数据科学已成为领域专家必备的知识和能力之一。如今，几乎所有的专家都在谈论大数据，但是部分“专家”并不是真正懂得大数据及其背后的科学——数据科学。在国内，数据科学的系统性研究仍属空白，人们只知道需要学习这门新兴科学，但并不知道如何学习。     数据科学已成为领域专家必备的知识和能力之一。如今，几乎所有的专家都在谈论大数据，但是部分“专家”并不是真正懂得大数据及其背后的科学——数据科学。在国内，数据科学的系统性研究仍属空白，人们只知道需要学习这门新兴科学，但并不知道如何学习。    

一、基础理论       数据科学家及数据科学项目的核心问题。    

    二、数据预处理       “数据预处理”是数据科学的主要研究内容之一。通常，数据预处理是数据计算活动的前提，可以提升数据计算的效果和效率。数据预处理工作不仅可以提高数据质量、降低数据计算的复杂度，而且还可以减少数据规模、提升数据处理的准确性。数据预处理涉及数据质量、数据审计、数据清洗、数据变换、数据集成、数据脱敏、数据规约和数据标注等基本活动。数据科学家（或团队）应具备数据预处理的基本知识、实战经验和创造性思维。    

    三、数据统计       数据科学处于数学与统计知识、黑客精神与技能和领域实务知识等三大领域的交叉之处。       统计学是数据科学的主要理论基础之一。因此，统计分析能力是数据科学家的核心竞争力之一。当然，统计学是几乎所有学科领域专家应掌握的必备知识，也是很多专业的必修课程。但是，在实际工作中发现，部分领域专家的统计学基础较差，缺乏兴趣和信心，甚至对其产生恐惧感，严重影响了其数据处理能力。    

    四、机器学习       机器学习是数据科学的主要理论基础之一。同时，人机协同数据处理能力是数据科学家的核心竞争力之一。数据科学家（或团队）应具备机器学习的基本知识、实战经验和创造性思维。    

    五、数据可视化       数据可视化是数据科学的主要理论基础之一。因此，数据可视化能力是数据科学家的核心竞争力之一。数据科学家（或团队）应具备数据可视化的基本知识、实战经验和创造性思维。本章在讨论数据可视化在数据科学中重要地位的基础上，重点介绍数据可视化的主要类型、基本模型、常用方法、评价与改进以及典型案例，并最后讨论数据可视化技术的发展趋势。    

    六、数据计算       “数据计算”是数据科学的主要研究内容之一。数据处理、数据管理和数据产品研发活动均涉及一个底层问题——数据计算模式与平台的选择。因此，数据科学家（团队）应具备数据计算的基本知识、实战经验和创造性思维。    

    七、数据管理       “数据管理”也是数据科学的主要研究内容之一。通常，数据管理以数据预处理活动为基础，并为不同的数据处理系统提供共性平台。数据科学家（或团队）应具备数据管理的基本知识、实战经验和创造性思维。