數據科學（Data Science）是從數據中提取知識的技術，是一門有關機器學習、統計學與數據挖掘的交叉學科。數據科學包含了多種領域的不同元素，包括信號處理、數學、概率模型技術和理論、電腦編程、統計學等。本書講解了7種重要的數據分析方法，它們分別是k最近鄰演算法、樸素貝葉斯演算法、決策樹、隨機森林、k-means聚類、回歸分析以及時間序列分析。全書共7章，每一章都以一個簡單的例子開始，先講解演算法的基本概念與知識，然後通過對案例進行擴展以講解一些特殊的分析演算法。這種方式有益於讀者深刻理解演算法。本書適合數據分析人員、機器學習領域的從業人員以及對演算法感興趣的讀者閱讀。 作者：[英]戴維·納蒂加(David Natingga)，于2014年畢業於倫敦帝國理工學院的計算與人工智慧專業，並獲工程碩士學位。2011年，他在印度班加羅爾的Infosys實驗室工作，研究機器學習演算法的優化。2012~2013年，他在美國帕羅奧圖的Palantir技術公司從事大數據演算法的開發工作。2014年，作為英國倫敦Pact Coffee公司的數據科學家，他設計了一種基於顧客口味偏好和咖啡結構的推薦演算法。2017年，他在荷蘭阿姆斯特丹的TomTom工作，處理導航平台的地圖數據。他是英國利茲大學計算理論專業的博士研究生，研究純數學如何推進人工智慧。2016年，他在日本高等科學技術學院當了8個月的訪問學者。