这么好的书还没人写书评？

工作5年了，几乎再也没看过我学过的统计方法和写过的代码，但我在读这本书的时候，竟然丝毫没有感觉到压力。

书的结构分为编程篇、模型篇、应用篇，这样的设计让这本书变得“超凡脱俗”。首先，这本书不像教科书需要从第一页开始学起，有些读者可能编程很好了就可以跳跃式阅读；其次，书中也不会有很拗口的名词概念让人发晕，作者用的都是“操作指导式”语言风格；第三，这本书简化了很多古老的“考试知识点”，更注重实际中的应用实践方法。

虽然有些地方写的比较浅，但作者启发了我主动去搜索相关的内容，去体验实现结果的过程，去得到成功的自信。

最近我竟然能帮助晶晶同学解答使用R遇到的困惑了，硕士指导博士，了不起嘿。

推荐本书的理由就像书的前言里吴老师说到的，“这本书的作者站得高，绝不纠缠那些繁琐而非必要的细节，读者可以很容易的看到问题的全貌和整体结构，而这是获取任何知识的关键，这本书的安排对于性急的人非常方便，若干分钟就可以获得通常几天才能获得的信息。

这本书的成功在于作者的经历，从统计到计算机软件，再到IT相关业界，没有这样的背景，不可能对问题驱动的数据科学如此明白，也不可能对软件要素的理解如此清楚，更不可能对众多应用如此轻松的介绍”。

作者也提到了他学统计和R语言的方法，相信很多人都有这样的感受：

1. 当年把吴老师那本非参数统计中的例子全部用R代码实现了一遍，开始尝到了编程的甜头，因为之前觉得像天书般的非参数统计，在我写完程序后就觉得什么都懂了。

从那时起我就发现了一条学统计的捷径，遇到任何不懂的地方，拿到数据后写程序，算个结果再来看书。

2. 从自己以前的专业中找到存在感，也可以以一个更轻松的心态来随意学习自己想要的，而不是跟在编程高手后面追赶。

3. 除了具体的技术和工程实践，我开始意识到对数据的理解其实是最重要的能力，纯粹的技术能解决的问题很少，很多时候问题错综复杂，涉及到多个系统之间的复杂关系，甚至人与人之间的复杂关系，数据散布其中，形成一个又一个难解的结，再前沿的技术也难以成为一把斩断乱麻的刀。只能靠人来抽丝剥茧，然后在不同的阶段和环节选择最有效的或者自己最擅长的工具，一个个的解决问题。如果之前没有一个清晰的总体的理解，那么很容易就陷入到局部的死胡同去硬撼各种难题，反之如果找到了一条正确的道路，就可以用最经济的方式来解决问题。直到今天我都认为这些是数据科学家最重要的技能，实际上也是最容易被忽视的。

4.平时各类专业问题的讨论和各种各样的八卦，是这本书的重要动力和源泉。