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。