資料科學的商業運用

　　這本內容完整深入，但又不至於太技術性的指南介紹了數據科學的基礎原則，並引導你了解從資料中抽出有用知識與商業價值所需的「數據分析思維」。透過數據科學原則的學習，你會了解今日常用的許多資料採礦技術。更重要的是，這些原則鞏固了經由資料採礦技術解決商業問題所需之程序與策略的基礎。

名人推薦

　　「這本書超越了數據分析入門手冊的層次，它是我們這些以無所不在的數據商機及新的數據導向決策任務為事業基礎者（所有人？）的必備指南。」 －Tom Phillips，Media6Degrees首席執行長，前Google搜尋與分析主管

　　「兩位作者都是在數據科學有名氣之前就已聲譽卓著的專家，他們將複雜的主題處理得淺顯易懂，讓所有人都能輕鬆閱讀。這是第一本談論數據科學觀念之商業問題實際應用的著作。本書藉由羅各種引人入勝的真實案例，點出商業上大家所熟悉、常見的問題，像顧客流失、目標市場行銷，甚至是威士忌分析！
　　此書獨特的地方在於，它不是直接提供你各種演算法，而是幫助讀者了解數據科學背後的基礎概念，以及最重要的，如何處理並成功地解決問題。無論你想要的是綜合性的數據科學概論，或者你是個需要打好基礎的新手數據科學家，這都是一本必讀好書。」 －Chris Volinsky，AT&T實驗室統計研究總監，為Netflix所舉辦的百萬美元挑戰賽的優勝團隊成員之一

　　「資料數據是產能增長、創新與更豐富之顧客洞察等新浪潮的基礎，直到最近才被廣泛視為競爭優勢來源，妥善處理數據正迅速成為不被淘汰的籌碼。作者們深度的應用經驗讓此書成為必讀經典，讓你能窺見競爭對手的策略。」 －Alan Murray，連續創業家，Coriolis Ventures合夥人

第一章 序論：數據分析思維
第二章 商業問題與資料科學解決方案
第三章 預測性建模入門：從關聯性到監督式區隔
第四章 將模型配適於數據資料
第五章 過適與避免過適
第六章 相似性、鄰近及聚類
第七章 決策分析思維I：怎樣的模型才是好模型？
第八章 將模型效果視覺化
第九章 證據與機率
第十章 文本的表述與文字採礦
第十一章 決策分析思維II：關於分析設計
第十二章 其他的資料科學任務與技術
第十三章 資料科學與商業策略
第十四章 總結

附錄A 提案審查指南
附錄B 另一個提案範例

作者簡介



Foster Provost

　　紐約大學史登商學院的教授兼NEC教職研究員，他在該校講授商業分析、資料科學，以及許多MBA課程。其得獎研究廣獲閱讀及引用。而在加入紐約大學之前，他以研究資料科學家的身分，為今日Verizon的前身工作了五年。在過去十年間，Provost教授已與其他人共同創辦了數個成功的資料科學導向公司。

Tom Fawcett

　　擁有機器學習領域的博士學位，已在業界擔任研發工作超過二十年（GTE實驗室、NYNEX/Verizon的實驗室，以及HP的實驗室等）。其發表作品，不論是方法論方面的（例如評估資料採礦結果）還是應用方面的（例如詐欺檢測與垃圾郵件過濾），皆已成為資料科學界的標準讀物。