外積攢巨額賬單的風(fēng)險。如果你決定使用需要信用卡的服務(wù)，請確保你使用的免費層不會自動跳轉(zhuǎn)到支付層。
數(shù)據(jù)庫、大數(shù)據(jù)和大數(shù)據(jù)基礎(chǔ)設(shè)施
根據(jù)IBM（2016年11月）的數(shù)據(jù)，全球90%的數(shù)據(jù)是在過去的兩年內(nèi)產(chǎn)生的。有證據(jù)表明，數(shù)據(jù)產(chǎn)生的速度正在加快。
根據(jù)2016年3月Analytics Week的一篇文章，五年內(nèi)將有超過500億臺設(shè)備連接到互聯(lián)網(wǎng)，到2020年前，我們將每秒為地球上的每一個人產(chǎn)生1.7MB的新數(shù)據(jù)！
本書包含了對關(guān)系數(shù)據(jù)庫和帶有SQLite的SQL的探討。
數(shù)據(jù)庫是存儲和操作你要處理的大量數(shù)據(jù)的關(guān)鍵性大數(shù)據(jù)基礎(chǔ)設(shè)施。關(guān)系數(shù)據(jù)庫處理結(jié)構(gòu)化數(shù)據(jù)，它們不適用于大數(shù)據(jù)應(yīng)用程序中的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。因此，隨著大數(shù)據(jù)的發(fā)展，為了有效處理這些數(shù)據(jù)，NoSQL和NewSQL數(shù)據(jù)庫應(yīng)運而生。本書包含對NoSQL和NewSQL的概述，以及利用MongoDB JSON文件數(shù)據(jù)庫的動手實踐的案例研究。
第17章包含關(guān)于大數(shù)據(jù)硬件與軟件基礎(chǔ)設(shè)施的細致討論。
人工智能案例研究