|
作者：Pranav Dar 翻譯：季洋 校對：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。書籍將知識世界壓縮成幾百頁，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。” —— 村上春樹 靠自己來學(xué)習(xí)數(shù)據(jù)科學(xué)可能是一項非常艱巨的任務(wù)！現(xiàn)在有許多方法來學(xué)習(xí) – 網(wǎng)絡(luò)公開課、研討會、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./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./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？盡管對于這個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本的簡短書單。 將這些書分成不同的領(lǐng)域，以易于你理解。
福利： 在這篇文章底部，你將會發(fā)現(xiàn)一個極好的說明圖表，涵蓋上述提及的每一本書。你可以將它作為一個“待讀”書單，當(dāng)你讀完一本書時，可從單子上將它們一一劃去！你也可以下載這個圖表的一個高分辨率版本，打印出來非常完美，因為它是PDF格式。 好了，讓我們現(xiàn)在就進(jìn)入正題。 這個圖表的一個高分辨率版本：https://discuss./t/download-hd-infographic-27-essential-data-science-books/75604 統(tǒng)計學(xué)書籍《白話統(tǒng)計學(xué)》 https://www./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，因為它就是這么出色！ 《思考統(tǒng)計: 程序員的概率學(xué)和統(tǒng)計學(xué)》 http:///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，你將看到數(shù)據(jù)文件、代碼、解決方案等資料。對于已經(jīng)了解Python基礎(chǔ)知識的人來說，它是特別有用的，因為在這本書中，用來演示實例的正是python語言。 《統(tǒng)計學(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)然是因為它寫的好的緣故。它涵蓋了基礎(chǔ)的統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)技術(shù)，最棒的是，每個觀點(diǎn)都會用R語言的案例分析來說明。一旦你學(xué)會編程，就來回反復(fù)驗證每個觀點(diǎn)，還有什么方法比多次練習(xí)能更好地鞏固一個觀點(diǎn)呢？ 概率學(xué)書籍《概率學(xué)：給熱情的初學(xué)者》 https://www./Probability-Enthusiastic-Beginner-David-Morin/dp/1523318678 作者：大衛(wèi)·莫林（David Morin） 這是一本針對初學(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./~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。你可能會奇怪為什么我一直重復(fù)這一點(diǎn)，這是因為我想強(qiáng)調(diào)：總有一個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，因為它是一本非常詳細(xì)的教科書，但可能不符合一個初學(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)百頁書》 http://www./ 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。還需要我說更多嗎？初學(xué)者也許已經(jīng)成名，因此，每個數(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./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)計學(xué)的背景來理解這些概念。它是我機(jī)器學(xué)習(xí)的第一本書！ 它售價不高，因此它絕對值得加入你們的收藏。 統(tǒng)計學(xué)學(xué)習(xí)要素《統(tǒng)計學(xué)學(xué)習(xí)要素》 https://web./~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./ 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 –無論什么時候你開始深度學(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，還會有誰比他更適合來教這個領(lǐng)域的知識呢？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:///
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，它采用一種實踐的方式來教授基本概念，還從初學(xué)者的視角來看待深度學(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言，因為它是一本解釋神經(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。 自然語言處理（NLP）書籍《用Python自然語言處理》 https://www./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，這樣才能利用NLTK（Natural Language Toolkit自然語言工具）庫在NLP（Natural Language Processing自然語言處理）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，不是一下能說清楚的），但它還是在這一課題上提供一個相當(dāng)不錯的介紹。 《統(tǒng)計學(xué)自然語言處理基礎(chǔ)》 https://www.cs./~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)秀的自然語言處理入門書。它對NLP下廣泛的子課題對非常詳盡的指引，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)和語言的基礎(chǔ)上對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)。 《語音和語言處理》 https://web./~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，自然語言和語音的實際應(yīng)用和科學(xué)評估。