如今的數(shù)據(jù)科學(xué)家經(jīng)常被要求學(xué)習(xí)一系列的建模技術(shù)、運(yùn)算方法等。諸如線性回歸，很多人都在使用它，但卻不知道為什么使用它，因此就會(huì)出現(xiàn)這么一種情況，很多新人隨時(shí)都準(zhǔn)備好部署模型，但卻不了解實(shí)際情況，這些技術(shù)群體并沒有把重心放在解決技術(shù)的盲目性上，而是放在了關(guān)于選擇何種工具的爭(zhēng)論上（R 或 Python）。歸根結(jié)底，決策是由人類做出的，想要成為一名專業(yè)的數(shù)據(jù)科學(xué)家意味著必須既了解人性又了解數(shù)據(jù)。

案例：

當(dāng)美國科技公司Opower（一家致力于發(fā)掘能源數(shù)據(jù)，為用戶提供節(jié)能建議的公司）想讓人們節(jié)約用電時(shí)，他們向客戶提供了大量關(guān)于其用電量及成本的數(shù)據(jù)。然而，僅僅靠這些冷冰冰的數(shù)字并不足以讓人們做出改變。為了達(dá)到目的，Opower需要一些關(guān)于心理學(xué)及行為科學(xué)的知識(shí)，如果在家庭能源賬單上用笑臉表示費(fèi)用低于鄰居平均水平，用皺眉表情表示高于鄰居平均水平的話，人們的能源使用就會(huì)減少，也會(huì)更配合能源公司的環(huán)保要求。第二年，統(tǒng)計(jì)表明，高消費(fèi)家庭的用戶減少了3%的用電量！

No.1 信號(hào)與噪聲

作者：納特·西爾弗（Nate Silver）

本書可能是世界上最受歡迎的與統(tǒng)計(jì)相關(guān)的書籍之一。信號(hào)與噪聲是數(shù)據(jù)科學(xué)中一種常用的比喻手法?！靶盘?hào)”指的是我們想要并需要的事實(shí)，而“噪聲”則是另一回事，通常指的是不相干的信息，它阻礙或誤導(dǎo)我們搜索真實(shí)的信號(hào)。

大數(shù)據(jù)時(shí)代，海量的信息充斥在我們周圍，然而隨著現(xiàn)實(shí)中生活節(jié)奏的逐步加快，所做出的預(yù)測(cè)的速度及數(shù)量也被迫逐步增加。

然而事實(shí)卻是，現(xiàn)實(shí)世界中的很多預(yù)測(cè)都失敗了，人們?yōu)榇烁冻隽司薮蟮纳鐣?huì)代價(jià)。本書檢視了從颶風(fēng)到地震、從經(jīng)濟(jì)到股市、從NBA到政治選舉在內(nèi)的眾多領(lǐng)域的預(yù)測(cè)事例，旨在回答一個(gè)問題：如何才能從繁雜的海量數(shù)據(jù)中篩選出真正的信號(hào)，摒棄噪聲的干擾，從而做出接近的預(yù)測(cè)。西爾弗認(rèn)為，未來是沒有精準(zhǔn)的答案的，只有偉大的預(yù)言家所實(shí)踐的基本法則能夠幫助我們改善社會(huì)。

No. 2 算法霸權(quán)：數(shù)學(xué)殺傷性武器的威脅

作者：凱西·奧尼爾（Cathy O’Neill）

數(shù)據(jù)科學(xué)家凱西·奧尼爾認(rèn)為，我們應(yīng)該警惕不斷滲透和深入我們生活的數(shù)學(xué)模型——它們的存在，很有可能威脅到我們的社會(huì)結(jié)構(gòu)。

我們生活在一個(gè)依賴“算法”的時(shí)代，它對(duì)我們生活的影響越來越大，我們?nèi)ツ睦锷蠈W(xué)，我是不是應(yīng)該貸款買車，我們應(yīng)該花多少錢來買健康保險(xiǎn)，這些都不是由人來決定的，而是由大數(shù)據(jù)模型來決定的。從理論上來說，這一模型應(yīng)該讓社會(huì)更加公平，因?yàn)槊恳粋€(gè)人的衡量標(biāo)準(zhǔn)都是一樣的，不應(yīng)該存在偏見。

在作者看來，大數(shù)據(jù)猶如一個(gè)黑盒，規(guī)模、傷害和隱秘共存，她在書中引用了大量發(fā)生在美國當(dāng)下的、基于大數(shù)據(jù)和算法的、改變個(gè)人生活的案例，并對(duì)影響這些城市生活經(jīng)驗(yàn)的算法做了特別的觀察和研究。

