新系列预告：资料评论与推荐

新系列预告：以后会推荐一些书、Notes、公开课、演讲等，当然，还是以专业内容为主。

主要聚焦的专业内容包括：以数据科学作为中心，它的底层理论（数学、统计学等），它的应用工具（机器学习等），它的具体应用（社会科学、生命科学等）。

对于推荐的内容，我们设计了一个6维打分体系如下，基准是低年级非数学系本科生，学好数学三件套（微积分、线性代数、概率论与数理统计）的水平。

专业性：指是否面向专业读者。

• ★☆☆☆☆：面向最大众的科普性著作，完全不需要任何基础知识；
• ★★★☆☆：专业领域的基础内容，一般会放在大二、大三阶段学习；
• ★★★★★：专业领域最前沿的内容，研究生、科研人员使用。

系统性：指是否成体系，章节间逻辑是否清晰，能否高屋建瓴串联起各章节。

• ★☆☆☆☆：各章节是零散的；
• ★★★☆☆：大部分内容包含在内在逻辑中；
• ★★★★★：完全展示了知识的内在联系。

扩展性：指有无对各分支做启发式讲解。

• ★☆☆☆☆：只讲主干内容；
• ★★★☆☆：介绍了重要分支；
• ★★★★★：详尽介绍各处可能研究方向。

可读性：指语言是否有引导性，实例是否多。

• ★☆☆☆☆：“字典式”的工具书；
• ★★★☆☆：只讲清楚最基础的脉络；
• ★★★★★：有丰富而且详细的实例。

难度：指阅读起来技术上的难度。

• ★☆☆☆☆：不需要任何前置技术，大众也能看到；
• ★★★☆☆：学好“数学三件套”即可把握；
• ★★★★★：需要非常高深的技巧。

细节性：指各处细节（推导与证明等）是否给完整。

• ★☆☆☆☆：几乎完全省略细节；
• ★★★☆☆：只证明较容易的基础性结论；
• ★★★★★：完整给出所有细节。