数据科学商业实战

仔细琢磨了好一会儿，给“不行”评价。对于想学DS的新人，这本书读下来是一种非常痛苦和疲倦的体验。 并不苛责本书内容没有介绍大模型类的内容，毕竟英文版成书较早。所以书中某些观点或作者推荐只代表之前较为先进的模型或算法，譬如现在多模态领域的巨大突破，尤其文本和推理模型，已然实现了书中阐述的很多局限。站在当下评价过去，为后视偏见，并不理智。 那为什么认为本书“不行”呢？ 一半原因在于翻译上。职称晋升或纯粹希望通过出版书籍等目的，让太多写手（不好意思，我很难尊称为“作者”）想通过一些捷径迅速发行一些书籍。再拉来一些野生专家作序，封面或封底写个推荐，一本包装齐全的大师级畅销书就齐活了。 翻译讲究信达雅，更何况有众多翻译软件辅助或当下的大语言模型辅助，更能提高效率。但对于其他专业领域的著作要求“雅”，又太过了。不过专业领域的学者对本领域的理论知识是很熟悉的，看到英文后，肯定知道在论述什么。做到基本的通顺流畅，言辞达意，像一个活生生的“人”写的书，这很难么？当然，翻译的写手可以有如下借口--我是尊重原著。你尊重就尊重吧，英语句子结构很多与中文不同，比如语序，你调一下语序能累死么，好家伙，英语倒着来，中文翻译也倒着来。 另外，主元分析，凝聚聚类等译法我就不说什么了。statistical test在统计学几十年前都翻译为“统计检验”，你非得翻译成“统计测试”。这本书的写手，要么是你的翻译软件太古老了，要么是你不懂“统计检验”（也称为统计推断），一个普通大学生学了《概率论与数理统计》都知道的常识。 还有一些原因是本书自己的问题。想铺到方方面面，确实都点到了，但是看下来我觉得还不如不铺。譬如强化学习，NLP这些本就庞大无比的领域，两三句话带过，稀里糊涂，表述又不清楚，作为“通识”或者“导论”都不及格。 由于个人兴趣，本书完整读完了，实话是也有些许收获。但整体评价，不行。

介绍得比较全面，结合业务案例讲解方法，基本上涵盖了transformer以前的内容，但是翻译的很多名词不像是简中约定俗成的表达，比如主成分分析说成主元分析，层次聚类说成凝聚聚类，lasso回归叫套索回归等等

对于想了解和学习数据科学的同学，这本是不错的参考书籍，优点是结构很完整，可以了解数据科学的各个方面。不足的话是翻译方面有些地方翻译的比较一般，如果找到英文版建议用英文版阅读。

书还不错，就是翻译有点让人读不下去，主要就读了一二四章。前面对于几个不同的相关职业的辨析还挺有意思的，后面复习了一下常用的概率方法，第四章应该是精华了。 其实从实战的角度上来说，有一些统计方法确实是跟实际情况结合描述了一下，但是又觉得讲的不够透彻！还是没找到有更好的实战类书籍呀，虽然说工作中的分析也是按照这些大的步骤去做的，但是在瓶颈期还是希望找到一些新的思路。