|
學(xué)習(xí)數(shù)據(jù)科學(xué)，到底應(yīng)該看哪些書？ 網(wǎng)絡(luò)上的免費(fèi)資源、書籍推薦讓人眼花繚亂，東一榔頭西一棒槌，不免讓人心生從入門到放棄之感。 現(xiàn)在，福利來了：Medium博主Brenda Hali整理出了一份數(shù)據(jù)科學(xué)最佳免費(fèi)電子書大合集。 25強(qiáng)選手，從數(shù)學(xué)到Python，再到數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)，應(yīng)有盡有，任君挑選。 數(shù)學(xué)類欲學(xué)人工智能，先要打好數(shù)學(xué)基礎(chǔ)。數(shù)學(xué)類六強(qiáng)選手名單如下： 統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論：基于R應(yīng)用書名：An Introduction to Statistical Learning 這本書由南加州大學(xué)馬歇爾商學(xué)院院長(zhǎng)Gareth James等人出品，主要面向非數(shù)學(xué)專業(yè)的高年級(jí)本科生，碩士生和博士生。 該書內(nèi)容主要由R語言實(shí)現(xiàn)，并詳細(xì)說明了統(tǒng)計(jì)學(xué)習(xí)方法在現(xiàn)實(shí)生活中的應(yīng)用實(shí)例。 并且，人大統(tǒng)計(jì)學(xué)院王星副教授已將此書翻譯為中文版。 地址： 書名：Think Stats 這本書的作者是美國計(jì)算機(jī)科學(xué)家Allen B. Downey?！督y(tǒng)計(jì)思維》著重介紹了一些簡(jiǎn)單的技術(shù)，讀者可以用真實(shí)的數(shù)據(jù)集對(duì)其進(jìn)行探索。 書中使用美國國立衛(wèi)生研究院的數(shù)據(jù)進(jìn)行了案例研究。還有配套的GitHub倉庫，提供代碼示例。 地址： GitHub： 書名：The Elements of Statistical Learning: Data Mining, Inference, and Prediction 斯坦福大學(xué)數(shù)學(xué)科學(xué)教授Trevor Hastie等人出品。這本書強(qiáng)調(diào)的是概念而非數(shù)學(xué)本身，內(nèi)文采用大量圖表來展示范例。 本書涵蓋的范圍很廣，從監(jiān)督學(xué)習(xí)到無監(jiān)督學(xué)習(xí)，均有涉及。 地址： 書名：Think Bayes: Bayesian Statistics Made Simple 關(guān)于貝葉斯統(tǒng)計(jì)的大多數(shù)書籍都是用數(shù)學(xué)符號(hào)來表達(dá)思想。這本書則用Python代碼代替了數(shù)學(xué)符號(hào)，并用離散近似替代連續(xù)。 此書同樣附贈(zèng)配套代碼實(shí)現(xiàn)，還有人提供了IPython notebooks版本，可以在線修改、運(yùn)行代碼。 地址： IPython notebook： 書名：Probabilistic Programming & Bayesian Methods for Hackers 這本書旨在從計(jì)算/理解第一，數(shù)學(xué)第二的角度介紹貝葉斯推斷。作為一本入門書籍，本門適合非數(shù)學(xué)專業(yè)、對(duì)數(shù)學(xué)沒有那么感興趣的貝葉斯方法實(shí)踐者。 地址： 書名：Computer Age Statistical Inference 同樣來自斯坦福大學(xué)，由Bradley Efron和Trevor Hastie兩位老爺子共同打造。從經(jīng)典推理理論開篇，以對(duì)統(tǒng)計(jì)和數(shù)據(jù)科學(xué)未來方向的推測(cè)作為結(jié)尾，這本書回顧了1950年以來數(shù)據(jù)分析革命的始末。 