【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合

短命女 2023-09-30 07:53 3阅读 0赞

这篇博客是关于一本书的介绍，书籍名称为 :  
《Introduction to Datascience: Learn Julia Programming, Math & Datascience from Scratch.》  
作为一本 **from Scratch（从零开始）** 的书籍，前面的铺垫章节直观至关重要，一定是这本书的精华所在。

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia]

> 封面十分有趣，故事背景是印度神话中的一幕，善良的力量（Devar’s）和邪恶的力量（Asuran’s）搅动着茫茫大海，揭露毒药和长生不老药等东西。类似的，数据科学家把手里的数据用在正途，可以研制新药，如果用在恶途，却可以侵犯别人隐私。

首先从目录看本书分成如下内容

1.  Datascience（数据科学）
2.  Julia（Julia 编程语言）
3.  Mathematics（数学）
4.  Machine Learning（机器学习）
5.  Neural Networks（神经网络，感觉未完成？）

最后的神经网络部分感觉还未完成，应该还在编写中，大家可以继续关注。

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia 1]

### 本书介绍 ###

概书的第一部分就介绍了 **什么是数据科学**，然后就是重头戏数据科学的阶段（ Stages in Data Science），这部分内容还是比较惊喜的，直接从全局上给了大家对数据科学各个阶段的直观感受。

预测分析中用案例**伦敦霍乱**\+ **拿破仑的俄国失利分析**直接把兴趣提升了起来，从而继续阅读下去。而且配图非常赞。

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia 2]

### Julia 语言部分 ###

语言从零到壹，是本书的第二大重头戏，从第7章到第39章，从安装开始到调试结束（部分内容还在完善中，可以持续关注）

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia 3]

有一说一，这个 Julia 和 Python 是真的像，例如你看下述循环。

for i in 1:10
        print(i, ' ')

如下述章节，与 Python 里面的知识点非常相似，相信如果你了解 Python 语法，这些学习起来是完全没有问题的。

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia 4]

下一部分是Julia 与数学的结合，这部分内容就需要你的数学基础啦，学习来不费劲。

### 写在后面 ###

该书作者出过一套视频课程《数据科学与Julia》，大家有兴趣的也可以检索看一下。

作为一本 Julia 数据科学入门书籍，其理论与实践结合的非常好，例如下述关于 MEAN（平均数） 部分内容，通俗易懂。

![【书籍介绍】从头学Julia，数学和数据科学，理论与实践的结合][Julia 5]

> 本图来源书籍内

### 书籍信息 ###

书籍名：《Introduction to Datascience》  
作者：Karthikeyan A K  
在线阅读：[https://datascience-book.gitlab.io/book.html\#\_preface][https_datascience-book.gitlab.io_book.html_preface]

### 记录时间 ###

> 2022年度 Flag，写作的 578 / 1024 篇。  
> 可以关注我，点赞我、评论我、收藏我啦。

**更多精彩**

*  [Python 爬虫 100 例教程导航帖（连续 3 年，不断更！）][Python _ 100 _ 3]
 *  [Python爬虫120 （39.9 元，保 5 年更新）][Python_120 _39.9 _ 5]

[Julia]: https://img-blog.csdnimg.cn/19981b8bf16e45d1b97d4c209df31632.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5qKm5oOz5qmh55qu5pOm,size_12,color_FFFFFF,t_70,g_se,x_16
[Julia 1]: https://img-blog.csdnimg.cn/8ac3c7a552bd476ba0055bb6f345df38.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5qKm5oOz5qmh55qu5pOm,size_16,color_FFFFFF,t_70,g_se,x_16
[Julia 2]: https://img-blog.csdnimg.cn/d58027c139b14fafaa6dbb4ae9729ea0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5qKm5oOz5qmh55qu5pOm,size_20,color_FFFFFF,t_70,g_se,x_16
[Julia 3]: https://img-blog.csdnimg.cn/e61e61d91b0348698338c0281f5d8076.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5qKm5oOz5qmh55qu5pOm,size_19,color_FFFFFF,t_70,g_se,x_16
[Julia 4]: https://img-blog.csdnimg.cn/ee99036f3ea74eba914d64bd1ff12f35.png
[Julia 5]: https://img-blog.csdnimg.cn/747b9d9c69754a76a565d66540ed1191.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5qKm5oOz5qmh55qu5pOm,size_20,color_FFFFFF,t_70,g_se,x_16
[https_datascience-book.gitlab.io_book.html_preface]: https://datascience-book.gitlab.io/book.html#_preface
[Python _ 100 _ 3]: https://blog.csdn.net/hihell/category_9280209.html
[Python_120 _39.9 _ 5]: https://blog.csdn.net/hihell/category_11079529.html