数据科学项目管理实践

本书介绍了克服日常面临的各种挑战的实践知识，以及各种数据科学解决方案，主要包括数据科学概论，机器学习模型测试，人工智能基础，理想的数据科学团队， 数据科学团队招聘面试，组建数据科学团队，创新管理，管理数据科学项目，数据科学项目的常见陷阱，创造产品与提升可重用性，实施 ModelOps，建立技术栈和结论。
本书的目标读者是希望有效地引入数据科学工作流程以提升组织效率、改进业务的数据科学家、数据分析人员和项目主管。了解一些数据科学的基本概念有助于本书的阅读。

前言
第一部分什么是数据科学？
第1章数据科学概论2
1.1人工智能定义3
1.1.1数据科学的定义3
1.1.2数据科学的影响4
1.1.3数据科学的局限4
1.2机器学习导论5
1.2.1机器学习模型提供的决策和洞见5
1.2.2机器学习模型需要的数据6
1.2.3机器学习的起源7
1.2.4机器学习剖析7
1.2.5机器学习可解决的任务类型8
1.3深度学习导论11
1.3.1自然语言理解应用12
1.3.2探究计算机视觉13
1.4深度学习用例16
1.5因果推理导论16
1.6本章小结19
第2章机器学习模型测试20
2.1离线模型测试20
2.1.1模型误差20
2.1.2误差分解21
2.1.3技术度量指标26
2.1.4业务度量指标32
2.2在线模型测试32
2.2.1在线测试的意义32
2.2.2在线数据测试36
2.3本章小结36
第3章人工智能基础37
3.1理解数学优化37
3.2理解统计学41
3.2.1频率学派的概率42
3.2.2条件概率42
3.2.3关于概率的贝叶斯观点44
3.2.4分布44
3.2.5利用数据样本计算统计量45
3.2.6统计建模46
3.3机器如何学习48
3.4探究机器学习52
3.4.1机器学习简介52
3.4.2线性模型53
3.4.3分类与回归树53
3.4.4集成模型54
3.4.5聚类模型56
3.5探究深度学习58
3.5.1建立神经网络61
3.5.2计算机视觉应用62
3.5.3自然语言处理应用64
3.6本章小结69
第二部分项目团队的组建与维持
第4章理想的数据科学团队71
4.1数据科学团队的角色71
4.2探究数据科学团队的角色及其职责74
4.2.1案例1：应用机器学习防止银行诈骗74
4.2.2案例2：机器学习在零售公司的应用75
4.2.3数据科学家的关键技能77
4.2.4数据工程师的关键技能78
4.2.5数据科学项目经理的关键技能79
4.2.6开发团队的支持80
4.3本章小结80
第5章数据科学团队招聘面试81
5.1技术招聘面试的通病81
5.1.1发现不需要的候选者82
5.1.2明确面试目的84
5.2将价值和伦理引入面试85
5.3面试设计86
5.3.1设计测试作业87
5.3.2不同数据科学角色的面试90
5.4本章小结92
第6章组建数据科学团队93
6.1铸就团队灵魂（Zen，禅）93
6.2领导力和人员管理96
6.2.1以身作则96
6.2.2发挥情境领导力（situationalleadership）97
6.2.3明确任务99
6.2.4感情移入（empathy，共情）100
6.3培养成长型思维101
6.3.1团队整体的成长101
6.3.2面向个体成长的持续学习102
6.3.3提供更多的学习机会103
6.3.4利用绩效评价帮助员工成长104
6.4案例：创建数据科学部门106
6.5本章小结108
第三部分数据科学项目的管理
第7章创新管理110
7.1理解创新110
7.2大型组织为何屡屡失败？111
……