數據科學家是指采用科學方法、運用數據挖掘工
具尋找新的數據洞察的工程師，他們往往集技術專家
和數據分析師的角色於一身。在IT行業中，數據科學
家將在創造力、溝通能力以及與商業世界的聯繫方面
得到更多的鍛煉機會，是當前非常有發展潛力的新興
職位。
由弗格裡斯著的《數據科學家修煉之道》全面介
紹了成為數據科學家應當了解的各類知識。全書共分
18章，首先介紹了數據科學與大數據、數據科學的重
要性，接著介紹了數據科學家的類型、思維體繫、技
術資質、經驗、社交圈、所用的軟件、學習新知和解
決問題，另外還介紹了機器學習與R語言平臺、數據
科學的處理流程、所需的具體技能，介紹了數據科學
求職、自我展示並提供了一些有關職業數據科學家和
數據科學家的案例學習。
本書內容全面、輕松易讀，非常適合從事數據科
學相關工作的讀者閱讀，是一本可以住讀者應聘數據
科學家職位的求職指南。

第1章 數據科學與大數據
1.1 深挖大數據
1.2 大數據產業
1.3 數據科學的誕生
1.4 要點
第2章 數據科學的重要性
2.1 數據科學領域的歷史
2.2 新規則
2.3 新思維與隨之而來的變化
2.4 要點
第3章 數據科學家的類型
3.1 數據開發者
3.2 數據研究者
3.3 數據創意師
3.4 數據商務人士
3.5 混合/普適類型
3.6 要點
第4章 數據科學家的思維體繫
4.1 特質
4.2 素質與能力
4.3 思維
4.4 抱負
4.5 要點
第5章 技術資質
5.1 綜合的編程能力
5.2 科學背景
5.3 專業化知識
5.4 要點
第6章 經驗
6.1 企業實戰VS學術研究的經驗
6.2 經驗VS正規教育
6.3 如何獲得**桶經驗
6.4 要點
第7章 社交圈
7.1 豈止於專業社交圈
7.2 與學術圈的關繫
7.3 與商業世界的關繫
7.4 要點
第8章 所用的軟件
8.1 Hadoop套件和朋友們
8.2 面向對像編程語言
8.3 數據分析軟件
8.4 可視化工具
8.5 集成大數據繫統
8.6 其他一些程序
8.7 要點
第9章 學習新知與解決問題
9.1 研討會
9.2 會議
9.3 在線課程
9.4 數據科學小組
9.5 需求問題
9.6 專業知識缺乏問題
9.7 綜合運用各種工具
9.8 要點
**0章 機器學習與R語言平臺
10.1 機器學習簡史
10.2 人工智能的未來
10.3 機器學習VS統計方法
10.4 在數據科學中使用機器學習
10.5 R平臺簡介
10.6 機器學習和R語言資料
10.7 要點
**1章 數據科學的處理流程
11.1 數據準備
11.2 數據探索
11.3 數據表示
11.4 數據發現
11.5 數據學習
11.6 創造數據產品
11.7 洞察、交付以及可視化呈現
11.8 重點
**2章 所需的具體技能
12.1 人纔市場目前看中的數據科學家所需技能
12.2 程序員的自我修養
12.3 統計師和機器學習從業者的自我修養
12.4 數據相關領域從業人員的自我修養
12.5 學生的自我修養
12.6 要點
**3章 數據科學職位哪家尋
13.1 直接聯繫公司
13.2 專業人際關繫
13.3 招聘網站
13.4 其他方法
13.5 要點
**4章 自我展示
14.1 關注雇主
14.2 靈活性和適應性
14.3 交付物
14.4 讓自己從競爭中脫穎而出
14.5 獨當一面
14.6 其他應該考慮的因素
14.7 要點
**5章 自由職業數據科學家之路
15.1 成為自由職業數據科學的利弊
15.2 自由職業生涯要持續多久
15.3 其他你可以提供的服務
15.4 一些自由數據分析工作
15.5 要點
**6章 職業數據科學家的案例學習
16.1 RajBondugula博士
16.2 PraneethVepa
16.3 要點
**7章 **數據科學家案例學習
17.1 基本職業背景與學歷背景
17.2 對於數據科學實踐的觀點
17.3 數據科學的未來
17.4 給數據科學家新人的建議
17.5 要點
**8章 新數據科學家的召喚
18.1 針對入門級數據科學家的招聘廣告
18.2 針對數據科學專家的招聘廣告
18.3 針對**數據科學家的招聘廣告
18.4 網上搜索職位的一些建議
18.5 要點
結語
術語表
附錄1 有用的網頁鏈接
附錄2 相關