數據科學商業實戰

仔細琢磨了好一會兒，給“不行”評價。對於想學DS的新人，這本書讀下來是一種非常痛苦和疲倦的體驗。 並不苛責本書內容沒有介紹大模型類的內容，畢竟英文版成書較早。所以書中某些觀點或作者推薦只代表之前較爲先進的模型或算法，譬如現在多模態領域的巨大突破，尤其文本和推理模型，已然實現了書中闡述的很多侷限。站在當下評價過去，爲後視偏見，並不理智。 那爲什麼認爲本書“不行”呢？ 一半原因在於翻譯上。職稱晉升或純粹希望通過出版書籍等目的，讓太多寫手（不好意思，我很難尊稱爲“作者”）想通過一些捷徑迅速發行一些書籍。再拉來一些野生專家作序，封面或封底寫個推薦，一本包裝齊全的大師級暢銷書就齊活了。 翻譯講究信達雅，更何況有衆多翻譯軟件輔助或當下的大語言模型輔助，更能提高效率。但對於其他專業領域的著作要求“雅”，又太過了。不過專業領域的學者對本領域的理論知識是很熟悉的，看到英文後，肯定知道在論述什麼。做到基本的通順流暢，言辭達意，像一個活生生的“人”寫的書，這很難麼？當然，翻譯的寫手可以有如下藉口--我是尊重原著。你尊重就尊重吧，英語句子結構很多與中文不同，比如語序，你調一下語序能累死麼，好傢伙，英語倒着來，中文翻譯也倒着來。 另外，主元分析，凝聚聚類等譯法我就不說什麼了。statistical test在統計學幾十年前都翻譯爲“統計檢驗”，你非得翻譯成“統計測試”。這本書的寫手，要麼是你的翻譯軟件太古老了，要麼是你不懂“統計檢驗”（也稱爲統計推斷），一個普通大學生學了《概率論與數理統計》都知道的常識。 還有一些原因是本書自己的問題。想鋪到方方面面，確實都點到了，但是看下來我覺得還不如不鋪。譬如強化學習，NLP這些本就龐大無比的領域，兩三句話帶過，稀裏糊塗，表述又不清楚，作爲“通識”或者“導論”都不及格。 由於個人興趣，本書完整讀完了，實話是也有些許收穫。但整體評價，不行。

介紹得比較全面，結合業務案例講解方法，基本上涵蓋了transformer以前的內容，但是翻譯的很多名詞不像是簡中約定俗成的表達，比如主成分分析說成主元分析，層次聚類說成凝聚聚類，lasso迴歸叫套索迴歸等等

對於想了解和學習數據科學的同學，這本是不錯的參考書籍，優點是結構很完整，可以瞭解數據科學的各個方面。不足的話是翻譯方面有些地方翻譯的比較一般，如果找到英文版建議用英文版閱讀。

書還不錯，就是翻譯有點讓人讀不下去，主要就讀了一二四章。前面對於幾個不同的相關職業的辨析還挺有意思的，後面複習了一下常用的概率方法，第四章應該是精華了。 其實從實戰的角度上來說，有一些統計方法確實是跟實際情況結合描述了一下，但是又覺得講的不夠透徹！還是沒找到有更好的實戰類書籍呀，雖然說工作中的分析也是按照這些大的步驟去做的，但是在瓶頸期還是希望找到一些新的思路。