No. 3-4 算法之美：指導(dǎo)工作與生活的算法

作者：布萊恩·克里斯汀&湯姆·格里菲思

魔鬼數(shù)學(xué)：大數(shù)據(jù)時(shí)代，數(shù)學(xué)思維的力量

作者：?jiǎn)痰ぁぐ瑐惒瘢↗ordan Ellenberg）

計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)（包括其他所有的研究性學(xué)科）在學(xué)校的課堂上往往會(huì)遇到一個(gè)問題：學(xué)起來既抽象又無聊。只有當(dāng)它們被應(yīng)用于解決現(xiàn)實(shí)的問題的時(shí)候，才會(huì)變得足夠有趣，讓我們想要去探索。

而上述這兩本書都把枯燥的主題轉(zhuǎn)變成了有趣的、信息豐富的描繪，講述了如何在日常生活中使用算法、統(tǒng)計(jì)和數(shù)學(xué)。

所謂算法，是指解題方案的準(zhǔn)確而完整的描述，是一系列解決問題的清晰指令，算法代表著用系統(tǒng)的方法描述解決問題的策略機(jī)制。如果我們?cè)诳紤]問題時(shí)，清晰地了解我們所與之對(duì)應(yīng)的算法，那么就可以更容易地解析問題或者更優(yōu)地解決問題。

而在艾倫伯格的這本書中，主要講述了數(shù)學(xué)的魅力，以及如何獲得用數(shù)學(xué)原則解決生活中問題的技巧。作者認(rèn)為，數(shù)學(xué)可以幫助我們更好地了解這個(gè)世界的結(jié)構(gòu)和本質(zhì)，應(yīng)該被放在每個(gè)有思想的人的工具箱里，用于更好地解決問題，規(guī)避謬誤和錯(cuò)誤的方法。這本書摒棄了復(fù)雜的專業(yè)術(shù)語，用現(xiàn)實(shí)世界中的逸事、基礎(chǔ)的方程式和簡(jiǎn)單的圖表，為讀者帶來一堂零基礎(chǔ)的數(shù)學(xué)課。

這兩本書的嚴(yán)謹(jǐn)程度都是恰到好處的，其中夾雜著一些公式邏輯，還有很多實(shí)際案例。在書中，我發(fā)現(xiàn)了許多從未在課堂上完全掌握的數(shù)據(jù)科學(xué)概念，最后我一遍又一遍地翻閱，體驗(yàn)了獲得知識(shí)時(shí)刻的快樂。當(dāng)然，數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)只在能幫你更好地生活的情況下有用，而且這兩本書都展示了你從未考慮過的這些學(xué)科的用途。

No.5 思考，快與慢

作者：丹尼爾·卡尼曼（Daniel Kahneman）

人類是非理性的，我們通常會(huì)在生活中的各種情況里做出可怕的決定。然而，一旦理解了為什么我們會(huì)這么做而不是采取最佳行動(dòng)時(shí)，就可以開始著手改變自己的行為以獲得更好的結(jié)果了，這就是卡尼曼數(shù)十年實(shí)驗(yàn)成果的核心。他的研究打開了認(rèn)知心理學(xué)、認(rèn)知科學(xué)、對(duì)理性與幸福的研究以及行為經(jīng)濟(jì)學(xué)的新局面，而本書也是他的集大成之作。

卡尼曼在《思考，快與慢》中揭示了三十多種理性偏差，如啟發(fā)式聯(lián)想，其中包括可得性偏見、錨定效應(yīng)、直覺判斷、光環(huán)效應(yīng)等；如過度自信，其中包括后見之明、有效性錯(cuò)覺、算法判斷等；如前景理論，包括風(fēng)險(xiǎn)決策、損失厭惡、稟賦效應(yīng)、四重模式等。它們像一面思維的立體鏡子，360度角照見大腦思考過程和頑固的偏差，讓你認(rèn)知你自己的思考決策過程。

作為2002年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者，卡尼曼和他的研究伙伴阿莫斯·特沃斯基（Amos Tversky，因?qū)Q策過程的研究而著名）以及理查德·塞勒（Richard Thaler，2017年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主）等其他人共同創(chuàng)造了行為經(jīng)濟(jì)學(xué)的高光時(shí)刻，也讓這個(gè)經(jīng)濟(jì)學(xué)中本來頗為小眾的分支走進(jìn)了更多人的視野，它將人們視為非理性的決策者，而非追逐效用最大化的理性人。當(dāng)然事實(shí)也的確如此。這使得人們不僅在經(jīng)濟(jì)學(xué)上，而且在醫(yī)學(xué)、體育、商業(yè)實(shí)踐、節(jié)能和退休基金等生活領(lǐng)域的思維和設(shè)計(jì)選擇發(fā)生了一些巨大的轉(zhuǎn)變。我們也可以將本書中的許多發(fā)現(xiàn)應(yīng)用于數(shù)據(jù)科學(xué)，例如如何呈現(xiàn)研究結(jié)果等。

