為什麼要學資料科學？

想像你是一名年輕醫生。

當患者進入你的診所，抱怨呼吸困難、胸腔疼痛，以及偶爾發作的胃部灼熱症狀。你測量他的血壓及心跳數，發現一切指數都正常，而且這位患者過去並沒有上述病史。

觀察他的體型，你注意到這位患者有些胖。基於他所敘述的病狀常常出現在體重過重的人們當中，身為醫生的你告訴他一切都在控制之中，並建議這位患者找時間多運動。

很多時候，像是上述例子的情況，會導致對於潛在心臟病的錯誤診斷—因為心臟疾病患者的病狀與普通肥胖症的症狀非常相似，醫生們通常需藉由更進一步的檢查，檢測出更為嚴重的病情。

身為人類，我們的判斷常常受制於有限的、主觀的經驗和不全面的知識。將影響我們的決策過程，就像一位缺乏經驗的的年輕醫生，放棄可能導出更準確結論的進一步測試 。
這正是資料科學可以發揮功效的地方。

資料科學並不是依賴單獨個體的價值判斷，而是幫助我們駕馭來自多元資料來源的資訊，做出更完善的決策。舉例來說，我們可以查閱患者歷史紀錄，尋找類似病狀的患者資料，以便發現過去被忽略的可能診斷。

現代的運算技術及先進的演算法，可以幫助我們：
．辨識大資料集中的潛在趨勢
．善用趨勢來進行預測
．計算每一個可能結果的機率
．迅速取得準確分析結果。

本書是介紹資料科學與演算法的入門書，具有通俗易懂的風格（本書可不談數學！）。為了幫助你掌握關鍵概念，我們使用直觀的解釋與大量的視覺效果。

每一個演算法有獨立的章節，以現實世界的實例應用來解釋各演算法如何運作。在網路上可以取得這些例子的資料，資料來源列於參考文獻一章中。如果想要複習你在本書中學到什麼，可以翻閱每一章節最後的「本章小結」。

在本書的最後，你也可以找到比較各演算法優缺點的參考清單，以及常用術語的字彙表。

我們希望能幫助你對資料科學有更實際的理解，而你也可以善用資料科學的優勢，做出更好的決策。