独家 | 精彩！这27本书籍，每位数据科学家都应该阅读（附说明图表）
作者：Pranav Dar?
翻譯：季洋
校對(duì)：張玲
本文約6000字，建議閱讀10分鐘。
本文為你介紹了27本有關(guān)數(shù)據(jù)科學(xué)方面的精彩書籍。
引言
每個(gè)人都有自己的學(xué)習(xí)方法，而助我闖入數(shù)據(jù)科學(xué)領(lǐng)域的則是書籍。書籍將知識(shí)世界壓縮成幾百頁(yè)，沒有什么能像它一樣打開你的思維，我從未在其他任何學(xué)習(xí)方法中發(fā)現(xiàn)這種魔力和魅力。
“如果你只是閱讀人人都在閱讀的書，你可能只能想到人人都在想的東西?！?/span>
—— 村上春樹
靠自己來(lái)學(xué)習(xí)數(shù)據(jù)科學(xué)可能是一項(xiàng)非常艱巨的任務(wù)！現(xiàn)在有許多方法來(lái)學(xué)習(xí) – 網(wǎng)絡(luò)公開課、研討會(huì)、學(xué)位、文憑和文章，諸如此類。但是，系統(tǒng)化安排它們，致力于形成一條結(jié)構(gòu)化的學(xué)習(xí)路線，以成為一名數(shù)據(jù)科學(xué)家，是至關(guān)重要的。
一條結(jié)構(gòu)化的學(xué)習(xí)路線：https://trainings.analyticsvidhya.com/courses/coursev1:AnalyticsVidhya+LPDS2019+LPDS2019_T1/info?utm_source=booksarticle&utm_medium=blog
成為一名數(shù)據(jù)科學(xué)家，是：
https://trainings.analyticsvidhya.com/courses/coursev1:AnalyticsVidhya+LPDS2019+LPDS2019_T1/info?utm_source=booksarticle&utm_medium=blog
關(guān)于數(shù)據(jù)科學(xué)的書，已經(jīng)有了成百上千本，你該如何選擇開始之處呢？怎么選擇適合學(xué)習(xí)某種技術(shù)或領(lǐng)域的書呢？盡管對(duì)于這個(gè)問題沒有一刀切的答案，我已經(jīng)竭盡所能，精減書單，得到一份只有27本的簡(jiǎn)短書單。
將這些書分成不同的領(lǐng)域，以易于你理解。
統(tǒng)計(jì)學(xué)書籍
概率學(xué)書籍
機(jī)器學(xué)習(xí)書籍
深度學(xué)習(xí)書籍
自然語(yǔ)言處理（NLP）書籍
計(jì)算機(jī)視覺書籍
人工智能書籍
工具/語(yǔ)言書籍?
Python
R
福利：
在這篇文章底部，你將會(huì)發(fā)現(xiàn)一個(gè)極好的說(shuō)明圖表，涵蓋上述提及的每一本書。你可以將它作為一個(gè)“待讀”書單，當(dāng)你讀完一本書時(shí)，可從單子上將它們一一劃去！你也可以下載這個(gè)圖表的一個(gè)高分辨率版本，打印出來(lái)非常完美，因?yàn)樗荘DF格式。
好了，讓我們現(xiàn)在就進(jìn)入正題。
這個(gè)圖表的一個(gè)高分辨率版本：
https://discuss.analyticsvidhya.com/t/download-hd-infographic-27-essential-data-science-books/75604
統(tǒng)計(jì)學(xué)書籍
《白話統(tǒng)計(jì)學(xué)》
https://www.amazon.in/Statistics-Plain-English-Third-1/dp/041587291X
作者：蒂莫西·C·烏爾單（Timothy C. Urdan）
正是這本美好的書，開始了我在統(tǒng)計(jì)學(xué)世界的旅程。它完全是為初學(xué)者寫的，總能吸引你回來(lái)以查找更多的內(nèi)容，而且寫作風(fēng)格和解釋內(nèi)容恰到好處地呼應(yīng)書名-白話統(tǒng)計(jì)學(xué)。你可以推薦這本書給任何一位非技術(shù)人員，他們應(yīng)該能夠掌握這些原理，因?yàn)樗褪沁@么出色！
《思考統(tǒng)計(jì):?程序員的概率學(xué)和統(tǒng)計(jì)學(xué)》
