想真正学会数据科学，你不仅要掌握工具——数据科学库、框架、模块和工具包——还要理解它们背后的思想和原理。更新的《数据科学入门》第2版为你展示了这些工具和算法是如何从零开始实现的。
如果你具备数学能力和一些编程技能，作者Joel Grus将会帮你熟悉数据科学相关的核心数学和统计学知识，以及作为一名数据科学家所需的黑客技巧。这本更新的书还包含了关于深度学习、统计学和自然语言处理的新资料，为你展示了如何在日常繁杂冗余的数据中找到宝石。
快速入门Python
学习线性代数、统计学和概率的基础知识——以及它们在数据科学中的使用场景
收集、探索、清理、管理和操作数据
深入研究机器学习的基础知识
实现k近邻、朴素贝叶斯、线性回归、逻辑回归、决策树、神经网络和聚类等模型
探索推荐系统、自然语言处理、网络分析、MapReduce和数据库知识
