本书通过完整、规范的数据科学项目的流程来组织全书体系结构，涵盖数据科学项目的全过程，包括问题提出与目标制定、凝练前提假设和设计数据方案、探索性数据分析、建模与分析、性能评价、结果诠释与展示。佐以丰富的案例分析和模拟项目训练，启发学生主动思考，培养学生在实践中树立严谨的科学思维方式及数据科学流程。 本书除了可作为本科生数据科学基础课、理工通识课教材外，还面向所有对数据科学有浓厚兴趣的人群，以及各行各业中有大体量数据分析需求的人群。

黄晓林，南京大学电子科学与工程学院副教授，长期从事信号处理与数据分析工作，发表SCI学术论文30多篇，主持纵向科研项目4项，获国家授权方面专利5项，软件著作权1项。目前主讲南京大学电子科学与工程学院本科生课程《计算方法》、《数据科学导论》，曾经讲授《数据库应用》《生物医学电子学》等课程。

前言 伴随当前传感、网络与通信、存储技术的大力发展，社会生活中的方方面面每天都产生、积累着大量数据，对这些数据的有效处理与及时应用的需求带来了对传统数据分析领域的新挑战。针对上述挑战，近年来以互联网为代表的工业界引领了数据科学的热潮。然而，随着数据科学在业界的流行，一些由于基本概念不清晰或应用不规范而带来的结论误导（如有偏样本搜集、p值欺骗等）问题也开始日益凸显，进而引起了学术界的关注。 数据科学是应用“科学”的方法、流程、算法和系统，从多种形式的结构化或非结构化数据中提取知识和洞见的交叉学科。其内容跨越数学、计算机、信息学、系统科学等多领域，难以分门别类进行介绍。而已有的一些相关书籍，多偏重工具的应用和技巧，对数据科学中的“科学”元素甚少涉及。本书立足于“科学”性，从学术的严谨性出发，着重确立数据科学中的各种基本概念与原理，建立数据科学完整的规范化流程。 具体而言，本书将遵照严谨的科学探索流程，按“确定问题—制定目标—搜集数据—探索性数据分析—建立模型—性能评价—结果展示”的规范化步骤，依次介绍各环节的关键概念、原理和准则，并佐以丰富的案例分析，启发学生主动思考，在实践中培养学生严谨的科学思维方式及规范的数据科学流程，对于指导可靠的数据分析具有重要意义。 本书是对数据科学的导论性介绍，力求简洁、易懂，包含了丰富的案例。本书可作为高等院校相关专业的基础课或通识课教材，也适合作为对数据科学感兴趣的大专院校学生或社会读者的自学书籍。 本书的代码全部使用Python语言在Jupyter Notebook环境中编写，书中第4章将对Python和Jupyter ...