80本值得一讀的最佳數(shù)據(jù)科學(xué)書籍（一）
2019-11-21 來源：raincent
數(shù)據(jù)科學(xué)是近幾年最受歡迎的概念。我相信很多人都在尋找進入該行業(yè)的入口，最近剛讀了一篇文章，其中列出了一些對大家可能有幫助的數(shù)據(jù)科學(xué)書籍。因此，我在本文中進行了總結(jié)，同時還對書籍進行了簡要介紹，以便可以選擇要閱讀的書籍。部分可以在網(wǎng)上找到一些數(shù)據(jù)科學(xué)書籍，文中給出了鏈接。但其中大多數(shù)可能需要在亞馬遜上才能找到。
目錄
第一部分：數(shù)據(jù)科學(xué)家的核心技能
♦ Data Science
♦ Math
♦ Probability and Statistics
♦ Machine Learning
♦ Data Mining
♦ SQL
♦ R
♦ Python
♦ Data Scientist Interview
♦ Algorithm
♦ Handbook
♦ Web Scraping and Data Wrangling
♦ Data Visualization and Storytelling
♦ A/B Testing
第二部分：數(shù)據(jù)科學(xué)高級技能
♦ Neural Network and Deep Learning
♦ Information Theory
♦ Causal Inference
♦ Sampling
♦ Convex
♦ Growth Analytics
♦ Text Mining and Natural Language Processing
♦ Anomaly Detection
♦ Recommender Systems
♦ Social Network Analysis
♦ Time Series Analysis and Forecasting
♦ Reinforcement Learning and Artificial Intelligence
第三部分：休閑閱讀
第一部分：數(shù)據(jù)科學(xué)家的核心技能
數(shù)據(jù)科學(xué) Data Science
1. The Data Science Handbook：25位出色的數(shù)據(jù)科學(xué)家的建議和見解
該手冊中有25位業(yè)內(nèi)專家給出了一些建議，對初學(xué)者非常有幫助。
2.Data Science for Business：需要了解的有關(guān)數(shù)據(jù)挖掘和數(shù)據(jù)分析思維的知識
商業(yè)數(shù)據(jù)科學(xué)由著名的數(shù)據(jù)科學(xué)專家Foster Provost和Tom Fawcett撰寫，介紹了數(shù)據(jù)科學(xué)的基本原理，并引導(dǎo)您完成從收集的數(shù)據(jù)中提取有用的知識和業(yè)務(wù)價值所必需的“數(shù)據(jù)分析思維”。本指南還可以幫助您了解當(dāng)今使用的許多數(shù)據(jù)挖掘技術(shù)。
3.Doing Data Science：Straight Talk from the Frontline
在許多這些長達一章的講座中，來自Google，Microsoft和eBay等公司的數(shù)據(jù)科學(xué)家通過展示案例研究和它們使用的代碼來共享新的算法，方法和模型。如果您熟悉線性代數(shù)，概率和統(tǒng)計，并且具有編程經(jīng)驗，那么這本書是數(shù)據(jù)科學(xué)的理想入門。
數(shù)學(xué)Math
4.多元微積分Multivariate Calculus
5.線性代數(shù) Linear Algebra
https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm
概率統(tǒng)計Probability and Statistics
6. Introduction to Probability, Statistics, and Random Processes
這本書向?qū)W生介紹了概率，統(tǒng)計和隨機過程。工程，各種科學(xué)，金融和其他相關(guān)領(lǐng)域的學(xué)生和實踐者都可以使用它。它為這些主題提供了清晰直觀的方法，同時保持了數(shù)學(xué)準(zhǔn)確性。您還可以在線查找課程和視頻。
https://www.probabilitycourse.com
7. OpenIntro Statistics
OpenIntro項目成立于2009年，旨在通過生產(chǎn)可免費使用和易于修改的出色書籍和教學(xué)工具來提高教育質(zhì)量和可用性。而其首創(chuàng)成果是OpenIntro Statistics。相應(yīng)的課程和視頻可以在以下網(wǎng)址找到：https : //www.openintro.org
8.Statistical Inference
這是許多大學(xué)應(yīng)屆畢業(yè)生的教科書。
討論理論統(tǒng)計和理論發(fā)展的實際應(yīng)用。包括大量涵蓋理論和應(yīng)用的練習(xí)。
9.Applied Linear Statistical Models
“Applied Linear Statistical Models”是長期建立的領(lǐng)先權(quán)威文獻，也是統(tǒng)計建模的參考。第五版在不犧牲概念或嚴(yán)格性的前提下，在整個過程中增加了對計算和圖形分析的使用。通常，5e在示例和練習(xí)中使用較大的數(shù)據(jù)集，并且可以在軟件內(nèi)自動進行方法而又不會失去理解的情況下，這樣做就可以了。
10.An Introduction to Generalized Linear Models
內(nèi)容歸納為標(biāo)題。廣義線性模型簡介。
11.All of Statistics: 統(tǒng)計推斷簡明課程
本書適用于希望快速學(xué)習(xí)概率和統(tǒng)計信息的人。它適合計算機科學(xué)，數(shù)學(xué)，統(tǒng)計學(xué)和相關(guān)學(xué)科的研究生或高等本科生。
12.Computer Age Statistical Inference: 算法，證據(jù)和數(shù)據(jù)科學(xué)
Efron和Hastie通過本書向我們?nèi)娼榻B了大數(shù)據(jù)時代的統(tǒng)計數(shù)據(jù)。
13.Statistics in a Nutshell: 桌面快速參考
