最近在寻找大数据方面的知识，网上的资料丰富到让人眼花缭乱，但这本书立刻吸引了我，并且优先读完。学习一门新知识，首先要找到学习的方法，最直接的方式就是与行内的人交流，这本书做到了。
谈话对像都是行业内最顶尖的人物，没有生涩的术语和概念，用最直白的语言传达核心思想。而作者提出的问题也是精心准备，时而深刻，时而帖近工作和生活。
不过对话是一种即兴和快速应答方式，难免缺少体系和主线，我这里把全书比较精彩的内容，也整理成问答方式，帮助大家了解“数据科学”这个新兴名词。
1、什么是数据科学？
最早提出这名词的是 DJ Patil，他2015年被任命为美国历史上第一位首席数据科学家，这是美国总统发布于白宫的一项新职位，为奥巴马和国家提供数据咨询服务。
这是一个跨学科的领域，结合了数学、统计学、计算机等相关知识的集合。主要对数据进行处理，以获得有价值的信息。
书中的 Jonh Foreman 提出，“数据科学”有些荒唐，数据和科学本就是两个含糊不清的语汇，不过叫什么不重要，可能若干年后“数据科学”成为一个过气的“网红”，但这门技术会深深影响着商业界的许多工作。
2、数据科学的主要工作内容是什么？
工作分为三部分：统计（偏统计学）、代码（偏计算机）、展示（偏商务与沟通），我们可以选择一个方向做为重点，但不能只选一个方向，因为这三者的关系是不可分割的。
3、成为数据科学家需要具有哪些能力？
涉及的知识丰常多，计算机编程、数学（偏离散数学）、统计学（重点）、团队合作、抽象逻辑思维、商务与沟通技巧。
书中突略了一个很重要的能力，就是【英语】，因为很多新知识、数据集、程序语言都是英文，英语好能让事半功倍。
4、数据科学和数据分析师有什么区别？
- 数据分析师更善长使用数学工具
- 不需要考虑问题是什么和数据集的收集
- 输出的正确的结论，无需对商业行为负责
- 对SQL要求不高
我的理解是数据分析师考虑“如何做事”，而数据科学家考虑的更多是“要做什么事？”
5、数据科学对计算机能力有什么具体要求？
- 数据库工具【40%】
- Hadoop【30%】
- 统计、分析、绘图语言【15%】，推荐 R语言和 D3 / ggplot / matplotlib（收费）
- 编程语言【10%】，推荐 Java、C++、.NET
- 脚本语言【5%】，推荐 Python / Perl
6、数据科学对基础学科有什么具体要求？
- 统计学（非常重要，占85%）
- 离散数学，主要是图论和数理逻辑
7、网上有什么学习资源？
- Quora、 Zipfian
- 可汗学院、Cousera、Andrew Ng
- 开源数据集 （书中给的网址失效了）
- O’Reilly 丛书
8、给想成为数据科学家的人们一些建议：
- 现在是数据科学的黄金时期，有太多机会可以让人们在这个领域建功立业。
- 一位出色的数据科学家应该像瑞士军刀一样多才多艺，能在诸多领域有所作为，并在某些领域有着真知灼见。
- 别抱想着尽快看完几本书，就有足够能力才能成为数据科学家。我们应沉浸在某个应用型的问题中，翻书找答案、看文章、找资源，那时会更好的理解这些技术和方法。
- 没有足够强大的编程能力，自己的想法会受到很多限制。
- 其实80%时间都用于爬数据、清理数据、编写代码分析。但不代表基础知识不重要，这会帮你有更好的直觉、更高的视野。
最后我很喜欢 Diane Wu 的观点和态度。“依我之见，学会这些技术并不需要很长时间。如果每天下班都坚持学一点东西，我觉得你完全来的及赶上现在如火如荼的数据科学浪潮”