第一章 编 程语言
第一节 Python语言
第二节 R
第三节 SQL
第四节 Git
第五节 Shell
第二章 数据分析
第一节 NumPy
第二节 Scipy Basics
第三节 Pandas
第四节 数据清洗
第五节 StatsModels
第三章 数学统计理论
第一节 概率
第二节 统计
第三节 矩阵微分
第四节 线性代数
第五节 图模型
第六节 凸优化
第四章 数据可视化
第一节 Matplotlib
第二节 Seabom
第三节 Basemap
第五章 机器学习
第一节 特征工程
第二节 机器学习建模
第三节 Scikit-learn
第四节 PyTorch
第六章 图像处理
第一节 基本概念
第二节 像素的空间关系
第三节 图像增强
第四节 图像变换
第五节 图像恢复
第六节 图像分割
第七节 图像编码
第七章 分布式计算
第一节 Hadoop
第二节 Spark

数据科学是一门新兴的交叉学科。数据科学人才需要同时具备理论性、实践性和应用性等多方面的素质。数据科学的知识点涵盖了编程语言、数学基础、数据清洗、数据可视化、数据分析和分布式计算等。为了帮助数据科学从业人员快速地查阅这些知识和工具的使用，提高实践效率，欧高炎、晏晓东、高扬主编的《数据科学实战速查表(第1辑)/北京大数据研究院博雅大数据学院大数据系列》对数据科学的相关知识进行了归纳整理，形成数十份速查表。
本书既可以作为数据科学与大数据技术专业教师和学生的学习资料，也可作为数据分析师、数据工程师和算法工程师等数据科学从业者项目实践的参考工具。对大数据感兴趣的读者也可通过本书对数据科学的知识框架、实践工具有初步的认识。