如果用一段话来总结张诚、张琦编著的《商业数据科学(数据价值与机器学习实战)/数据科学与大数据管理丛书》的内容，作者引用2013年第一次写下课程教案时对课程的描述：“它不是一门人云亦云的课程，不讲理论，以实战为主，用一套套实际数据来讲如何从数据里发掘商业问题和检验商业假设；它是一门商业素养和技术算法综合应用的课程，需要有开放思想和开放学习能力的同学来参与和体验；它是一门动手性极强的课程，以脸书、腾讯、雅虎等公司的分享数据为基础，培养学生过硬的推理和分析能力；它是一门跨学科的课程，为同学未来领导跨部门商业数据分析团队铺路。”你，准备好了吗？

前言
第1章 大数据及其应用
1.1 大数据的特性
1.2 数据发展历程
1.3 数据挖掘经典算法简介
1.4 大数据技术应用：人脸的价值
1.5 数据存储简介
1.6 大数据分析：应当具备的知识架构
1.7 本章作业
1.8 扩展：舆情来预测股票的一些细节
第2章 分类算法
2.1 机器学习
2.2 两种思考模式：演绎和归纳
2.3 分类算法的应用
2.4 跨部门数据整合
2.5 总结：机器看世界
2.6 用户流失识别
2.7 生存分析简介
2.8 Weka简介
2.9 本章作业
2.10 扩展
第3章 聚类算法
3.1 K均值聚类算法原理
3.2 K均值聚类的三个步骤
3.3 分类算法vs.聚类算法
3.4 Weka中的聚类算法
3.5 聚类的应用
3.6 Weka操作聚类分析的演示
3.7 本章作业
3.8 扩展
第4章 网络分析
4.1 网络分析的背景
4.2 PageRank
4.3 应用
4.4 网络分析
4.5 扩展：网络关系的存储
4.6 扩展：科技树的传承
参考资料
第5章 购物篮算法
5.1 购物篮算法的原理
5.2 评价：三个指标
5.3 开放思考：可否把购物篮看作网络
5.4 Weka操作关联规则的演示过程
5.5 本章作业
5.6 扩展
第6章 神经网络
6.1 四个基本型：本质是穷举
6.2 什么是学习
6.3 神经网络算法
6.4 空间想象：支持向量机（SVM）
6.5 商业问题和基本型
6.6 Weka操作神经网络分析的过程
6.7 本章作业
第7章 如何领导数据分析团队
7.1 大数据/机器学习/深度学习的演变
7.2 对管理者的启示
7.3 本书知识回顾

张诚、张琦编著的《商业数据科学(数据价值与机器学习实战)/数据科学与大数据管理丛书》正文里采用文字和初等数学的方式来介绍相关机器学习算法，将更严谨专业的数学表达放在对应插文里，供有兴趣深入了解的读者参阅。最后，本书附带教课课件，也即将推出网络教学视频选集，可供大家借鉴。