我將這本書列入書單是為了開闊我們在文本處理以外的眼界 – 也來看一看語音識別。為什么不呢？每天都有不計其數(shù)的語音識別應(yīng)用出現(xiàn)，可見，它是一個日益繁榮的研究領(lǐng)域。尤拉夫斯基和馬丁合著的這本書是自然語言處理領(lǐng)域和計算機(jī)語言學(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。 計算機(jī)視覺書籍《計算機(jī)視覺：算法和應(yīng)用》 http:///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算機(jī)視覺技術(shù)，尤其是那些用來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·謝利斯基舉例說明所用的例子和方法學(xué)在當(dāng)今還是很實用的。它是一本教科書，詳細(xì)介紹了如何采用科學(xué)方法來解決計算機(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編程計算機(jī)視覺》 http:///
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)制下來的資源庫。這本書是一本真正具有實踐指導(dǎo)意義的計算機(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，正如作者所說的，“當(dāng)你練習(xí)這些用Python編寫的例子時，你將學(xué)會一些技術(shù)如物體識別、3D重建、立體成像、增強(qiáng)現(xiàn)實和其它的計算機(jī)視覺應(yīng)用。” 《計算機(jī)視覺：建模，學(xué)習(xí)，和推理》 http://www./
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，然后非常快地以此切入正題。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)境中還是有價值的。它介紹了70多個算法，而且完美地補(bǔ)充了350多個示例說明。如果你喜歡幻燈片的學(xué)習(xí)方式，那么請點(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./
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多個國家、超過1300個高等學(xué)府在他們的課程中參考或引用了這本書。提到作者是誰，就不會驚訝于書的厚度 – 1100頁，涵蓋了人工智能的方方面面 – 語音識別、自動駕駛、機(jī)器翻譯和計算機(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./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，僅編成區(qū)區(qū)222頁。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，還有一個伴生網(wǎng)站包含了這本書引用的范例和一個包含其代碼的GitHub資源庫。 伴生網(wǎng)站：https://www./aifh/vol1/GitHub資源庫：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)爭的書，是一本討論人工智能現(xiàn)在在哪里以及未來可能帶領(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數(shù)據(jù)推進(jìn)所有知識的唯一一個算法（或“主算法”）嗎？加入佩德羅·多明戈斯的探索來一起找出答案。 Python工具/語言書籍《流暢的Python：清晰、簡練以及高效編程》 https://www./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，你會發(fā)現(xiàn)自己經(jīng)常在數(shù)據(jù)科學(xué)項目中用到這些庫。有足足794頁的長度，這本書真是物有所值。 《Python編程：強(qiáng)大的面向?qū)ο缶幊獭?/strong> https://www./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)教會你所有需要了解的Python知識，那么請再考慮考慮這部書。畢竟，Python是一個龐大的編程語言，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、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》
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言角度來學(xué)習(xí)Python，現(xiàn)在是時候從數(shù)據(jù)科學(xué)的角度來學(xué)習(xí)它了。哪些數(shù)據(jù)科學(xué)庫正被普遍使用，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/語言書籍《數(shù)據(jù)科學(xué)的R編程》 https://r4ds./
作者：加勒特·格羅勒蒙德（Garrett Grolemund）和 哈德利·韋翰（Hadley Wickham） 只要是稍稍聽說過R編程的人都將會接觸到哈德利·韋翰的成果，他在這個語言的成就是舉世無雙的 – 關(guān)于他我可以滔滔不絕，怎么極力推薦這本書都不為過。你將學(xué)會如何導(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R編程學(xué)習(xí)數(shù)據(jù)科學(xué)的書，特別好。 《大家來學(xué)R》 https://www./R-Everyone-Advanced-Analytics-Graphics/dp/9332539243
作者：賈里德·蘭德（Jared P. Lander） 我在聽說Python之前就已經(jīng)學(xué)習(xí)R了，因此在我心中，它占據(jù)了一個特殊的位置，而賈里德·蘭德的《大家來學(xué)R》在其中起了很大的作用。我從一個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，實至名歸。如果你沒有技術(shù)和統(tǒng)計學(xué)背景的話，這是一本很好的書。 《R學(xué)習(xí)書》 https://www./Cookbook-Recipes-Analysis-Statistics-Graphics/dp/9350233797?tag=googinhydr18418-21&tag=googinkenshoo-21&ascsubtag=_k_EAIaIQobChMIqZ3q0uvy3wIV2SMrCh0M3w3nEAYYASABEgJmJ_D_BwE_k_&gclid=EAIaIQobChMIqZ3q0uvy3wIV2SMrCh0M3w3nEAYYASABEgJmJ_D_BwE |
|
|
