本书从数据科学发展演化史，数据科学定义，数据、数据集，数据科学生态系统，机器学习，数据科学标准任务，隐私与道德，发展趋势等角度，对数据科学展开了精彩的阐述。

本书精准界定了数据科学的术语、任务、生命周期，并介绍了主流的数据科学生态技术，及决策树、回归分析、神经网络、深度学习等常见机器学习算法。同时也涵盖隐私、数据道德等方面的话题，介绍了数据科学可能引发的隐私泄露、人为歧视、不公平，以及欧盟、美国等国家或地区针对数据因素保护、数据道德的立法。

　　约翰·D．凯莱赫（John D．Kelleher）是都柏林理工学院计算机科学学院的教授以及信息、通信和娱乐研究所的学术负责人。他的研究得到了ADAPT中心的支持，该中心由爱尔兰科学基金会（Grant 13／RC／2106）资助，同时也接受欧洲区域发展基金的资助。他还是《Fundamentals of Machine Learning for Predictive Data Analytics》的作者之一。
　　
　　布伦丹·蒂尔尼（Brendan Tierney）是都柏林理工学院计算机科学学院的讲师，同时也是Oracle AC'E主任，还著有多本基于Oracle技术的数据挖掘类著作。

数据科学推动了现代社会几乎所有领域决策的发展，正在影响着人们日常生活的方方面面。本书旨在阐述理解数据科学所需的基本思想和概念，帮助你理解什么是数据科学，它是如何工作的，以及它能（和不能）做什么。本书从数据科学发展演化史，数据科学定义，数据、数据集，数据科学生态系统，机器学习，数据科学标准任务，隐私与道德，发展趋势等角度，对数据科学展开了精彩的阐述。