常国珍，数据科学专家和金融技术专家。北京大学会计学博士，中国大数据产业生态联盟专家委员会委员。
2005年进入数据科学领域，先后在亚信、德勤等企业从事电信、金融行业数据挖掘工作，现就职于中银消费金融有限公司数据管理部。专注于消费金融领域的数据治理、客户智能与风险智能。
赵仁乾，数据科学家，在电信大数据和机器学习领域有丰富的实践经验。
现就职于北京电信规划设计院任不错经济师，负责通信、ICT项目工程与业务咨询，专注电信市场数据分析，重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、大数据及人工智能运营规划等。
张秋剑，大数据专家和金融行业技术专家，上海师范大学计算机科学技术硕士。
现任星环科技金融事业部总监，大数据技术架构行业顾问专家，云析学院发起人，AICUG社区联合发起人，曾在IEEE等期刊发表多篇论文。目前主要为银行、证券和保险等行业客户提供大数据平台及人工智能平台的整体规划和项目建设等工作。

前言
第1章 数据科学家的武器库
1.1 数据科学的基本概念
1.2 数理统计技术
1.2.1 描述性统计分析
1.2.2 统计推断与统计建模
1.3 数据挖掘的技术与方法
1.4 描述性数据挖掘算法示例
1.4.1 聚类分析——客户细分
1.4.2 关联规则分析
1.5 预测性数据挖掘算法示例
1.5.1 决策树
1.5.2 KNN算法
1.5.3 Logistic回归
1.5.4 神经网络
1.5.5 支持向量机
1.5.6 集成学习
1.5.7 预测类模型讲解
1.5.8 预测类模型评估概述
第2章 Python概述
2.1 Python概述
2.1.1 Python简介
2.1.2 Python与数据科学
2.1.3 Python2与Python3
2.2 Anaconda Python的安装、使用
2.2.1 下载与安装
2.2.2 使用Jupyter Notebook
2.2.3 使用Spyder
2.2.4 使用conda或pip管理第三方库
第3章 数据科学的Python编程基础
3.1 Python的基本数据类型
3.1.1 字符串(str)
3.1.2 浮点数和整数（float、int）
3.1.3 布尔值（Bool：True/False）
3.1.4 其他
3.2 Python的基本数据结构
3.2.1 列表（list）
3.2.2 元组（tuple）
3.2.3 集合（set）
第4章 描述性统计分析与绘图
第5章 数据整合和数据清洗
第6章 数据科学的统计推断基础
第7章 客户价值预测：线性回归模型与诊断
第8章 Logistic回归构建初始信用评级
第9章 使用决策树进行初始信用评级
第10章 神经网络
第11章 分类器入门：最近邻域与朴素贝叶斯
第12章 高级分类器：支持向量机
第13章 连续变量的特征选择与转换
第14章 客户分群与聚类
第15章 关联规则
第16章 排序模型的不平衡分类处理
第17章 集成学习
第18章 时间序列建模
第19章 商业数据挖掘案例
附录A 数据说明
参考文献

常国珍、赵仁乾、张秋剑著的《Python数据科学(技术详解与商业实践)》是一本以Python为工具，以商业实战为导向的数据科学家养成手册，从技术、业务、商业实战3个维度为有志成为数据科学家的读者提供了系统化的学习路径。
3位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。
全书一共19章：内容依次围绕技术、业务和商业实战3个维度展开：
技术维度：较为系统和深度地讲解了数据挖掘、数据分析以及机器学习等数据科学中核心的技术。
业务维度：围绕宏观业务分析和微观客户分析展现了数据科学在市场研究、企业管理、客户画像与分析、精准营销、风险度量、流失预警等方面的知识点。
实战维度：以案例的形式全面展现了著名咨询公司从事客户量化分析的方法论，为读者提供了标准的数据科学工作模板。