數據科學工程實踐：用戶行爲分析與建模、A/B實驗、SQLFlow

內容簡介

內容簡介 這是一本將數據科學三要素——商業理解、量化模型、數據技術全面打通的實戰性著作，是來自騰訊、滴滴、快手等一線互聯網企業的數據科學家、數據分析師和算法工程師的經驗總結，得到了SQLFlow創始人以及騰訊、網易、快手、貝殼找房、谷歌等企業的專家一致好評和推薦。 全書三個部分，內容相對獨立，既能幫助初學者建立知識體系，又能幫助從業者解決商業中的實際問題，還能幫助有經驗的專家快速掌握數據科學的Z新技術和發展動向。內容圍繞非實驗環境下的觀測數據的分析、實驗的設計和分析、自助式數據科學平臺3大主題展開，涉及統計學、經濟學、機器學習、實驗科學等多個領域，包含大量常用的數據科學方法、簡潔的代碼實現和經典的實戰案例。 第1部分（第 1～6 章） 觀測數據的分析技術 講解了非實驗環境下不同觀測數據分析場景所對應的分析框架、原理及實際操作，包括消費者選擇偏好分析、消費者在時間維度上的行爲分析、基於機器學習的用戶生命週期價值預測、基於可解釋模型技術的商業場景挖掘、基於矩陣分解技術的用戶行爲規律發現與挖掘，以及在不能進行實驗分析時如何更科學地進行全量評估等內容。 第二部分（第7～9章）實驗設計和分析技術 從 A/B 實驗的基本原理出發，深入淺出地介紹了各種商業場景下進行實驗設計需要參考的原則和運用的方法，尤其是在有樣本量約束條件下提升實驗效能的方法及商業場景限制導致的非傳統實驗設計。 第三部分（第10~12章） 自助式數據科學平臺SQLFlow 針對性的講解了開源的工程化的自助式數據科學平臺SQLFlow，並通過系統配置、黑盒模型的解讀器應用、聚類分析場景等案例幫助讀者快速瞭解這一面向未來的數據科學技術。

讀者書評

書籍信息