本书结合数据科学的具体应用场景，由浅入深、循序渐进地引导读者入门数据科学，覆盖了数据获取、数据预处理、数据分析等方面的内容，共10章。本书先是概括性地介绍各章的主要内容，然后通过一个个生动的案例讲解数据获取、数据预处理、自然语言处理、机器学习和深度学习等方面的应用，结尾通过答疑部分为读者提供进一步学习的方向和方法的建议。本书各章的案例均基于具体应用场景，以简单、清晰的方式对数据科学相关的技术原理和实际操作进行讲解。 本书适合高等院校的理工科、管理学科的本科生、研究生学习，尤其适合非计算机专业但对计算机编程感兴趣的学生参考学习，同时也适合数据科学行业的从业者阅读。

第1章 入门导读
1.1 环境设置
1.2 探索分析
1.3 数据获取
1.4 数据预处理
1.5 自然语言处理
1.6 机器学习
1.7 深度学习
1.8 机器学习进阶
1.9 答疑时间
第2章 环境设置
2.1 Python运行环境Anaconda的安装
2.1.1 下载及安装Anaconda
2.1.2 运行Anaconda
2.2 在线运行Python代码
2.2.1 在线运行程序的需求
2.2.2 尝试打开在线程序代码
2.2.3 在线运行Python的实现过程
2.2.4 mybinder的运行原理
2.2.5 小结与思考
2.3 复制运行环境
2.3.1 在线环境的局限
2.3.2 复制运行环境流程
2.3.3 小结与思考
第3章 探索分析
3.1 词云制作
3.1.1 安装WordCloud与数据准备
3.1.2 开始制作词云
3.2 中文分词
3.2.1 中文分词的需求
3.2.2 中文分词的操作
3.2.3 准备分词数据
3.2.4 制作中文词云
3.2.5 小结与思考
3.3 用Pandas存取和交换数据
3.3.1 数据格式的问题
3.3.2 数据样例
3.3.3 CSV/TSV格式
3.3.4 pickle格式
3.3.5 JSON格式
3.3.6 小结与思考
3.4 可视化《三国演义》人名与兵器出现频率
3.4.1 读取人名数据
3.4.2 读取《三国演义》文本数据
3.4.3 小结与思考.
3.5 用R语言快速探索数据集
3.5.1 启动Rstudio
3.5.2 使用summarytools包
3.5.3 分析结果解读
……
第4章 数据获取
第5章 数据预处理
第6章 自然语言处理
第7章 机器学习
第8章 深度学习
第9章 机器学习进阶
第10章 答疑时间