10 本大資料高分書籍，收好給頭腦充充電吧~

大資料v發表於2018-03-20

大資料

640?wx_fmt=gif&wxfrom=5&wx_lazy=1

640?wx_fmt=png&wxfrom=5&wx_lazy=1

導語：機器學習和資料分析密不可分，除了網課，我相信一些優質圖書肯定能幫到你的忙，今天推薦10本技術圖書，都是非常實用且有幫助的，多讀讀多看看，肯定獲益匪淺。

機器學習和資料分析是一對複雜且相互關聯的概念。為了跟上潮流，你需要做足準備，花時間研究並且更新知識。即使日復一日地在這個行業工作，仍然有可能落後於當前的趨勢。

為了不落人後，最好的方式是繼續重新整理自己的知識，同時保持上手的經驗。在這行業中要取得成功，需要完美的專案經驗和技能組合。儘管網上有大量的資源，我們仍要專門推薦一些好的實體書籍。

1. 《Machine Learning Yearning》 by 吳恩達

640?wx_fmt=jpeg

由現代資料，大資料和資料科學開發並生產出的機器學習系統已經不是什麼祕密。雖然它們不一定是同義詞，但卻是互相關聯的，因此如果你在資料行業工作，那麼提高對機器學習的理解和認識是個不錯的想法。

從本書中你可以學到一些洞察能力，例如你應該多長時間收集一次訓練資料集，如何使用端到端的深度學習，以及如何利用你正在建立的系統來共享資料和統計資訊。

2. 《Hadoop：權威指南》 by Tom White

640?wx_fmt=jpeg

Apache Hadoop是用於處理和管理大量資料的主要框架。任何從事程式設計或資料科學工作的人都有必要熟悉這個平臺。事實上，這是開發可擴充套件系統最有效的方法之一。

身為Hadoop顧問和Apache軟體基金會成員的Tom White寫了這本標準指南，其中包羅作者的個人見解和一些有用的資源。更重要的是，它將引導你完成Hadoop的設定並且過一遍整體流程。

Apache Spark是你可能需要花時間學習的另一個重要平臺。

3.《預測分析》 by Eric Siegel

640?wx_fmt=jpeg

本書詳細解釋瞭如何獲取多種形式的資料和資訊，並將其轉化為可實施的預測或見解的方法。本書的核心目的是幫助專業人員更好地瞭解他們的受眾。你將學會如何識別他們購買的產品和服務，訪問的地點，與他們產生共鳴的內容等等。

眾所周知，資料科學家的工作是檢視未經過濾的原始資料，並發現可用的趨勢和模式。本書不僅可以幫助你做到這一點，而且還提出必要的預測演算法來改進未來的操作和流程。本書可以算是預測分析的聖經。

4. 《用資料講故事》 by Kole Nussbaumer Knaflic

640?wx_fmt=jpeg

《用資料講故事：商業專業人士的資料視覺化指南》是業內的重要讀物，甚至對與商業不怎麼相關的人士也極為重要。為什麼呢？

簡而言之，本書涉及大量資料的管理和提取工作。其中包含：去除過多且不明確的資料，改進資料收集流程，併產出相關且實際的資料視覺化結果。

這是一本權威指南，旨在幫助你瞭解應該如何處理收集到所有有用的資料，以及如何實際去做的方式。許多見解適用於科技產業，但對於非科技領域的專業人員同樣適用。

5. 《大拐點》 by Scott Stawski

640?wx_fmt=jpeg

本書對於瞭解當前資料分析和雲端計算行業的發展勢頭十分有幫助。特別值得注意的是，Stawski主要關注原始資料儲存和挖掘系統、如何部署以及在現實世界中的使用情況。

它不僅是一個理論指南，還揭示了實際的工作系統，並且提到如何把相應模式套用到你的企業或公司。更重要的一點是，你可以從本書中清楚瞭解如何在組織內部署這些工具和平臺。

6. 《統計學習導論·基於R應用》 by Gareth James等人

640?wx_fmt=jpeg

統計學習和相關的方法是資料科學工作所必需的概念。這本教科書旨在幫助每個人——從本科到博士，瞭解這些統計概念。

當然，它也提供了一些很好的R-lab與練習，其中有詳細的解釋和攻略。你可以在學習階段直接用它來練習資料科學。他還能在你的日常應用中作為工具書反覆查閱。

7. 《商業中的資料分析》 by Foster Provost, Tom Fawcett

640?wx_fmt=jpeg

本書由著名資料科學專家Foster Provost和Tom Fawcett撰寫，介紹了資料科學的基本原理，讓你從收集的資料中提取有用的知識和業務價值所需的“資料分析思維”，並可幫助你瞭解當今使用的許多資料探勘技術。

這本書有趣的地方，是會特別標記出較困難的技術部分，並深入淺出的介紹資料探勘中的重要的幾個概念：分類，聚類和迴歸。更重要的是書中包含了這些概念在商務上的的直接應用。

8. 《資料科學實戰》 by Cathy O'Neil, Rachel Schutt

640?wx_fmt=jpeg

這本以哥倫比亞大學的資料科學入門課為基礎，包含了Google，Microsoft和eBay等公司的資料科學家的經驗，通過介紹案例研究和他們使用的程式碼的經歷，分享了新的演算法，方法和模型。

如果你熟悉線性代數，概率和統計，並具有程式設計經驗，本書是你對資料科學的理想介紹。主題包括：統計推斷、探索性資料分析和資料科學過程演算法、垃圾郵件過濾器、樸素貝葉斯和資料處理邏輯迴歸、財務建模、推薦引擎和因果關係資料視覺化、社交網路和資料新聞、資料工程、MapReduce。

9. 《Show Me the Numbers》 by Stephen Few

640?wx_fmt=jpeg

在BI產業有30多年的經驗之後，Stephen Few並不針對哪一種視覺化工具進行鑽研，而是從更高層次的去討論，什麼圖形該怎麼使用，來傳達什麼樣的訊息是最有效的，以及資料分析產業的發展與趨勢。

這本書中，他介紹了視覺化的起源和背後的應用，為讀者提供實際的設計指導，針對不同資料使用者的不同使用場景給出建議，在一些現在流行卻有潛在問題的視覺化設計上做出改進。

10. 《精益資料分析》 by Alistair Croll / Benjamin Yoskovitz

640?wx_fmt=jpeg 本書延續了新創企業文化中MVP(Most Valuable Product)概念和商業畫布架構，展示瞭如何利用資料的方式，分析六個產業中（電子商務、SaaS、免費移動應用、媒體網站、使用者生成內容與雙邊市場）的資料，驗證創業者自己的設想、找到真正的客戶、打造能賺錢的產品，以及提升企業知名度。