Что такое наука о данных? Подобно любой новой области, она еще не опре­делена полностью, но вы уже знаете о ней достаточно, чтобы заинтересовать­ся, иначе вы не читали бы эту книгу. Я считаю науку о данных местом на пересечении информатики, статистики и независимых областей применения. От информатики исходит машинное об­учение и технологии высокопроизводительных вычислений, чтобы справлять­ся с масштабом. От статистики исходит давняя традиция исследовательского анализа данных, проверка достоверности и визуализация. От областей приме­нения в бизнесе и науках исходят задачи, стоящие сломанных копий, а также стандарты вычислений, позволяющие оценить, когда победа будет окончатель­но достигнута.

Книга рассчитана на исследователя данных, имеющего некоторый опыт работы с языком программирования R и/или Python и имеющего предшествующий (возмож­но, обрывочный или сиюминутный) контакт с математической статистикой. Двое из трех авторов пришли в мир науки о данных из мира статистики и поэтому обла­дают некоторым пониманием того вклада, который статистика может привнести в науку о данных как прикладную дисциплину. В то же время мы хорошо осведом­лены об ограничениях традиционного статистического образования: статистика как дисциплина насчитывает полтора столетия, и большинство учебников и курсов по статистике отягощены кинетикой и инерцией океанского лайнера.

Книга «Data Science для карьериста» поможет вам войти в сферу Data Science и стать профессионалом. В ней рассказывается том, кто такие дата-сайентисты, как получить необходимые навыки и какие шаги нужно предпринять, чтобы устроиться на работу. После трудоустройства эта книга поможет вам понять, как развиваться в своей должности и стать в итоге частью сообщества Data Science, а также дорасти до уровня старшего специалиста. Наука о данных стремительно меняется, поэтому поддерживать стабильную работу проектов, адаптировать их к потребностям компании и работать со сложными стейкхолдерами не так уж и легко.

Книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем.