Python与数据科学第一版课件.pptx

一、基础编;本章主要内容;;1.1 什么是数据科学; 数据科学的学习是一项即有趣又艰辛的工作， Metamarket公司的CEO Mike Driscoll曾说过:研究数据科学，一方面需要如极客那般刻苦钻研，一方面需要像统计学家那样拥有完美的理论。数据科学家不仅仅是极客——极客只关心如何调试一行Bash脚本或Pig脚本，没人会在意非欧氏距离矩阵。数据科学家也不仅仅是统计学家——后者只关注如何完成一个理论的证明或构建出一个完美的模型，很少有人会使用R语言将数据文件读入系统，从而进行后续的分析。数据科???是一门关于数据的工程，它需要同时具备理论基础和工程经验，需要掌握各种工具的用法。; 数据科学集成了多种领域的不同元素，包括信号处理，数学，概率模型技术和理论，机器学习，计算机编程，统计学，数据工程，模式识别和学习，可视化，不确定性建模，数据仓库，以及从数据中析取规律和产品的高性能计算。而且，数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。所以，数据科学家，顾名思义就是数据科学的从业者。 ; 用Thomas H. Davenport（埃森哲战略变革研究院主任） 和 D.J. Patil（美国科学促进会科学与技术政策研究员，为美国国防部服务）的话来总结： 数据科学家倾向于用探索数据的方式来看待周围的世界。（好奇心） 把大量散乱的数据变成结构化的可供分析的数据，还要找出丰富的数据源，整合其他可能不完整的数据源，并清理成结果数据集。（问题分体整理能力） 新的竞争环境中，挑战不断地变化，新数据不断地流入，数据科学家需要帮助决策者穿梭于各种分析，从临时数据分析到持续的数据交互分析。（快速学习能力） 数据科学家会遇到技术瓶颈，但他们能够找到新颖的解决方案。（问题转化能力） 当他们有所发现，便交流他们的发现，建议新的业务方向。（业务精通） 他们很有创造力的展示视觉化的信息，也让找到的模式清晰而有说服力。（表现沟通能力） 他们会把蕴含在数据中的规律建议给Boss，从而影响产品，流程和决策。（决策力）;1.4 数据科学家需要掌握的技能;1.5 python与数据科学;1.6 数据科学领域常用的python包;1.6 数据科学领域常用的python包;[1] 许嘉, 吕品. 哈佛大学数据科学课程教学初探[J]. 教育界：高等教育研究（下）, 2015, 第5期:109-110. [2] Swan A, Brown S. The skills, role and career structure of data scientists and curators: An assessment of current practice and future needs[J]. London Jisc Retrieved September, 2008. [3]Pedregosa F, Varoquaux, Ga#, Gramfort A, et al. Scikit-learn: Machine Learning in Python[J]. Journal of Machine Learning Research, 2011, 12(10):2825-2830. ;;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.1 python基本概念 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列和基本语句 ;2.2 序列