|
每个人都有自己的学习方式。书籍对于一个人的吸引力是任何其他学习媒介所不能给予的。不过，关于数据科学的书籍多之又多，从何选择？从何开始？有哪些书适合学习一种特定的技术或者领域？本文列出了按照不同领域划分的27本必读的书籍。 统计学类书籍 1. Statistics in Plain English 作者：Timothy C. Urdan 这本书完全是为小白写的，通俗易懂。写作风格和提供的解释都与书名相对应——Statistics in Plain English。你可以把他们推荐给没有任何技术背景的人。 2. Think Stats: Probability and Statistics for Programmers 作者：Allen B. Downey 你会发现这本书出现在众多数据科学书籍清单里。这本书里的资源很丰富，在这本书里有很多数据文件、代码和解决方案等。对于有Python基础的人来讲，这些都非常实用，这些计算机语言被用于验证真实世界的案例。 3. Introduction to Statistical Learning 作者: Gareth James, Daniela Witten, Trevor Hastie和Robert Tibshirani 这本书非常经典，涵盖了基本的统计学知识和机器学习技术。关于这本书最好的部分是每一个概念都在R语言中用案例进行解释。所以，一旦你掌握编程，你就可以对每一个概念进行检验。还有比多次实践更能检验概念的方法吗？ 概率类书籍 1. Probability: For the Enthusiastic Beginner 作者：David Morin 对于初学者来说，这本书是一个理想的选择。这本书是面向大学生的，所以如果想要学习概率，你绝对会很喜欢这本书的写作方式。这本书涵盖了所有的基本概念——组合学、概率规则、贝叶斯定理、期望值、方差、概率密度、共同分布、大数定律、中心极限定理、相关性和回归。 2. Introduction to Probability 作者：J. Laurie Snell和Charles Miller Grinstead 这本是也是一本入门级别的书，涵盖了基本的概率概念。与上一本书一样，这本书是面向大学生的综合性的书。如果想要从头开始学习概率，这本书就是最好的选择，它面向从未涉及过这个领域的人。 3. An Introduction to Probability Theory and its Applications 作者：William Feller 正如封面所描述的，这本书是关于概率理论的理论和实践应用的指南。如果你想深入了解概率，强烈推荐你读这本书。这本书或许不太适合初学者，因为它的内容非常综合。如果你学习概率只是为了进行到数据科学的领域，那么你可以读推荐的以上两本书。 机器学习类书籍 1. The Hundred-Page Machine Learning Book 作者：Andriy Burkov Andriy Burkov在100多页的内容里将诸多复杂的内容介绍清楚了。这本书写得非常好，通俗易懂，连意见领袖Peter Norvig也对它进行了推荐。无论你是初学者还是已经有基础的人，每一位数据科学家都应该读一读这本书。 2. Machine Learning 作者：Tom Mitchell
在所有宣传之前，Tom Mitchell关于机器学习的书是理解各种技术和算法背后的数学的首选文本。在看这本书之前建议你先学习数学。但是，你不需要人工智能或统计数据的任何背景来理解这些概念。 3. Elements of Statistical Learning 作者：Trevor Hastie, Robert Tibshirani和Jerome Friedman
这本书非常经典，是由Hastie 和Tibsharani写的。它是对Introduction to Statistical Learning一书的承接。虽然这本书有一些重叠，但这本书的内容更加高级，主要是关于机器学习算法、神经网络、矩阵分解、谱聚类等主题的。
深度学习类书籍 1. Deep Learning 作者: Ian Goodfellow, Yoshua Bengio和Aaron Courville
Deep Learning一书被广泛认为是初学者的最佳资源。它分为三个部分：应用数学和机器学习基础，现代实践深度学习框架和深度学习研究。它是迄今为止深度学习社区中被引用最多的书籍。把它放在床边，经常翻阅——无论何时开始深度学习之旅，这本书都值得一读。 2. Deep Learning with Python 作者：Francois Chollet
学习深度学习（或机器学习）的一种非常酷的方法是通过理论进行编程，这就是Francois Chollet在Deep Learning with Python一书中所遵循的方法。概念都是通过流行的Keras库来进行将解释的，Francois是Keras的创造者，所以谁更好地教你这个话题？建议在推特上关注Francois——我们可以向他学习很多东西。 3. Neural Networks and Deep Learning 作者：Michael Nielsen