生存分析、邏輯回歸、經(jīng)典貝葉斯、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、馬爾可夫鏈蒙特卡羅方法……在這本書中，你都能找到。 地址： 介紹完數(shù)學(xué)，接下來正式進(jìn)入數(shù)據(jù)科學(xué)部分。共有六本書推薦。 The Elements of Data Analytic Style這本書側(cè)重于傳統(tǒng)統(tǒng)計(jì)學(xué)課程和教科書容易遺漏的細(xì)節(jié)，可作為數(shù)據(jù)科學(xué)或數(shù)據(jù)分析入門課程教材。 地址： 書名：The Ancient Art of the Numerati 這是一本入門向書籍，用于學(xué)習(xí)基本的數(shù)據(jù)挖掘知識(shí)。 大部分關(guān)于數(shù)據(jù)挖掘的書都著重于理論知識(shí)的講解，雖然理論知識(shí)非常重要，但還是有些讓人望而卻步。如果你是一名程序員，想對(duì)數(shù)據(jù)挖掘做一些初步的了解，那么可以選擇這本書。 本書采用“邊學(xué)邊做”的方式編寫，作者強(qiáng)烈建議讀者動(dòng)手實(shí)踐每一章結(jié)尾提供的練習(xí)題。 地址： 中文版： 書名：Social Media Mining: An Introduction 本書將社交媒體、社交網(wǎng)絡(luò)分析和數(shù)據(jù)挖掘集成在一起，為相關(guān)從業(yè)人員提供了一個(gè)方便的平臺(tái)，以了解社交媒體挖掘的基礎(chǔ)和潛力。 這本書適合作為高年級(jí)本科生、研究生課程，以及專業(yè)短期課程的教材，內(nèi)含難度系數(shù)不等的練習(xí)，可以幫助讀者加強(qiáng)理解。 地址： 書名：The Art of Data Science 本書介紹了分析數(shù)據(jù)的過程。作者是約翰霍普金斯大學(xué)生物統(tǒng)計(jì)學(xué)教授Roger D. Peng和UT奧斯汀教授Elizabeth Matsui，他們?cè)跀?shù)據(jù)分析方面具有豐富的經(jīng)驗(yàn)。 地址： 書名：The Data Science Handbook 這本書是25位杰出數(shù)據(jù)科學(xué)家深度訪談的匯編。其中，有來自領(lǐng)域?qū)＜业囊娊?、故事和建議。 地址： 書名：Conversations On Data Science 約翰霍普金斯大學(xué)生物統(tǒng)計(jì)學(xué)教授Roger D. Peng，以及Stitch Fix數(shù)據(jù)科學(xué)家Hilary Parker的對(duì)話實(shí)錄，主題是數(shù)據(jù)科學(xué)及其在現(xiàn)實(shí)世界中是如何發(fā)揮作用的。 地址： 人生苦短，我用Python。學(xué)習(xí)人工智能，總是繞不開Python這一趴。 Python面向?qū)ο缶幊?/strong>書名：Object-Oriented Programming with Python 此書針對(duì)Python 3面向?qū)ο缶幊?，是一本?jiǎn)明、權(quán)威的指南。語言簡(jiǎn)明，概念清晰。適合已經(jīng)對(duì)Python有所理解的中級(jí)學(xué)習(xí)者。
地址： 書名：Automate the Boring Stuff with Python 本書是一本面向?qū)嵺`的Python編程實(shí)用指南。不僅介紹了Python語言的基礎(chǔ)知識(shí)，作者還希望通過項(xiàng)目實(shí)踐，教會(huì)讀者如何應(yīng)用這些知識(shí)和技能。每一章的末尾都有習(xí)題和實(shí)踐項(xiàng)目，附錄部分提供了參考答案。 適合編程基礎(chǔ)薄弱的初學(xué)者。
