2020年必读的10本数据科学书籍

2020年3月24日更新

发布我们的结果后,本文进行了更新 对20多位杰出数据科学家的调查,其中我们询问了他们,​​除其他外,哪些书籍最能帮助他们发展职业。


在过去的几周中,我们询问了不同行业中成功的数据科学家,他们认为哪些书最适合学习和掌握成为数据科学家的必要技能。此列表中选择的书籍来自他们的建议。

数据科学,业务分析和机器学习已成为许多业务领域的关键,而数据科学家行业却一直是技术行业需求最大,报酬最高的行业之一。

本文评论的书都收到了读者的积极反馈,它们涵盖了成功的数据科学家在其职业生涯中必须掌握的广泛技能和方面,包括统计,数据挖掘,机器学习,Python,业务分析, 和更多。

有些书特别适合希望通过学习基础知识而过渡到数据科学职业的人们。其他书籍则面向那些已经在该领域寻求提升能力并促进职业发展的人。

这些书的作者包括来自主要大学的著名数据科学家,研究人员和学者。

专家提示:请同时参阅我们在 最好的人工智能书籍 以及令人振奋的调查结果 2020年将跟随数据科学家 我们问他们哪本书帮助他们的职业发展。

最佳数据科学书籍

目录
  1. 最佳数据科学书籍:快速比较表
  2. 最佳数据科学书籍
    1. 统计学习的要素:数据挖掘,推理和预测 – Editor’s choice
    2. 商业数据科学:您需要了解的有关数据挖掘和数据分析思维的知识 – Runner up
    3. 数据科学家实用统计:50个基本概念 –最好理解统计概念
    4. 《为什么》:因果关系新科学 –最发人深省的
    5. 机器学习:概率视角 –最适合研究人员和专家
    6. 使用Scikit-Learn,Keras和TensorFlow进行动手机器学习 –伟大的获得实用技能
    7. 使用Python进行深度学习 –最好掌握深度学习
    8. 模式识别与机器学习 –最适合理论机器学习
    9. 艰难地学习Python 3:一个非常可怕的计算机和代码世界的简单介绍 –最适合绝对初学者
    10. 深度学习(自适应计算和机器学习系列) –最适合中级和高级学生
  3. 学分

截至2020年的10本最佳数据科学书籍

图片标题价钱*作者
统计学习的要素:数据挖掘,推理和预测$ 42- $ 80
Hastie,Tibshirani,弗里德曼2016
商业数据科学:您需要了解的有关数据挖掘和数据分析思维的知识$8-$33
福西普罗斯特2018
数据科学家实用统计:50个基本概念$ 20- $ 28
P.布鲁斯,A。布鲁斯2019
《为什么》:因果关系新科学$0-$19
犹太珍珠2019
机器学习:概率视角$ 49- $ 104
凯文·P·墨菲2012
使用Scikit-Learn,Keras和TensorFlow进行动手机器学习$ 37- $ 44
AurélienGéron2019
使用Python进行深度学习$0-$40
弗朗索瓦·乔莱特2015
模式识别与机器学习$ 41- $ 80
克里斯托弗·毕晓普2011
艰难地学习Python 3:一个非常可怕的计算机和代码世界的简单介绍$ 17- $ 18
泽德·肖2019
深度学习(自适应计算和机器学习系列)$ 32- $ 63
库维尔,古德费罗,本吉奥2017

*请注意价格可能会波动,我们建议您在亚马逊上查看 获得最准确的价格信息。

最好的数据科学书评

统计学习的要素:数据挖掘,推理和预测– Editor’s choice

这本书被三位杰出人物提到 数据科学家 我们调查了它对他们职业的影响。

这本书非常全面,并且有足够的技术插图来理解机器学习。该书深入探讨了通过数学最常用的学习技术。与市场上的其他产品相比,读者很高兴将其作为参考书。凭借诱人的色彩并且无需过多使用数学理论,这本书就永远不会使读者感到无聊。这本书是为研究生数学家推荐的。甚至没有信息,但读者也对使用的纸张质量和打印质量感到满意。

Robert Tibshirani(作者)以对LASSO方法和微阵列分析的贡献而闻名。他撰写了一些著名的合著著作,其中包括《广义加法模型》,《 Bootstrap入门》和《统计学习的要素》。作者还具有Google学术搜索个人资料。他于1996年获得COPSS总统奖。他撰写了约250篇科学文章。


商业数据科学:您需要了解的有关数据挖掘和数据分析思维的知识– Runner up

这本书曾被 艾恩·布朗博士SAS数据科学主管,SAS是业务分析软件和服务的领先公司。

“购买本书的人对Data Science的介绍感到满意。对于想进入数据科学领域的人来说,这是一本非常有用的书。作者试图将复杂的主题简化为简单的解释,任何人都可以轻松理解。

作者Foster Provost是一位屡获殊荣的研究人员,并与他人共同创立了数家在数据科学和市场营销领域成功的公司,Tom Fawcett是一名博士学位。机器学习领域的持有者。他在R领域拥有20多年的经验&D.与他合作的一些主要公司包括GTE实验室,NYNEX / Verizon Labs和HP Labs。他出版了几本与数据科学相关的书,许多人都在阅读。”