《思考，快與慢》的基礎(chǔ)是作者提出的關(guān)于人類的思考框架：系統(tǒng)1和系統(tǒng)2。系統(tǒng)1代指人類的非受控或者說是無意識(shí)的思考模式；系統(tǒng)2代指受人自身控制的或?yàn)橛幸庾R(shí)進(jìn)行的思考模式。用系統(tǒng)1思考或判斷是非?？旖莸?，幾乎完全取決于直覺和經(jīng)驗(yàn)，因此人們往往第一時(shí)間通過它在腦海中形成觀點(diǎn)。但有時(shí)系統(tǒng)1可能得不到結(jié)論甚至得到錯(cuò)誤的結(jié)論，在這種情況下，人類也經(jīng)常求助系統(tǒng)2進(jìn)行更為復(fù)雜和費(fèi)力的思考過程，以補(bǔ)充或糾正系統(tǒng)1。

如果你想了解實(shí)際的人類心理學(xué)，而不是傳統(tǒng)課堂上的那種理想化的知識(shí)，那么這本書是最好的開始。嚴(yán)格地說，卡尼曼并不是一個(gè)熱衷于科普書籍的作家，但是他和他的同事杰出的學(xué)術(shù)貢獻(xiàn)，卻深刻地改變了我們對(duì)自己的認(rèn)識(shí)。相較之下，近年來很多研究開始將目光投向社會(huì)行為的神經(jīng)基礎(chǔ)，用磁共振腦成像之類的法子探究問題?？崧墓ぷ鲗Ｗ⒂谌祟惖男袨椋瑖?yán)謹(jǐn)?shù)乇苊膺^多關(guān)于機(jī)制的推論。在如今的心理學(xué)界看來，似乎不那么時(shí)髦了。但是他的實(shí)驗(yàn)充滿巧思與洞見，卻不會(huì)是科學(xué)史上曇花一現(xiàn)的觀點(diǎn)。

No.6 黑天鵝：如何應(yīng)對(duì)不可預(yù)知的未來

作者： 納西姆·尼古拉斯·塔勒布 （Nassim Nicholas Taleb）

塔勒布曾是一名定量交易員，在2000年和2007年的市場(chǎng)低迷期間賺了大量的錢，他已成為一位有名學(xué)者研究者，為他的作品贏得了全世界的目光，數(shù)不盡的贊譽(yù)和批評(píng)接踵而至。

那時(shí)，塔勒布感知到一種想法：當(dāng)代思維方式的失敗，尤其是在不確定性的時(shí)代的失敗，是非常嚴(yán)重的。在《黑天鵝》一書中，塔勒布提出了這樣一個(gè)概念：我們對(duì)支配人類活動(dòng)的隨機(jī)性視而不見，因而，當(dāng)事情沒有如預(yù)期那樣發(fā)展時(shí)，我們就會(huì)被毀滅。黑天鵝最初于2007年出版，自2008年和2016年的金融危機(jī)以來，它變得更加有說服力，完全顛覆了傳統(tǒng)的一套思維模式。

“黑天鵝”對(duì)數(shù)據(jù)科學(xué)家很重要，因?yàn)樗砻鳎魏蝺H基于過去性能的模型通常都會(huì)出錯(cuò)，并產(chǎn)生災(zāi)難性的后果。所有機(jī)器學(xué)習(xí)模型都是用過去的數(shù)據(jù)構(gòu)建的，這意味著我們不能太信任它們。模型（包括Taleb）是有缺陷的，為了盡可能與現(xiàn)實(shí)貼近，我們應(yīng)該確保有系統(tǒng)來處理這些不可避免的失敗。

值得一提的是，塔勒布不僅以其新穎的思想而聞名，而且他的性格也極端好斗。他甚至愿意和所有人較量，經(jīng)常批評(píng)像史蒂文·平克（美國實(shí)驗(yàn)心理學(xué)家）這樣的學(xué)者，或者像納特·西爾弗（數(shù)據(jù)分析師，曾經(jīng)在2012年美國總統(tǒng)大選中準(zhǔn)確預(yù)測(cè)了50個(gè)州的選舉結(jié)果）那樣的公眾人物。