地址： 中文版： 書名：Python Data Science Handbook Python科學(xué)計(jì)算必備資料。 這本書非常適合作為解決日常問題的參考書籍，包括：處理、轉(zhuǎn)換和清除數(shù)據(jù)；可視化不同類型的數(shù)據(jù)；使用數(shù)據(jù)建立統(tǒng)計(jì)或機(jī)器學(xué)習(xí)模型。
地址： 這本書由淺入深，從對(duì)編程的簡(jiǎn)要介紹開始，一步步引入更復(fù)雜的程序元素。面向初學(xué)者。
地址： 書名：Natural Language Processing with Python 本書對(duì)自然語言處理進(jìn)行了易于理解的介紹。從中可以學(xué)習(xí)到如何編寫適用于大量非結(jié)構(gòu)化文本的Python程序。 地址： 書名：Data Science in Production 從初創(chuàng)企業(yè)到價(jià)值數(shù)萬億美元的大公司，數(shù)據(jù)科學(xué)正在最大化數(shù)據(jù)價(jià)值方面發(fā)揮著重要的作用。本書面向希望在多個(gè)云環(huán)境中構(gòu)建數(shù)據(jù)產(chǎn)品，并開發(fā)應(yīng)用數(shù)據(jù)科學(xué)技能的分析從業(yè)人員。
地址： 書名：Data Driven 介紹了Google、Linkedln和Facebook如何利用自身數(shù)據(jù)，以及沃爾瑪，UPS和其他公司是如何在大數(shù)據(jù)時(shí)代到來之前，就充分利用了數(shù)據(jù)資源的案例。 地址： 接下來，進(jìn)入機(jī)器學(xué)習(xí)書籍的推薦環(huán)節(jié)。 Scikit?Learn與TensorFlow機(jī)器學(xué)習(xí)實(shí)用指南書名：Hands-on Machine Learning with Scikit-Learn and TensorFlow 通過具體的示例，最少的理論和scikit-learn、TensorFlow這兩大工具，作者將構(gòu)建人工智能系統(tǒng)的概念和工具直觀地展示了出來。同樣由淺入深循序漸進(jìn)，從簡(jiǎn)單的線性回歸開始，一路深入到神經(jīng)網(wǎng)絡(luò)。
地址： 書名：Understanding Machine Learning: From Theory to Algorithms 本書討論了學(xué)習(xí)的計(jì)算復(fù)雜度、凸性和穩(wěn)定性、PAC-貝葉斯方法、壓縮界等概念，并介紹了一些重要的算法范式，包括隨機(jī)梯度下降、神經(jīng)元網(wǎng)絡(luò)以及結(jié)構(gòu)化輸出。 適合有一定基礎(chǔ)的高年級(jí)本科生和研究生學(xué)習(xí)，也適合作為IT行業(yè)從事數(shù)據(jù)分析和挖掘的專業(yè)人員以及研究人員參考閱讀。
地址： 書名：Reinforcement Learning: An Introduction 本書對(duì)強(qiáng)化學(xué)習(xí)領(lǐng)域的關(guān)鍵思想和算法進(jìn)行了簡(jiǎn)明清晰的說明。 地址： 書名：Deep Learning Ian Goodfellow，Yoshua Bengio和Aaron Courville共同撰寫。旨在幫助學(xué)生和從業(yè)人員全面了解機(jī)器學(xué)習(xí)，尤其是深度學(xué)習(xí)。 地址： 吳恩達(dá)出品。本書的重點(diǎn)不在于機(jī)器學(xué)習(xí)算法本身，而是如何讓機(jī)器學(xué)習(xí)算法工作。
地址： 最后推薦一本關(guān)于數(shù)據(jù)可視化的書籍。 D3 Tips and Tricks介紹了如何利用d3.js這一工具，實(shí)現(xiàn)數(shù)據(jù)可視化。其中包含50多個(gè)可以下載的代碼示例。
地址： 那么，書單在手，快點(diǎn)學(xué)起來吧~ 博客鏈接： — 完 — 量子位 QbitAI · 頭條號(hào)簽約作者 |
|
|