http://greenteapress.com/thinkstats/thinkstats.pdf
作者：艾倫·B·唐尼（Allen B. Downey）
在大多數(shù)的數(shù)據(jù)科學(xué)書單中，你都可以發(fā)現(xiàn)這本書位列第一。這本書有大量的資源，點(diǎn)擊上面鏈接，進(jìn)入這本書的主頁(yè)，你將看到數(shù)據(jù)文件、代碼、解決方案等資料。對(duì)于已經(jīng)了解Python基礎(chǔ)知識(shí)的人來(lái)說(shuō)，它是特別有用的，因?yàn)樵谶@本書中，用來(lái)演示實(shí)例的正是python語(yǔ)言。
《統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論》
作者：加雷思·詹姆斯（Gareth James）, 達(dá)尼埃拉·威滕（Daniela Witten）, 特雷弗·哈西蒂（Trevor Hastie）和 羅布·蒂布里亞尼（Robert Tibshirani）
這是一本經(jīng)典之作，大多數(shù)我看過(guò)的機(jī)器學(xué)習(xí)課程都推薦或引用了這本書，當(dāng)然是因?yàn)樗鼘懙暮玫木壒?。它涵蓋了基礎(chǔ)的統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)技術(shù)，最棒的是，每個(gè)觀點(diǎn)都會(huì)用R語(yǔ)言的案例分析來(lái)說(shuō)明。一旦你學(xué)會(huì)編程，就來(lái)回反復(fù)驗(yàn)證每個(gè)觀點(diǎn)，還有什么方法比多次練習(xí)能更好地鞏固一個(gè)觀點(diǎn)呢？
概率學(xué)書籍
《概率學(xué)：給熱情的初學(xué)者》
https://www.amazon.in/Probability-Enthusiastic-Beginner-David-Morin/dp/1523318678
作者：大衛(wèi)·莫林（David Morin）
這是一本針對(duì)初學(xué)者的完美書籍。這本書是為學(xué)院學(xué)生們而寫的，所以，所有傾向于從零開始學(xué)習(xí)概率學(xué)的同學(xué)們都很會(huì)很欣賞這本書的寫作方式。它涵蓋了所有的基礎(chǔ)內(nèi)容-組合數(shù)學(xué)、概率學(xué)規(guī)則、貝葉斯定理、期望值、偏差、概率密度、常見概率分布、大數(shù)定律、中心極限定理、相關(guān)性和回歸分析。
概率學(xué)導(dǎo)論
《概率學(xué)導(dǎo)論》
https://www.math.dartmouth.edu/~prob/prob/prob.pdf
作者：J·勞里·斯內(nèi)爾（J. Laurie Snell）和?查爾斯·米勒·格里斯（Charles Miller Grinstead）
這是另一本入門級(jí)的書籍，涵蓋了基礎(chǔ)的概率學(xué)概念。像上本書一樣，這本書是針對(duì)大學(xué)畢業(yè)生而寫的，因而進(jìn)行了詳盡的文字描述。你可能會(huì)奇怪為什么我一直重復(fù)這一點(diǎn)，這是因?yàn)槲蚁霃?qiáng)調(diào)：總有一個(gè)地方是可以讓我們從零開始學(xué)習(xí)的，它是一本為那些從未探索進(jìn)入這個(gè)領(lǐng)域的學(xué)生而寫的書。
《概率論及其應(yīng)用概論》
作者：威廉·費(fèi)勒（William Feller）
正如這本書的描述所說(shuō)的，它完全是一本關(guān)于概率論及其應(yīng)用的入門指導(dǎo)書。如果你真的想深深地扎入概率學(xué)的世界，我推薦你讀這本書，因?yàn)樗且槐痉浅Ｔ敿?xì)的教科書，但可能不符合一個(gè)初學(xué)者的口味。如果你學(xué)習(xí)概率學(xué)只是為了進(jìn)入數(shù)據(jù)科學(xué)，你可以避開這本，只閱讀上面提到的兩本概率學(xué)書籍中的任意一本就好了。
機(jī)器學(xué)習(xí)書籍
《機(jī)器學(xué)習(xí)百頁(yè)書》
http://www.themlbook.com/
作者：安德里·布爾科夫（Andriy Burkov）
閱讀了大量試圖從不同的角度和觀點(diǎn)來(lái)教授機(jī)器學(xué)習(xí)的書籍，我努力想要找尋能夠一本能夠簡(jiǎn)明地歸納費(fèi)解的原理和方程式的書。直到安德里·布爾科夫用100多頁(yè)設(shè)法做到了這點(diǎn)，我喜歡上了這本書。它寫得很出色，易于理解，而且還有彼德·諾維格（Peter?Norvig）等思想領(lǐng)袖為其背書。還需要我說(shuō)更多嗎？初學(xué)者也許已經(jīng)成名，因此，每個(gè)數(shù)據(jù)科學(xué)家都應(yīng)該擁有這本書。
機(jī)器學(xué)習(xí)
《機(jī)器學(xué)習(xí)》
https://www.amazon.in/Machine-Learning-Tom-M-Mitchell/dp/1259096955
作者：湯姆·米切爾（Tom Mitchell）
在所有機(jī)器學(xué)習(xí)書大肆宣傳之前，湯姆·米切爾關(guān)于機(jī)器學(xué)習(xí)的書是理解各種技術(shù)和算法背后數(shù)學(xué)原理的首要選擇。我會(huì)建議在拿起這本書之前先復(fù)習(xí)一下數(shù)學(xué)，但你并不需要有任何人工智能和統(tǒng)計(jì)學(xué)的背景來(lái)理解這些概念。它是我機(jī)器學(xué)習(xí)的第一本書！?它售價(jià)不高，因此它絕對(duì)值得加入你們的收藏。
統(tǒng)計(jì)學(xué)學(xué)習(xí)要素
《統(tǒng)計(jì)學(xué)學(xué)習(xí)要素》
https://web.stanford.edu/~hastie/Papers/ESLII.pdf
作者：特雷弗·哈西蒂（Trevor Hastie），羅布·蒂布里亞尼（Robert Tibshirani）和 耶羅梅·弗里德曼（Jerome Friedman）
現(xiàn)在我們回到哈西蒂和蒂布里亞尼的另一本經(jīng)典！它是我們之前提到的《統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論》自然續(xù)篇。盡管和那本書有一些重復(fù)，但這本書更進(jìn)一步地分析了我們所說(shuō)的機(jī)器學(xué)習(xí)算法。除了一般的機(jī)器學(xué)習(xí)技術(shù)，它還涵蓋其他機(jī)器學(xué)習(xí)技術(shù)，諸如神經(jīng)網(wǎng)絡(luò)、矩陣分解法、譜聚類法這些內(nèi)容。
深度學(xué)習(xí)書籍
《深度學(xué)習(xí)》
https://www.deeplearningbook.org/
作者：伊恩·古德費(fèi)羅（Ian Goodfellow），義華·本焦（Yoshua Bengio）和阿倫·考維爾（Aaron Courville）
這本書的作者們都是巨星級(jí)的！《深度學(xué)習(xí)》這本書被廣泛地認(rèn)為是初學(xué)者最好的學(xué)習(xí)資源。它分為三個(gè)章節(jié)：應(yīng)用數(shù)學(xué)和機(jī)器學(xué)習(xí)基礎(chǔ)、現(xiàn)代深度學(xué)習(xí)實(shí)踐框架和深度學(xué)習(xí)研究。迄今為止，它是深度學(xué)習(xí)社區(qū)引用最多的一本書。床邊放一本，膜拜它并經(jīng)常查閱它 –無(wú)論什么時(shí)候你開始深度學(xué)習(xí)旅程，這種情形將一直伴隨著你。
《和Python一起深度學(xué)習(xí)》
https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438
作者：弗朗索瓦·喬萊(Francois Chollet)
通過(guò)編程和理論并行學(xué)習(xí)深度學(xué)習(xí)（或機(jī)器學(xué)習(xí)），真的很酷，這也是弗朗索瓦·喬萊在《和Python一起深度學(xué)習(xí)》書中所遵循的方法。常用的Keras庫(kù)可以幫助你學(xué)習(xí)深度學(xué)習(xí)概念，而弗朗索瓦是Keras的創(chuàng)建者，所以，還會(huì)有誰(shuí)比他更適合來(lái)教這個(gè)領(lǐng)域的知識(shí)呢？我也建議在推特上關(guān)注一下弗朗索瓦 – 那里有很多我們學(xué)習(xí)的東西。
