【免費自修資源】精選 8 本資料科學經典書單,讓你自學也能變大師

【我們為什麼挑選這篇文章】資料科學已經滲透到各個產業,無論金融、傳統產業、科技業,都相信資料科學家都能透過數據解決問題,也創造了相關工作機會。想透過自學學習資料科學的人,都知道網路上有許多免費資源,然而在資訊爆炸的狀況下往往不知從何處下手,這篇文章便整理了幾本書籍,供 TO 讀者參考。(責任編輯:曾宜婷)

這次,雷鋒網再為大家呈上資料科學領域的相關圖書、教程。仍然是正版免費,仍然是英文原著,部分有中文譯本。

本列表不分先後次序。

█《Foundations of Data Science》

作者:John Hopcroft, Ravindran Kannan

未出版的教學筆記。正在學習資料科學理論課程的童鞋,這本書是一個不錯的補充。

地址:https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/book-No-Solutions-Aug-21-2014.pdf

█《UFLDL Tutorial》

作者:吳恩達, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen

吳老師等史丹佛學者整理的教程, 講解無監督特徵學習和深度學習的主要概念,以及相關演算法的實現和應用。需要基礎機器學習知識。吳老師建議修完他的 Coursera 機器學習公開課再來讀這個。

地址:http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

█《Python Data Science Handbook》

作者:Jake VanderPlas

書如其名,介紹用 Python 進行資料開發的主流工具庫,包括 IPython, NumPy, Pandas, Matplotlib, Scikit-Learn。 O’Reilly Media 出版。

地址:https://github.com/jakevdp/PythonDataScienceHandbook

█《Hands-On Machine Learning and Big Data》

作者:Kareem Alkaseer

這本以牆皮為封面的書,是理解機器學習和大資料基本概念的好去處,包含大量代碼示例。

地址:https://www.gitbook.com/book/kalkaseer/hands-on-ml-and-bigdata/details

█《Think Stats》

作者:Allen B. Downey

 

 針對 Python 開發者的概率論和統計學入門。這本書十分強調用於現實中資料集的簡單實用技巧。O’Reilly 的“Think X”系列,是説明有程式設計基礎的開發者進行跨界學習的不錯資源,程式猿可多關注。該系列基本都有中文譯本,本書名為《統計思維》。

地址:http://greenteapress.com/thinkstats/

█《Think Bayes》

作者: Allen B. Downey

從計算方法角度對貝葉斯統計的入門介紹。同樣是 O’Reilly“Think X”系列(雷鋒網注:感謝下 O’Reilly 的分享精神),同樣對程式師友好:使用 Python 代碼而不是數學,使用 discrete approximations 而非 continuous mathematics。中文譯版名為《貝葉斯思維》。

地址:http://greenteapress.com/wp/think-bayes/

█《Convex Optimization》

作者:Stephen Boyd,Lieven Vandenberghe

如書名,對該領域做了比較全面的綜合介紹。至於如何高效地用算術方面解決這類問題,書中有許多細節。這本書是劍橋大學出版社出版,但在網上免費分享(好吧,劍橋中國史賣那麼貴我就不吐槽了)。中文版《凸優化》可在主流書商買到。

地址:http://stanford.edu/~boyd/cvxbook/

█《Essentials of Metaheuristics》

作者:Sean Luke

作者是教這門課的教授,這是他根據課程編寫的筆記,主要針對本科生、開發者、程式師、或其他需要打基礎的人。作者將這本書免費分享,但他希望大家在其網站上填一份個人資訊表格再下載。

地址:https://cs.gmu.edu/~sean/book/metaheuristics/

延伸閱讀

如何成為好的資料學家?亞馬遜資料科學家的四個建議:把課本丟了,去實做
【21 世紀最性感工作】上完這 24 堂課,你也可以成為資料科學大師
【台灣最美資料科學家】專訪林郁珊: 美國資工學生不只在意分數,更會思考如何學以致用

(本文經合作夥伴雷鋒網授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈免費教材資源第二彈!這回側重資料科學 〉。首圖來源:Pixabay,CC Licensed)


我們正在找夥伴!

2019 年我們的團隊正在大舉擴張,需要你的加入跟我們一起找出台灣創新原動力! 我們正在徵 《採訪社群編輯》、《助理編輯》,詳細職缺與應徵辦法 請點我

點關鍵字看更多相關文章: