自从《哈佛商业评论》宣布，“数据科学家”是二十一世纪最性感的职业之后，数据科学方面的工作就越发增多，薪资也变得很高。对于数据科学来说，现在是发展的黄金时期。这是个新领域，但增长迅速，同时数据科学家的缺口也很大，据说他们的平均年薪可以达到10万美元。哪里有高薪，哪里就吸引人们，但是数据科学技能的差距意味着许多人需要努力学习。
如何从头开始学习数据科学，我认为数据科学就是解决三个问题：
- data pre-processing;(数据预处理）
- data interpretation；（数据解读）
3.data modeling and analysis.（数据建模与分析）
数据科学其实就是门复合型的技术，既然是技术就要从编程语言谈起：
Python这门语言对于数据科学是非常重要的，Python拥有着极其丰富且稳定的数据科学工具环境。因为是关于数据科学，我就不推荐直接关于Python语言的书。
本书基于易于理解且具有数据科学相关的丰富的库的Python语言环境，从零开始讲解数据科学工作。具体内容包括：Python速成，可视化数据，线性代数，统计，概率，假设与推断，梯度下降法，如何获取数据，k近邻法，朴素贝叶斯算法。可以用于入门，了解数据科学的基本工作流程。
贝叶斯正在变得越来越常见与重要，对于数据科学来讲，用到的地方很多。本书简要介绍了贝叶斯统计法，用python建模，案例很多，很有意思，比单纯的介绍贝叶斯统计学要容易理解。
《利用Python进行数据分析》适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。介绍了NumPy（NumericalPython）的基础和高级知识；从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；利用pandas的groupby功能对数据集进行切片、切块和汇总操作；处理各种各样的时间序列数据。
关于python篇的介绍就到这了，除了看这些书，可以在网上的MOOC上找一些关于数据科学的视频课程可以看看。下一篇我就来介绍R语言的如何开始数据科学的学习。
本人介绍：老实人一个，python爱好者，刚刚进入数据科学
