本书的主要内容有: 数据科学概论, 机器学习模型测试, 人工智能基础, 理想的数据科学团队, 数据科学团队招聘面试, 组建数据科学团队, 创新管理, 管理数据科学项目, 数据科学项目的常见陷阱, 创造产品与提升可重用性, 实施ModelOps, 建立技术栈和结论。本书的目标读者是希望有效地引入数据科学工作流程以提升组织效率、改进业务的数据科学家、数据分析人员和项目主管。Kirill Dubovikov是Cinimex DataLab数据实验室的首席技术官, 有为顶级俄罗斯银行设计和开发复杂软件解决方案超过十年的经历。目前, 他领导着公司的数据科学部门。他的团队为遍布世界的公司企业提供切实可行的机器学习应用服务。他们的解决方案覆盖广泛的主题, 包括销售预测和仓储管理、IT支持中心的自然语言处理 (NLP)、算法营销以及预测性IT运营。