前言

孟曉犁



如果你想解決世間一切問題，主修計算機科學吧。在一次人工智能會議上，當一位演講嘉賓在屏幕上亮出這行字時，我的統(tǒng)計之魂瞬間被激發(fā)，幾乎達到了六西格瑪水平。謝天謝地，不到3秒鐘，屏幕上又亮出了一行字：如果你想解決計算機科學帶來的一切問題，去文理學院攻讀研究生學位吧。

凡是能夠運用這種巧妙的搭配組合來逗樂我們的人，必定對我們所處的這個輝煌燦爛而又令人困惑的時代有著深刻的理解。計算機科學與技術突飛猛進，締造了數字時代，而數字時代又催生了數據科學。當我們擁有了足夠多的數據，多到足以揭開大自然及其中最先進的物種人類的神秘面紗時，似乎沒有什么是遙不可及的。

然而，天下沒有免費的午餐這是數據科學（以及人生）的普遍規(guī)律。這里還有另外一些組合供你思考，聽完前半句，你可能宛若置身天堂，聽完后半句，你便發(fā)覺其中的矛盾之處。個性化醫(yī)療聽起來確實像是天賜之物，可究竟上哪兒才能找到足夠多的小白鼠呢？毋庸置疑，為了推進人工智能技術的發(fā)展，我們需要收集盡可能多的人類數據，但是，請研究其他人就好 你敢侵犯一下我的隱私試試！

對于那些還有機會讀研究生，還花得起31536000秒的人，就當作你們只能再活不到30秒，馬不停蹄地去讀吧。對于那些讀不了研又沒時間的人，讀完這本書只需要50 x 30秒，看或不看就全憑你們自己了。讀完這本書之后，你成不了30秒數據科學家。但如果你不了解本書的內容，你99%無法成為一個合格的數字時代公民。當然，不信的話，你大可一試。







引言

利伯蒂·維特爾特



長久以來，我們都是人文主義者：做決定全憑直覺，全憑經驗，怎么想、怎么看就怎么決定。然而，如今我們正在步入數據主義（Dataism）時代數據成了一切決定的驅動力。從氣候變化、難民危機到醫(yī)療保健等，一切的一切都離不開數據的驅動。且不論這些包羅萬象的議題，日常生活也概莫能外。你根本用不著去書店，想看什么書，亞馬遜就能告訴你。同樣，交友軟件也能憑借收集到的海量數據，告訴你你和誰最投緣。

現如今，人文主義和數據主義可謂水火不容。有些人想把一切統(tǒng)統(tǒng)甩給數據，有些人則不愿舍棄最后那一丁半點的人情味。數據科學是一門綜合了人文主義和數據主義的學科。它集二者于一體，既囊括了龐大的數據庫、強大的統(tǒng)計工具（計算過程全都靠它們驅動）分析，也包括我們人類在過去數千年的發(fā)展進程中形成的常識與定量推理能力。數據科學并不是單純的數據驅動或人為驅動：它是集二者于一體的藝術。

在詳細介紹本書之前，讓我們先穿越時空，回到17世紀，認識一下布萊士·帕斯卡（Blaise Pascal）.一位遭遇信仰危機的法國修士吧。他決定憑借自己掌握的信息（你也不妨稱其為數據），思考未來之路：

如果上帝不存在，作為有神論者，我可能會因為錯誤的信仰而浪費生命，但一切如舊。

如果上帝不存在，作為無神論者，我就不會因為錯誤的信仰而浪費生命，但一切同樣如舊。

如果上帝確實存在，作為有神論者，我將進入天堂，樂享永恒。

但如果上帝確實存在，作為一個無神論者，我將面臨永不熄滅的地獄之火。

帕斯卡利用自己掌握的數據做出決定，為的是提升未來幸福感，降低潛在風險。事實上，這便是數據科學：利用過去和現在的信息預測未來，或者更確切地說，數據科學是用于預卜這個世界的最佳手段（數據科學是我們這個世界上像極了水晶球的東西）。我們和帕斯卡之間的唯一區(qū)別是：帕斯卡只有4條數據需要分析，而在我們所生活的這個世界，我們要分析的數據要比這多得多我們擁有無窮無盡的數據。

據估計，我們每天產生的數據超過2.5艾字節(jié)。粗略一算，這個數據量相當于把紙質版《哈利·波特》從地球堆到月球，再從月球堆回地球，最后再繞地球550圈，而這還僅僅是每天產生的數據量而已。





本書框架

前兩章堪稱數據科學基本要素，第一章對數據科學涉及的基礎知識進行了條分縷析，第二章探討的是數據科學中最為重要但鮮有人論及的內容，即其自身亦無法解釋的部分。后五章探討的是數據科學對我們生活的方方面面所產生的影響，它關乎科學、社會、商業(yè)、娛樂以及世界的未來。每個主題都包含以下內容：3秒鐘樣本，言簡意賅；接著是更為詳細的30秒數據解析；最后是3分鐘分析，旨在讓讀者深入了解相關話題的復雜之處與微妙之處。

本書由業(yè)內專家精心編撰而成，旨在指引我們理解數據是如何以我們未曾想象過的方式改變著每個行業(yè)以及我們生活的方方面面的。同時，本書也清晰地展現了隨著新時代而來的定量推理和道德困境。