標(biāo)題中的快速參考
14.Bayes' Rule: 貝葉斯分析教程簡介
15. Think Bayes：Python中的貝葉斯統(tǒng)計
簡要介紹如何使用Python進行貝葉斯統(tǒng)計
http://www.greenteapress.com/thinkbayes/thinkbayes.pdf
16.黑客的貝葉斯方法
有關(guān)如何使用Python進行貝葉斯統(tǒng)計的高級教程
https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
17.Practical Statistics for Data Scientists: 50個基本概念
該實用指南說明了如何將各種統(tǒng)計方法應(yīng)用于數(shù)據(jù)科學(xué)，告訴您如何避免它們的誤用，并為您提供關(guān)于重要和不重要的建議。
您可以在這里找到它：https : //github.com/andrewgbruce/statistics-for-data-scientists
機器學(xué)習(xí)Machine Learning
18.An Introduction to Statistical Learning:R中的應(yīng)用
毫無疑問，這是一本好書，該領(lǐng)域的每個人都應(yīng)該聽說過。
http://www-bcf.usc.edu/~gareth/ISL/
https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about
19.Applied Predictive Modeling
應(yīng)用預(yù)測建模涵蓋了整個預(yù)測建模過程。面試或工作前必讀。
20. Python機器學(xué)習(xí)
Python Machine Learning Second Edition現(xiàn)在包括流行的TensorFlow深度學(xué)習(xí)庫。scikit-learn代碼也已完全更新，以包括對該通用機器學(xué)習(xí)庫的最新改進和添加。
21.預(yù)測數(shù)據(jù)分析的機器學(xué)習(xí)基礎(chǔ)：算法，可行的示例和案例研究
全面介紹了預(yù)測數(shù)據(jù)分析中使用的最重要的機器學(xué)習(xí)方法，涵蓋了理論概念和實際應(yīng)用。
22.Real-World Machine Learning 現(xiàn)實世界的機器學(xué)習(xí)
本書告訴您如何使用機器學(xué)習(xí)來解決實際問題。強烈建議所有數(shù)據(jù)科學(xué)家在實習(xí)或工作之前閱讀它
23.Learning From Data
解釋了許多書中沒有提到的許多機器學(xué)習(xí)理論，例如VC維。
https://work.caltech.edu/telecourse.html
24.The Elements of Statistical Learning: 數(shù)據(jù)挖掘，推理和預(yù)測，第二版
本書在一個通用的概念框架中描述了各個領(lǐng)域的重要思想，例如醫(yī)學(xué)，生物學(xué)，金融和市場營銷。很棒的ESL，我認為它很適合翻閱和摘錄。
25.Pattern Recognition and Machine Learning
數(shù)據(jù)挖掘Data Mining
26.數(shù)據(jù)挖掘原理 Principles of Data Mining
數(shù)據(jù)挖掘的基本介紹，討論了很多關(guān)聯(lián)規(guī)則。
27.數(shù)據(jù)挖掘概論Introduction to Data Mining
數(shù)據(jù)挖掘概論介紹了那些初次學(xué)習(xí)數(shù)據(jù)挖掘的人的基本概念和算法。
28. Data Mining Techniques: 用于營銷，銷售和客戶關(guān)系管理
通過實際示例介紹如何使用數(shù)據(jù)挖掘從客戶那里賺錢。
SQL
29. SQL Cookbook：數(shù)據(jù)庫開發(fā)人員的查詢解決方案和技術(shù)
本菜譜提到了SQL查詢中的許多陷阱，并給出了每個流行數(shù)據(jù)庫的查詢代碼。
R
30.R in Action
本書從介紹R語言(包括開發(fā)環(huán)境)開始。著重于實際解決方案，該書還提供了實際統(tǒng)計方面的速成課程，并介紹了使用R的功能處理混亂和不完整數(shù)據(jù)的優(yōu)雅方法。
31. R for Data Science
32. R Packages
33. Advanced R
由Hadley Wickham教授撰寫。
R for Data Science與Garrett Grolemund一起，介紹了使用R進行數(shù)據(jù)科學(xué)的關(guān)鍵工具。R軟件包使用捆綁，文檔化和測試代碼的軟件包，教導(dǎo)了R的良好軟件工程實踐。
高級R幫助您將R掌握為編程語言，并教會您如何使R打勾。
Python
34.Think Python
本指南逐步指導(dǎo)使用該語言，從基本的編程概念開始，然后再進行功能，遞歸，數(shù)據(jù)結(jié)構(gòu)和面向?qū)ο蟮脑O(shè)計。適合初學(xué)者
35.Fluent Python
作者Luciano Ramalho帶領(lǐng)您學(xué)習(xí)Python的核心語言功能和庫，并向您展示如何使代碼同時更短，更快和更易讀。
36. Python for Probability, Statistics, and Machine Learning
本書涵蓋了在這些領(lǐng)域中使用Python模塊說明的將概率，統(tǒng)計數(shù)據(jù)和機器學(xué)習(xí)聯(lián)系起來的關(guān)鍵思想。
37. Python數(shù)據(jù)科學(xué)手冊 Python Data Science Handbook
一本非常全面的手冊介紹了如何使用Python解決數(shù)據(jù)科學(xué)問題。
https://github.com/jakevdp/PythonDataScienceHandbook
數(shù)據(jù)科學(xué)家訪談Data Scientist Interview
38.Data Science Interviews Exposed
數(shù)據(jù)科學(xué)面試提供數(shù)據(jù)科學(xué)的職業(yè)建議和REAL面試問題，以幫助您獲得六位數(shù)的薪水工作!
