讀 資料即未來 大資料的王者之道
序
道德經闡述:道生一，一生二，二生三，三生萬物。
1964年美國科學家蓋爾曼提出中子，質子這一類強子是由三個更基本的單元夸克構成的，驗證了道德經中《三生萬物》的物理存在原理。
資料科學是一門日新月異的科學，資料庫常變，軟體常變，硬體常變 ……不變的只有洞察本質的思維方式和對問題解決之道的不懈追求。
為什麼會產生資料科學
首先，隨著社會發展，人類的社會實踐、生產實踐和科學實驗產生了大量的資料。
同時，技術的進步使得資料的記錄和整理變得越來越便利。
資料的海量增加使得人們對於資料採集、清洗、過濾、分析、建模和表達的需求越來越殷切。
人們的聚焦點從如何生產、收集和管理資料，轉向如何更好地建立模型和分析資料。
資料科學應運而生。
資料科學的核心
資料科學的核心在於資料內容之間的相互作用，給定專案的目標以及用於實現這些目標的資料分析方法。
關鍵在於瞭解內部發生的事情：資料怎麼了，我們得到了什麼樣的結果以及為什麼會這樣。
資料科學專案的三個階段組織
- 第一階段是準備，初期收集資訊，便於後續處理
- 第二階段是構建，利用在準備階段採集的資訊進行統計，採用合適的工具構建產品。
- 第三階段是收工，交付產品，獲得反饋，進行修改，支援產品和結束專案
第一章 討論的重點在於資料科學家的思考過程，以及我們身邊的資料科學。
作者希望將我們的注意力聚焦在最重要的事情上。
資料科學家需要擁有許多硬技能，其中包括軟體研發和統計學的知識。
但是，保持適當的角度並意識到許多動態因素是重要的軟技能。
有時候，重點是資料質量，有時候，重點則是資料規模，處理速度，演算法引數，結果解讀或問題的許多其他方面。
意識的可貴
小故事：一個剛起步的初創公司的創始人，想從旅行相關的電子郵件中提取姓名、地點、日期和其他關鍵資訊，以便將這些資料用於移動應用，從而跟蹤使用者的旅行計劃。
這個問題具有一定的共性：電子郵件格式和大小不同，來自航空公司、酒店、預定網站的電子郵件的格式不同，這些格式在一段時間之後可能還會變化，想要提取出有用的資訊具有很大的挑戰。
軟體研發人員可能會認為自然語言處理工具可以解決這個問題。但事實上，當付諸行動去實現的時候會遇到很多意想不到的困難。
而作者在問題提出之初就意識到，這個問題可能會很複雜，想要解決這個問題有兩種方案，一種是人工處理，一種是指令碼處理，或者在兩者之間折衷處理。作者認為折衷處理的方案似乎是最好的。即，針對常見的格式研發一些簡單的模板，通過指令碼提取有用資訊，對於一些特殊的識別不了的檔案則採取人工處理的方式。
作者從這個故事中學習到教訓：當處理設計資料的問題時，意識是非常有機制的。在處理問題時，意識到處理的過程中會遇到的問題，將會使我們的處理更加順暢。
資料科學家和軟體研發人員的不同
軟體研發人員需要處理的問題時具有明確邏輯的，若A，即B的問題。
而資料科學家處理的問題則是類似若A，則可能B的問題。導致這種可能的原因正是資料科學家需要回答的問題。
處理不確定性是資料科學家和軟體研發人員的本質區別。
優先順序：知識，技術，觀點
- 知識第一 ——採取行動前，理解問題、資料、方法和目標，並在頭腦中記住它們。
- 技術第二 ——軟體只是工具，既可為你賦能也可以約束你。
- 觀點最後 ——意見、直覺不是任何專案的重點，一切的觀點都需要驗證。
最佳時間
編寫程式和專案的說明文件，管理好文件的版本。
程式碼組織符合約定的規範。
瞭解業務。
緊靠資料。（採用的方法不要過於繁雜。）
tips：用MLE來確定最可能引發不可預知結果的引數值。