《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)》
http://neuralnetworksanddeeplearning.com/
作者：邁克爾·尼爾森（Michael Nielsen）
這是一本免費(fèi)的在線書籍，以幫助學(xué)習(xí)為深度學(xué)習(xí)賦能的核心組件 – 神經(jīng)網(wǎng)絡(luò)。我很喜歡這本書的寫作方式，它采用一種實(shí)踐的方式來(lái)教授基本概念，還從初學(xué)者的視角來(lái)看待深度學(xué)習(xí)的研究課題。在這本書里，你學(xué)不到任何一種編程語(yǔ)言，因?yàn)樗且槐窘忉屔窠?jīng)網(wǎng)絡(luò)背后基礎(chǔ)概念的教科書，偏老式風(fēng)格但很好。
自然語(yǔ)言處理（NLP）書籍
《用Python自然語(yǔ)言處理》
https://www.nltk.org/book/
作者：斯蒂文·伯德（Steven Bird），伊旺·克萊恩（Ewan Klein）和 愛德華·洛珀（Edward Loper）
這是另外一本堅(jiān)持邊做邊學(xué)原則的書，你將學(xué)到一些在其他地方學(xué)不到的python概念知識(shí)，這樣才能利用NLTK（Natural?Language Toolkit自然語(yǔ)言工具）庫(kù)在NLP（Natural Language Processing自然語(yǔ)言處理）的世界里暢游。盡管這本書不是你學(xué)習(xí)NLP唯一參考的資源（NLP太復(fù)雜了，不是一下能說(shuō)清楚的），但它還是在這一課題上提供一個(gè)相當(dāng)不錯(cuò)的介紹。
《統(tǒng)計(jì)學(xué)自然語(yǔ)言處理基礎(chǔ)》
https://www.cs.vassar.edu/~cs366/docs/Manning_Schuetze_StatisticalNLP.pdf
作者：克里斯多夫·曼寧（Christopher Manning）和 欣里奇·舒埃策（Hinrich Schutze）
這本書已經(jīng)出版了20年，依然能夠作為一本優(yōu)秀的自然語(yǔ)言處理入門書。它對(duì)NLP下廣泛的子課題對(duì)非常詳盡的指引，如文本分類、詞性標(biāo)注、概率句法分析和其它內(nèi)容。作者在數(shù)學(xué)和語(yǔ)言的基礎(chǔ)上對(duì)這些課題做了非常嚴(yán)謹(jǐn)而且十分詳細(xì)的分析，我們要謹(jǐn)記這一點(diǎn)。
《語(yǔ)音和語(yǔ)言處理》
https://web.stanford.edu/~jurafsky/slp3/ed3book.pdf
作者：丹尼爾·尤拉夫斯基（Daniel Jurafsky）和 詹姆斯·H·馬丁（James H. Martin）
這本書著重介紹的是，自然語(yǔ)言和語(yǔ)音的實(shí)際應(yīng)用和科學(xué)評(píng)估。我將這本書列入書單是為了開闊我們?cè)谖谋咎幚硪酝獾难劢?– 也來(lái)看一看語(yǔ)音識(shí)別。為什么不呢？每天都有不計(jì)其數(shù)的語(yǔ)音識(shí)別應(yīng)用出現(xiàn)，可見，它是一個(gè)日益繁榮的研究領(lǐng)域。尤拉夫斯基和馬丁合著的這本書是自然語(yǔ)言處理領(lǐng)域和計(jì)算機(jī)語(yǔ)言學(xué)非常有深度的一本書。同樣，這也是一本大師們自己寫的書。
計(jì)算機(jī)視覺書籍
《計(jì)算機(jī)視覺：算法和應(yīng)用》
http://szeliski.org/Book/
作者：理查德·謝利斯基（Richard Szeliski）
這本書中探討了很多常見的計(jì)算機(jī)視覺技術(shù)，尤其是那些用來(lái)分析和解析圖像的技術(shù)。雖然這本書大在約九年前出版，但理查德·謝利斯基舉例說(shuō)明所用的例子和方法學(xué)在當(dāng)今還是很實(shí)用的。它是一本教科書，詳細(xì)介紹了如何采用科學(xué)方法來(lái)解決計(jì)算機(jī)視覺領(lǐng)域中的基本挑戰(zhàn)。點(diǎn)擊上面書名，就可以免費(fèi)獲得這本書的PDF版本。
