现代数据科学（R语言·第2版）

本书是面向本科生的综合性数据科学教材，通过结合使用统计和计算方式来解决现实中的数据问题。本书不仅专注于案例或编程语法，还讲述如何利用最新 R/RStudio 计算环境中的统计编程，从各种数据中提取有意义的信息，进而解决重大问题。

本书对上一版做了全面更新，与日益强大的 tidyverse 套包保持同步，纳入 sf、purrr、tidymodels 和 tidytext 等包中的新功能。代码的内容和格式都经过修改，以方便阅读和理解。部分章节被拆分、重新组织和重新构思，以适应不断变化的实践环境。

Benjamin S. Baumer，美国史密斯学院统计与数据科学专业副教授。于2004年成为纽约大都会队第一位全职统计分析师，此后一直担任应用数据科学家。曾荣获美国棒球研究学会颁发的2019年Waller教育奖和2016年突出贡献者奖，参与撰写了 The Sabermetric Revolution 一书。

Daniel T. Kaplan，美国玛卡莱斯特学院数学和计算机科学系名誉教授，多本统计建模和统计计算教科书的作者。获得2006年玛卡莱斯特学院卓越教学奖和2017年终身成就奖。

Nicholas J. Horton，美国阿默斯特学院统计和数据科学系教授，ASA 和 AAAS 高级会员，美国国家科学院应用与理论统计委员会的联合主席，多项美国国家教学奖的获得者，一系列统计计算书籍的作者，并积极参与编写数据科学课程，帮助学生“用数据思考"。