这是一本免费的在线书籍，旨在了解支持深度学习的核心组件——神经网络。 它提供了一种实用的教学方法，并从初学者的角度审视深度学习主题。你不会在本书中学习任何编程语言——它是一本关于神经网络背后隐含见解的老式教科书。
自然语言处理类书籍 1. Natural Language Processing with Python 作者：Steven Bird, Ewan Klein和Edward Loper
你将获得原本不具备的Python概念，并使用NLTK库（Natural Language Toolkit）浏览自然语言处理的世界。虽然这不是你学习自然语言处理的唯一资源，但它提供了相当不错的主题介绍。 2. Foundations of Statistical Natural Language Processing 作者：Christopher Manning和Hinrich Schutze
这本书出版于大约二十多年前，但内容非常经典。它是自然语言处理子领域的全面指南，如文本分类、词性标注、概率分析以及其他各种事物。作者对数学和语言基础进行了严谨的描述。这本书的内容非常详细。 3. Speech and Language Processing 作者：Daniel Jurafsky和James H. Martin
本书的重点是自然语言和言语范围内的实际应用和科学评价。阅读这本书主要是为了扩展视野，也可以看一下语音识别。这是一个现在蓬勃发展的研究领域，每天都有大量的应用程序出现。Jurafsky和Martin撰写了一本关于自然语言处理和计算语言学的深入研究。
计算机视觉类书籍 1. Computer Vision: Algorithms and Applications 作者：Richard Szeliski
本书介绍了一些常见的计算机视觉技术，尤其是用于分析和解释图像的技术。这本书已经出版了九年，但Richard Szeliski所示的例子和方法也适用于今天。这是一个全面的文本，采用科学的方法来解决基本的视觉挑战。 2. Programming Computer Vision with Python 作者：Jan Erik Solem
在深入研究这本很棒的书之前，请访问网站http:///下载数据集，代码笔记本并复制提到的GitHub存储库。它们是计算机视觉介绍的绝佳伴侣。正如作者所述，“当你运用Python时，你将学习物体识别、三维重建、立体成像、增强现实和其他计算机视觉应用技术。” 3. Computer Vision: Models, Learning, and Inference 作者：Dr. Simon J.D. Prince
本书从头开始向我们介绍概率的概念，并由此拓展。虽然这里介绍的一些框架已经出现了更多高级版本，但本书仍然与当前背景相关。本书已经引入了70多种算法，通过350多个插图进行了精美的补充。
人工智能类书籍 1. Artificial Intelligence: A Modern Approach 作者：Stuart Russell和Peter Norvig
这本书是由Stuart Russell和Peter Norvig所写的。这本书在人工智能学习领域非常有影响力。100多个国家的1300多所大学都将这本书列入其课程中。这本书非常具有深度，有1100多页，涉及到的人工智能领域的内容也很丰富，包括语言识别、自动驾驶、机器翻译、视觉学习等其他内容。这本书可以被视为人工智能领域的圣经。 2. Artificial Intelligence for Humans 作者：Jeff Heaton
人工智能背后有哪些基础算法？这本书在222页的篇幅中探究了很多深度技术。这是关于人工智能背后技术的一系列书籍的第1卷（维度、距离度量、聚类、误差计算、爬山、Nelder Mead和线性回归）。还有一个附带的站点，其中包含书中引用的示例和包含代码的GitHub存储库。 3. The Master Algorithm 作者：Pedro Domingos
如果你想看关于人工智能的技术书籍，这本书就不是最佳选择了。但是，它是关于机器学习如何重塑商业、政治、科学和战争的精辟文本。这是一本深思熟虑且发人深省的书，介绍了人工智能现在的位置，以及它最终可能会在哪些领域取代人类，我们是否会找到能够从数据中驱动所有知识的单一算法（或“主算法”）。
工具和语言类书籍 Python类书籍 1. Fluent Python: Clear, Concise, and Effective Programming 作者：Luciano Ramalho
正如你对编程书籍所期待的那样，这是一本指南，能够帮助你理解Python是如何运作的，如何写出漂亮有效的Python代码。Luciano Ramalho还列举出了很有使用的资源库，在一些数据科学项目中非常实用。这本书有794页，内容非常丰富。 2. Programming Python: Powerful Object-Oriented Programming |
|
|
