数据科学导论读后感1000字

　　《数据科学导论》是一本由阿尔贝托·博斯凯蒂著作，机械工业出版社出版的平装图书，本书定价：CNY 49.00，页数：180，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《数据科学导论》精选点评：

　　●介绍概念、工具包

　　●！

　　●只是教你如何用函数，但没有告诉使用的原因，并没有从数学上给出合适的定义。写得不如文档详细，内容还不到文档的水平

　　●入门，部分指导启发作用 条理没有想象中好

　　●此书大致介绍了在数据科学中常用的python包的中的常用函数，正如题所言是一本入门级应用tutorial。一本薄薄180页的小书，和大牛们理论扎实的专著自然没法比。 各开源包的文档固然细致全面，但毕竟对入门级研究人员来说，很多功能都用不到。况且，很可能他们连自己需要的是什么功能自己都不甚清楚。 而此书就是解决这个问题，大致带着读者走进数据分析中的python应用世界，由简及难，完整地走过一个数据分析的流程。

　　《数据科学导论》读后感(一)：入门级应用tutorial

　　此书大致介绍了在数据科学中常用的python包的中的常用函数，正如题所言是一本入门级应用tutorial。一本薄薄180页的小书，和大牛们理论扎实的专著自然没法比。

　　各开源包的文档固然细致全面，但毕竟对入门级研究人员来说，很多功能都用不到。况且，很可能他们连自己需要的是什么功能自己都不甚清楚。

　　而此书就是解决这个问题，大致带着读者走进数据分析中的python应用世界，由简及难，完整地走过一个数据分析的流程。

　　《数据科学导论》读后感(二)：数据科学导论

　　本书由两位资深数据科学家撰写，融合其多年从事数据科学相关的教学和科研工作经验，借助现有的Python语法和结构知识，全面而系统地讲解进行数据科学分析和开发的相关工具、技术和*佳实践，包含清晰的代码和简化的示例。通过阅读本书，你将深入理解Python核心概念，成为高效数据科学实践者。

　　本书共6章，系统介绍了进行数据科学分析和开发所涉及的关键要素。书中首先介绍Python软件及相关工具包的安装和使用；接着不仅讲解数据加载、运算和改写等基本数据准备过程，还详细介绍特征选择、维数约简等高级数据操作方法；并且建立了由训练、验证、测试等过程组成的数据科学流程，结合具体示例深入浅出地讲解了多种机器学习算法；然后介绍了基于图模型的社会网络创建、分析和处理方法；最后讲解数据分析结果的可视化及相关工具的使用方法。

　　《数据科学导论》读后感(三)：一本“全而薄”的数据分析工程师cookbook

不知不觉、忙忙碌碌中本人已在机器学习和人工智能领域摸爬滚打了四年有余，可能是数据专业烙下的推理基因驱使，一直以来，在数据挖掘书籍选读方面，独宠算法理论推导书籍，钟爱徒手撕公式，白板推原理，比如：“西瓜书”、“花书”、《统计分析方法论》等这些书零零散散地起码读了有五六遍，每一条公式每一个算法也推导过两三遍。但是，个人感觉对实际工作效率的提升极为有限，所以，我一直致力于寻找一本适合数据分析工程师进行算法训练、测试和上线部署的cookbook，最近，我终于找到了这本“全而薄”的《数据科学导论--python语言》。

全书共283页，适合人群数据分析工程师，注重项目实践而非算法底层研究。全书可分为三个模块：基础模块【第一章、第二章】，数据科学理论实践【第三章、第四章、第五章】，数据科学进阶【第六章、第七章、第八章】，基础模块主要介绍数据分析模块的搭建anaconda+jupyter，这基本上是数据挖掘领域的标配，第二章是简单介绍数据挖掘领域最基础的两个模块numpy和pandas介绍比较简洁。

数据科学理论实践模块我觉得是全书的核心也是亮点，这也是我用“全”字来形容本书的一个原因，这里的“全”体现在两个方面，一是一类问题的解决方法全，比如：维数约简的方法多达十种，二是知识点涉及的范围全，比如：异常检测和处理的方法，这在其他的数据挖掘类书籍中很少看到，在这个模块我是弥补了自己不少的知识盲点，建议大家一定要精读这三章内容，对于数据可视化，书中的内容介绍的不多，想要深入学习的可以看一下这篇文章《40000字 Matplotlib 实操干货，真的全！》。

至于图论、深度学习还有spark这些数据分析进阶的内容，每一个单拎出来都能成一本书，本书作者也是蜻蜓点水式的介绍了一下概念、方法及简单的python代码实现。

总体来讲，《数据科学导论--python语言》这本书与大多数数据挖掘类数据风格不同，全书没有一个数学公式推导，更偏向python代码实现，偏工程化。书中知识点覆盖范围很广，而且重点突出。个人很喜欢本书的内容，感兴趣的朋友可以买来读读。

　　《数据科学导论》读后感(四)：数据科学导论-python语言

一直想找一本数据科学的书，为信息管理专业的学生来用，赵了国内数据科学技术与应用，太笼统了，没有专业性，找了吴喜之的python-统计人的视角，又觉得数据科学的东西少了，所以一直在找教材中。

这次机械工业出版社翻译的这本数据科学导论感觉不错，作者是意大利人，一直没有体验下意大利民族的特点，这次体验下。

首先，阿尔贝托是信号处理以及统计学的，主要作自然语言处理的，这个背景其实做数据科学还是不错的，有技术背景以及有一定的行为学背景。另一个卢卡，是市场研究和多元统计分析的专家，主要是客户分析的。这两个人的组合还是比较符合数据科学的背景的，我一直不喜欢纯计算机专业的作为数据科学的研究者，太计算机化了，按照我们有些老师的说法就是，太喜欢用计算机来处理问题了，认为计算机是万能的。

由于数据科学是以问题为导向的，我们最重要的是要认识问题，这样才能使用或是改进某些东西来使计算更好或是更快。所以有社会科学背景的数据科学家写的书更容易被人理解。

不说废话，这个是这本书给我的第一印象。

我看过很多数据科学的教材，都是讲半天，然后慢慢导入numpy,pandas,matplotlib,等等等等，很慢，这本书就是一开始讲一下anaconda的安装，然后直接上数据。

上了数据就是pandas，这个是必须的，如何处理数据，如何预处理，如何访问其他数据格式，抓取数据都说了，虽然很简单，但是老齐的课也是这样来的。然后就是numpy，都是针对数据分析的，这个是基础，还不错。

接下来接着就是PCA，异常检测，超参数优化的问题，这个可是处理完数据后接着就要做的事情，很切合实际应用的处理，感觉就是有经验的人写的书，不是学院派。

后面就是机器学习，这个都差不多了，和其他的书感觉一样，说实话，真的就是没什么特别的东西的，数据科学就那些算法，熟悉一本书就可以了啊。最后就是可视化，matplotlib就登场了。

本书还有一个特点就是带了Spark的大数据分析，感觉写出来了，但是不尽兴。毕竟这个一本书肯定讲不完。

综合而论，这本书却是适合本科教学的，大数据专业，数据科学专业都可以的。