《用Python編程計(jì)算機(jī)視覺》
http://programmingcomputervision.com/
作者：揚(yáng)·埃里克·索勒姆（Jan Erik Solem）
在你探究這本令人驚嘆的書之前，點(diǎn)擊書名，進(jìn)入網(wǎng)站，下載數(shù)據(jù)包、代碼以及從Github目錄上復(fù)制下來(lái)的資源庫(kù)。這本書是一本真正具有實(shí)踐指導(dǎo)意義的計(jì)算機(jī)視覺導(dǎo)論書，而這些豐富的學(xué)習(xí)資源則有助于你有效地閱讀它，正如作者所說(shuō)的，“當(dāng)你練習(xí)這些用Python編寫的例子時(shí)，你將學(xué)會(huì)一些技術(shù)如物體識(shí)別、3D重建、立體成像、增強(qiáng)現(xiàn)實(shí)和其它的計(jì)算機(jī)視覺應(yīng)用。”
《計(jì)算機(jī)視覺：建模，學(xué)習(xí)，和推理》
http://www.computervisionmodels.com/
作者：西蒙·J·D·普林斯博士（Dr. Simon J.D. Prince）
這本書從最基本的概率學(xué)基本概念開始介紹，然后非?？斓匾源饲腥胝}。盡管書里介紹的有些框架出現(xiàn)更新版本，但這本書在當(dāng)今的大環(huán)境中還是有價(jià)值的。它介紹了70多個(gè)算法，而且完美地補(bǔ)充了350多個(gè)示例說(shuō)明。如果你喜歡幻燈片的學(xué)習(xí)方式，那么請(qǐng)點(diǎn)擊書名鏈接，進(jìn)入網(wǎng)站下載。?
人工智能書籍
《人工智能：一種現(xiàn)代的方法》
http://aima.cs.berkeley.edu/
作者：斯圖爾特·羅素（Stuart Russell）和 彼德·諾維格（Peter Norvig）
這是一本斯圖爾特·羅素和彼德·諾維格寫的書，是人工智能界首屈一指的好書，100多個(gè)國(guó)家、超過(guò)1300個(gè)高等學(xué)府在他們的課程中參考或引用了這本書。提到作者是誰(shuí)，就不會(huì)驚訝于書的厚度 – 1100頁(yè)，涵蓋了人工智能的方方面面?– 語(yǔ)音識(shí)別、自動(dòng)駕駛、機(jī)器翻譯和計(jì)算機(jī)視覺等其他內(nèi)容，這本書可以認(rèn)為是人工智能界的圣經(jīng)。
《人工智能》
https://www.amazon.in/Artificial-Intelligence-Humans-Fundamental-Algorithms-ebook/dp/B00HAT0APE
作者：杰夫·西頓（Jeff Heaton）
人工智能的基本算法是什么？這本書打包了大量的技術(shù)知識(shí)，僅編成區(qū)區(qū)222頁(yè)。這還只是人工智能技術(shù)系列書籍的第一卷（維度、距離度量、聚類、誤差計(jì)算、爬山算法、內(nèi)爾德·米德算法以及線性回歸）。此外，還有一個(gè)伴生網(wǎng)站包含了這本書引用的范例和一個(gè)包含其代碼的GitHub資源庫(kù)。
伴生網(wǎng)站：
https://www.heatonresearch.com/aifh/vol1/
GitHub資源庫(kù)：
https://github.com/jeffheaton/aifh
《終極算法》
作者：佩德羅·多明戈斯（Pedro Domingos）
如果你想找一本人工智能方面的技術(shù)書，這本不是。但它是什么呢？它用極具說(shuō)服性的文字闡述了機(jī)器學(xué)習(xí)是如何改變商業(yè)、政治、科學(xué)和戰(zhàn)爭(zhēng)的書，是一本討論人工智能現(xiàn)在在哪里以及未來(lái)可能帶領(lǐng)人類去哪里的書，論證深入而且發(fā)人深省。我們將有可能找到有能力通過(guò)數(shù)據(jù)推進(jìn)所有知識(shí)的唯一一個(gè)算法（或“主算法”）嗎？加入佩德羅·多明戈斯的探索來(lái)一起找出答案。
Python工具/語(yǔ)言書籍
《流暢的Python：清晰、簡(jiǎn)練以及高效編程》
https://www.amazon.in/Fluent-Python-Concise-Effective-Programming-ebook/dp/B0131L3PW4