39.Cracking the PM Interview: 如何找到產(chǎn)品經(jīng)理在技術(shù)領(lǐng)域的工作
在美國，許多數(shù)據(jù)科學(xué)家都與產(chǎn)品密切相關(guān)，甚至其中一些人被聘為產(chǎn)品經(jīng)理，因此這本書的PM訪談對數(shù)據(jù)科學(xué)家具有參考價值。
算法Algorithm
40. Grokking Algorithms:面向程序員和其他好奇者的插圖指南
《 Grokking算法》是一本完整而友好的指南，它教您如何將常見算法應(yīng)用于程序員每天面對的實際問題。
41.使用Python解決算法和數(shù)據(jù)結(jié)構(gòu)問題 Problem Solving with Algorithms and Data Structures Using Python
算法和數(shù)據(jù)結(jié)構(gòu)的研究對于理解計算機科學(xué)的意義至關(guān)重要。這些就是本書的全部內(nèi)容。
電子版：http : //interactivepython.org/runestone/static/pythonds/index.html
42.Algorithms in a Nutshell:實用指南
快速查看的算法指南。
Handbook
43.數(shù)據(jù)科學(xué)手冊 The Data Science Handbook
數(shù)據(jù)科學(xué)的全面概述，涵蓋了掌握該學(xué)科所需的分析，編程和業(yè)務(wù)技能
Web Scraping and Data Wrangling
44. Web Scraping with Python: 從現(xiàn)代Web收集數(shù)據(jù)
通過本實用指南，您將學(xué)習(xí)如何使用Python腳本和Web API一次收集和處理數(shù)千個甚至數(shù)百萬個Web頁面中的數(shù)據(jù)。實際上，僅使用 Octoparse 即可滿足您的Web抓取需求。
45. Data Wrangling with Python: 簡化生活的提示??和工具
本書教您如何清除凌亂的原始數(shù)據(jù)。將其整理成您想要的方式。
46. Regular Expressions Cookbook
盡管正則表達式很煩人，但您必須面對它。您可以使用本書來檢查所需的正則表達式。
數(shù)據(jù)可視化和故事Data Visualization and Storytelling
47.Communicating Data with Tableau: 設(shè)計，開發(fā)和交付數(shù)據(jù)可視化
本實用指南向您展示如何使用Tableau Software將原始數(shù)據(jù)轉(zhuǎn)換為引人入勝的數(shù)據(jù)可視化效果，以提供洞察力或允許查看者自己瀏覽數(shù)據(jù)。
48. Interactive Data Visualization for the Web: D3設(shè)計簡介
此完全更新和擴展的第二版將帶您了解D3的基本概念和方法，D3是最強大的JavaScript庫，用于在Web瀏覽器中直觀地表達數(shù)據(jù)。
49.使用Python和JavaScript進行數(shù)據(jù)可視化：抓取，清理，瀏覽和轉(zhuǎn)換數(shù)據(jù)
在本動手指南中，作者Kyran Dale教您如何使用一流的Python和JavaScript庫(包括Scrapy，Matplotlib，Pandas，F(xiàn)lask和D3)構(gòu)建基本的dataviz工具鏈，以構(gòu)建引人入勝的基于瀏覽器的可視化。
50.Storytelling with Data: 業(yè)務(wù)專業(yè)人員的數(shù)據(jù)可視化指南
本書演示了如何超越常規(guī)工具來獲取數(shù)據(jù)的根源，以及如何使用數(shù)據(jù)來創(chuàng)建一個引人入勝，內(nèi)容豐富，引人入勝的故事。
A / B測試
51. A / B Testing:將點擊轉(zhuǎn)化為客戶的最強大方法
52.Designing with Data: 通過A / B測試改善用戶體驗
第二部分：數(shù)據(jù)科學(xué)高級技能
第三部分：休閑閱讀
請在關(guān)注更新
by Paul Black 來源：bigdatanews原文：https://www.bigdatanews.datasciencecentral.com/profiles/blogs/80-best-data-science-books-that-are-worthy-reading
標(biāo)簽： 數(shù)據(jù) 蒲
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
