数据科学工程实践

• bruce

  08-26
  写得什么乱七八糟的东西！前言中说将技术与商业场景紧密结合，强调开放性商业问题在量化分析上的收敛，但没有任何实际的商业问题的分析推导思路，全是简单的案例，行文没有逻辑，代码质量很差，完全不知道在说什么。
• Utopia

  06-29
  这本书涵盖了商业理解、量化模型、数据技术3个方向，介绍了数据科学的应用场景、理论支撑和技术，很适合从业者阅读。
• 用脚趾想

  07-19
  机器学习章节一般，其余章节还行，介绍了一些不常见的方法
• 天堂的恶魔

  06-29
  想学数据科学的所有知识点不现实也没必要，这本书把关键节点介绍到了，可以作为初入职场的修炼手册。
• Arc

  09-02
  能看出来很苦口婆心了
• Starry

  02-12
  用于了解，内容不够扎实
• Trim

  06-28
  有些章节很开阔视野，是完全没听过的研究方法...如果有paper标注就更好了
• vito

  12-21
  近二十位作者共创、众包完成的书，以后看到这么多人写的拼盘书籍，一定要躲得远远的。除了前两章还有点水平，后面真的是不值得一看。选题挺不错，但是质量不敢恭维，一本用 python 解决项目的书，居然还有个案例半中间出现了 R 语言，拼盘也要讲究点风格统一吧，挺失望的。
• clmz

  08-04
  没有具体的业务场景不建议看…
• 大憨

  08-15
  有点东西，SVD原理及推导是见过的中的讲的最通俗易懂的。
• 杀意大名

  08-31
  认为这个书的水平没有到达工作2年分析师的水准, 原因有三: 问题的背景和定义讲不明白; 数学公式和方法本质说不清楚; 半本书靠代码充数, 且代码只是掉包和堆叠. 唯一的用处是抛出了一些问题, 帮助了解不同业务中数据科学方法的使用. 非常遗憾...
• 谷粒粒

  05-30
  给ab实验两分。其他的部分看目录以为会有深入的业务结合，结果实际内容并没有比谷歌关键词来得多… 还有，这种大段代码是哪里来的风气，凑字数吗？
• 佳吉

  03-31
  纯技术，就有些难读懂
• 一袋米扛几楼

  09-23
  还不错，能开阔视野，可作为数据科学的入门书籍