作者：盧西亞諾·拉馬爾霍（Luciano Ramalho）
有很多資源可以用來(lái)學(xué)習(xí)Python，但是沒有能夠像這本優(yōu)秀的教科書一樣教你如何編程。就如你渴望從一本編程書上得到的一樣，它是一本具有操作性的指導(dǎo)書，可以幫助你理解Python是如何工作的以及怎樣寫出精彩且高效的Python代碼。盧西亞諾·拉馬爾霍還網(wǎng)羅了一些流行的代碼庫(kù)，你會(huì)發(fā)現(xiàn)自己經(jīng)常在數(shù)據(jù)科學(xué)項(xiàng)目中用到這些庫(kù)。有足足794頁(yè)的長(zhǎng)度，這本書真是物有所值。
《Python編程：強(qiáng)大的面向?qū)ο缶幊?/span>》
https://www.amazon.in/Programming-Python-4e-Mark-Lutz/dp/0596158106
作者：馬克·盧茨（Mark Lutz）
如果你認(rèn)為上本書已經(jīng)教會(huì)你所有需要了解的Python知識(shí)，那么請(qǐng)?jiān)倏紤]考慮這部書。畢竟，Python是一個(gè)龐大的編程語(yǔ)言，還有很多其它內(nèi)容沒有覆蓋。一旦你從上面那本盧西亞諾·拉馬爾霍的書中掌握了基本原理，就可以來(lái)看看馬克·盧茨的這本書。它在很多研究問題上都有深入詳盡的教程：數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)、文本處理和圖形用戶界面（GUIs）等等，書中有大量例子，是代碼迷必須讀的一本書。
《數(shù)據(jù)科學(xué)Python手冊(cè)》
作者：薩米爾·馬達(dá)文（Samir Madhavan）
目前為止，前面介紹的兩本書都是從編程語(yǔ)言角度來(lái)學(xué)習(xí)Python，現(xiàn)在是時(shí)候從數(shù)據(jù)科學(xué)的角度來(lái)學(xué)習(xí)它了。哪些數(shù)據(jù)科學(xué)庫(kù)正被普遍使用，并且怎么用？你如何能在Python中創(chuàng)建數(shù)據(jù)可視化并按圖表挖掘數(shù)據(jù)？并且你如何能將高級(jí)的數(shù)據(jù)科學(xué)/機(jī)器學(xué)習(xí)技術(shù)編成代碼從而建立數(shù)據(jù)模型？薩米爾·馬達(dá)文在這本精心著作的書中回答了這些以及其他更多的問題。
R工具/語(yǔ)言書籍
《數(shù)據(jù)科學(xué)的R編程》
https://r4ds.had.co.nz/
作者：加勒特·格羅勒蒙德（Garrett Grolemund）和 哈德利·韋翰（Hadley Wickham）
只要是稍稍聽說(shuō)過(guò)R編程的人都將會(huì)接觸到哈德利·韋翰的成果，他在這個(gè)語(yǔ)言的成就是舉世無(wú)雙的 – 關(guān)于他我可以滔滔不絕，怎么極力推薦這本書都不為過(guò)。你將學(xué)會(huì)如何導(dǎo)入不同種類的數(shù)據(jù)進(jìn)R和不同的數(shù)據(jù)結(jié)構(gòu)以及如何轉(zhuǎn)變、可視化與建模你的數(shù)據(jù)。因此，這是一本通過(guò)R編程學(xué)習(xí)數(shù)據(jù)科學(xué)的書，特別好。
《大家來(lái)學(xué)R》
https://www.amazon.in/R-Everyone-Advanced-Analytics-Graphics/dp/9332539243
作者：賈里德·蘭德（Jared P. Lander）
我在聽說(shuō)Python之前就已經(jīng)學(xué)習(xí)R了，因此在我心中，它占據(jù)了一個(gè)特殊的位置，而賈里德·蘭德的《大家來(lái)學(xué)R》在其中起了很大的作用。我從一個(gè)朋友那里得到了這本書，并且很快被它精彩的寫作所吸引了。它聲稱是寫給“大家”的，實(shí)至名歸。如果你沒有技術(shù)和統(tǒng)計(jì)學(xué)背景的話，這是一本很好的書。
《R學(xué)習(xí)書》
