图灵程序设计丛书
内容简介
《图灵程序设计丛书》是一套聚焦于数据科学、统计学与机器学习领域的实用技术丛书。本套装共包含八部著作，旨在为读者提供从理论基础到实践应用的全方位知识体系。这些书籍涵盖了数据处理、统计分析、编程工具及机器学习算法等核心主题，适合不同层次的学习者和从业者参考。
《数据科学实战》 一书脱胎于美国哥伦比亚大学知名的“数据科学导论”课程讲义。本书系统性地界定了数据科学的范畴，并多角度、深入地介绍了该领域的核心工作流程。内容涉及统计模型与机器学习算法、信息提取与变量创建、数据可视化与社交网络分析、预测模型与因果推断，以及数据预处理与工程方法。本书不仅注重技术实践，也融入了对数据科学人文精神的思考，并展望了该学科的未来发展方向。
《命令行中的数据科学》 为数据分析人员展示了如何利用命令行这一灵活高效的工具进行数据处理工作。书中详细讲解了众多实用的命令行工具，涵盖数据获取、清洗、探索和建模的全过程。无论读者使用Windows、OS X还是Linux系统，均可通过作者提供的“数据科学工具箱”快速搭建数据分析环境。本书旨在说明，即便习惯于使用Python或R等高级语言，掌握命令行工具也能显著提升数据处理的效率与灵活性。
《统计思维：程序员数学之概率统计（第2版）》 采用了一种独特的视角，引导程序员通过编程来理解和应用统计学。本书避开复杂的数学分析，通过具体的案例研究，完整展示了探索性数据分析的过程：从数据收集、生成统计信息，到发现模式与验证假设。书中详细介绍了分布、概率规则、数据可视化等关键工具与概念。第2版新增了关于回归分析、时间序列分析、生存分析以及分析方法论的章节，内容更为全面。
《干净的数据：数据清洗入门与实践》 深入探讨了数据清洗在数据科学流程中的关键作用。本书内容涵盖文件格式、数据类型、字符编码等基础概念，并介绍了使用电子表格与文本编辑器处理数据的方法。书中详细讲解了多种数据格式的转换技术、清洗HTML与PDF文件中数据的策略，以及检测和清理关系型数据库中脏数据的解决方案。最后，作者以Twitter和Stack Overflow的数据为例，演示了书中方法的实际应用。
《Python数据科学手册》 是一本以Python为核心工具的数据科学综合参考书。全书共五章，每章重点介绍一个在数据科学工作中至关重要的Python库：第一章介绍IPython和Jupyter，它们构成了交互式计算环境的基础；第二章讲解NumPy，其ndarray对象是高效数值计算的基石；第三章聚焦Pandas，其DataFrame对象为处理带标签的表格数据提供了强大支持；第四章阐述Matplotlib，它是Python生态中主要的数据可视化库；第五章介绍Scikit-Learn，该库为常用机器学习算法提供了清晰、高效的实现。本书适合具备一定编程基础，并希望使用Python工具进行数据分析、处理和建模的研究人员。
《面向数据科学家的实用统计学》 专注于阐释数据科学领域至关重要的统计学概念，并说明如何将这些统计方法应用于实际的数据科学问题。作者以清晰、易于查阅的方式组织内容，阐述了各个统计学概念在数据科学中的重要性、适用场景及其背后的原理，旨在帮助数据科学家建立扎实且实用的统计学基础。
《Python数据科学与机器学习：从入门到实践》 引导读者使用Python进行数据分析与机器学习开发。本书以Python速成入门开篇，随后回顾了必要的统计学与概率论基础知识。全书深入探讨了超过60个与数据挖掘和机器学习相关的主题，包括贝叶斯定理、聚类分析、决策树、回归分析及实验设计等，为读者提供了从入门到实践的完整学习路径。
《数据科学入门（第2版）》 基于Python语言，从零开始系统介绍数据科学工作。本书阐述了从事数据科学所需的技能与方法论，并重点讲解了其核心基础——数学与统计学。作者通过大量现实案例，详细说明了数据科学的内涵，并介绍了NumPy、Pandas、scikit-learn等关键库的使用。第2版基于Python 3.6重写了所有代码示例，并根据领域发展新增了关于深度学习、统计学和自然语言处理等当代主题的内容，确保了知识的时效性。
本套丛书由人民邮电出版社旗下的图灵品牌策划出版，汇集了多位领域内实践者与教育者的经验，其内容兼顾系统性、实用性与前沿性，可作为计算机科学、统计学、商业分析等相关专业学生及业界数据从业者的重要学习资料与案头参考。