https://www.amazon.in/Cookbook-Recipes-Analysis-Statistics-Graphics/dp/9350233797?tag=googinhydr18418-21&tag=googinkenshoo-21&ascsubtag=_k_EAIaIQobChMIqZ3q0uvy3wIV2SMrCh0M3w3nEAYYASABEgJmJ_D_BwE_k_&gclid=EAIaIQobChMIqZ3q0uvy3wIV2SMrCh0M3w3nEAYYASABEgJmJ_D_BwE
作者：保羅·泰托（Paul Teetor）
《R學(xué)習(xí)書》很好地完善了你的數(shù)據(jù)科學(xué)書單，它包含了200多個(gè)切實(shí)可行的小技巧來(lái)幫助你著手用R分析和操作數(shù)據(jù)，每個(gè)技巧都著眼于一個(gè)不同的問題。不管是學(xué)習(xí)新的編程技巧還是刷新你的觀念，這本書適合每個(gè)人，因此，它對(duì)初學(xué)者、中級(jí)和高級(jí)專業(yè)人士有著同樣的意義。
正像前文承諾的一樣，這里有一個(gè)完整的信息圖表，包含了文章中所提及的所有書籍：
原文標(biāo)題：
27?Amazing Data Science Books Every Data Scientist should Read
原文鏈接：
https://www.analyticsvidhya.com/blog/2019/01/27-amazing-data-science-books-every-data-scientist-should-read/
編輯：王菁
校對(duì)：林亦霖
譯者簡(jiǎn)介
季洋，蘇州某IT公司技術(shù)總監(jiān)，從業(yè)20年，現(xiàn)在主要負(fù)責(zé)Java項(xiàng)目的方案和管理工作。對(duì)大數(shù)據(jù)、數(shù)據(jù)挖掘和分析項(xiàng)目躍躍欲試卻苦于沒有機(jī)會(huì)和數(shù)據(jù)。目前正在摸索和學(xué)習(xí)中，也報(bào)了一些線上課程，希望對(duì)數(shù)據(jù)建模的應(yīng)用場(chǎng)景有進(jìn)一步的了解。不能成為巨人，只希望可以站在巨人的肩膀上了解數(shù)據(jù)科學(xué)這個(gè)有趣的世界。
翻譯組招募信息
工作內(nèi)容：需要一顆細(xì)致的心，將選取好的外文文章翻譯成流暢的中文。如果你是數(shù)據(jù)科學(xué)/統(tǒng)計(jì)學(xué)/計(jì)算機(jī)類的留學(xué)生，或在海外從事相關(guān)工作，或?qū)ψ约和庹Z(yǔ)水平有信心的朋友歡迎加入翻譯小組。
你能得到：定期的翻譯培訓(xùn)提高志愿者的翻譯水平，提高對(duì)于數(shù)據(jù)科學(xué)前沿的認(rèn)知，海外的朋友可以和國(guó)內(nèi)技術(shù)應(yīng)用發(fā)展保持聯(lián)系，THU數(shù)據(jù)派產(chǎn)學(xué)研的背景為志愿者帶來(lái)好的發(fā)展機(jī)遇。
其他福利：來(lái)自于名企的數(shù)據(jù)科學(xué)工作者，北大清華以及海外等名校學(xué)生他們都將成為你在翻譯小組的伙伴。
點(diǎn)擊文末“閱讀原文”加入數(shù)據(jù)派團(tuán)隊(duì)~
轉(zhuǎn)載須知
如需轉(zhuǎn)載，請(qǐng)?jiān)陂_篇顯著位置注明作者和出處（轉(zhuǎn)自：數(shù)據(jù)派ID：datapi），并在文章結(jié)尾放置數(shù)據(jù)派醒目二維碼。有原創(chuàng)標(biāo)識(shí)文章，請(qǐng)發(fā)送【文章名稱-待授權(quán)公眾號(hào)名稱及ID】至聯(lián)系郵箱，申請(qǐng)白名單授權(quán)并按要求編輯。
發(fā)布后請(qǐng)將鏈接反饋至聯(lián)系郵箱（見下方）。未經(jīng)許可的轉(zhuǎn)載以及改編者，我們將依法追究其法律責(zé)任。
點(diǎn)擊“閱讀原文”擁抱組織
總結(jié)
以上是生活随笔為你收集整理的独家 | 精彩！这27本书籍，每位数据科学家都应该阅读（附说明图表）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 4米乘以12米CAD图_CAD套图技巧大
- 下一篇： PCNN实践