数据科学家实用统计:50个基本概念–最好理解统计概念

这本书是我们在调查中提到的 阿德蒙·李(Admond Lee),数据科学家,演讲者和作家。

“本书对与数据科学相关的核心概念进行了体面的回顾,对自举进行了更好的讨论,处理非常规数据的好主意。读者对本书中的解释感到满意,并对信息的呈现方式感到满意。尽管这本书不是为在该领域寻求深厚知识的人而设计的,但它无疑可以帮助您达到更高的水平,并帮助您清楚地理解基本概念。

作者Peter Bruce(Statistics.com统计教育研究所创始人)通过他的网站提供了大约100门统计学课程,Andrew Bruce在学术界拥有超过30年的统计学和数据科学经验。安德鲁·布鲁斯(Andrew Bruce)为各种行业和公司所面临的问题开发了统计解决方案。

总体而言,这本书的信息质量很高,深受读者喜爱。”


《为什么》:因果关系新科学–最发人深省的

这本书是我们在调查中提到的 Manu Carricano,ESADE商学院数据驱动决策研究所所长。

读者对作者在两个原因之间建立联系的方式感到满意,这是任何人都容易理解的。该书还包含医疗领域和其他学科的示例。这本书为普通大众很好地介绍了因果推论。对人工智能的引用确实很有趣,并且使读者难以忘怀。

犹太珍珠,作者(加州大学洛杉矶分校计算机科学教授)以人工智能,因果关系,贝叶斯网络等作品而著称。他曾就读于纽约大学Tandon工程学院,并因在人工智能领域的杰出贡献而获得了图灵奖等多个奖项,该奖是计算机科学协会计算机科学领域的最高荣誉。总体而言,这本书真的很有趣,对于那些有兴趣了解伤亡新情况的人们,强烈建议使用这本书。


机器学习:概率视角–最适合研究人员和专家

这本书是我们在调查中提到的 加纳·波格里布纳(Ganna Pogrebna)艾伦·图灵研究所行为数据科学负责人。

读者对书中印刷的信息质量感到满意。有了更好的图片和很好的解释,这本书对于拥有机器学习基础知识的任何人都是最佳参考。读者也对本书中提供的统计信息感到满意,这对于理解机器学习是必不可少的。该书在英国计算机学会,戴维·布莱(Princeton University)和其他几家公司中获得了良好的反响。作家凯文·帕特里克(Kevin Patrick)是一位经验丰富的作家,他在该领域具有深厚的知识,并获得了麻省理工学院的UC Berkeley博士学位,麻省理工学院的博士后学位,并曾在Google担任研究科学家。他在几本期刊上发表了50多篇文章。尽管本书无法为完整的初学者提供多方面的信息,但它们具有良好的图片和更好的统计信息,但本书无疑可以为人们学习机器学习提供参考。


使用Scikit-Learn,Keras和TensorFlow进行动手机器学习–伟大的获得实用技能

买书的人对书中包含的信息感到非常满意。与上一版相比,本书提供了更多信息,对读者有很大帮助。略带幽默感,客户在阅读时不会感到无聊。这本书对学习和做事都有很大帮助。客户认为作者在机器学习领域有丰富的经验,因此对这个话题有很好的把握。对于所有读者而言,由于使用了多种颜色和易于理解的语言,因此与市场上的其他书籍相比,这本书脱颖而出。作者还在Twitter(11.9k +)上拥有相当数量的关注者,并领导了YouTube视频分类团队长达3年之久。有了有关该主题的详细说明,客户认为本书可以为任何人(无论是机器学习领域的初学者还是专家)提供帮助。


使用Python进行深度学习–最好掌握深度学习

读者对书中给出的解释感到满意,并且作者对其内容进行了补充,使其变得更加有趣和易于理解。这本书可以帮助任何对深度学习感兴趣的人,无论他是学生,软件开发人员还是教师,都可以帮助他们从头开始学习,并帮助他们扩展有关Python的知识。作者试图防止数学符号,并通过代码段解释了定量概念。

作者FrançoisChollet在Google从事深度学习,并以创建Keras深度学习库和TensorFlow机器学习框架的贡献而闻名。作者一直从事深度学习研究,其著作已在该领域的主要会议上发表,包括计算机视觉和模式识别会议(CVPR),神经信息处理系统会议和研讨会(NIPS),国际会议学习代表会议(ICLR)等。


模式识别与机器学习–最适合理论机器学习

根据读者’看来,这本书写得很好。本书具有令人难以置信的清晰度和最佳图表,井井有条。这本书具有出色的舞台设置,因此可以帮助读者在阅读的同时保持正轨,而不会错过任何重要的主题。尽管这本书可能第一次没有完全阐明,但是具有线性代数,概率,微积分和一些统计知识的基本知识的人可以轻松获得这本书的内容。读者也很高兴它没有’包含大量的数学演示,这使其在市场上与众不同。

克里斯托弗·迈克尔·毕晓普(Christopher Michael Bishop)的作者以其模式识别和机器学习(PRML)着称,于2009年获得Tam Dalyell奖,并于2011年获得皇家工程学院的鲁克奖章。他还是微软研究院剑桥的实验室主任以及爱丁堡大学计算机科学教授。


艰难地学习Python 3:一个非常可怕的计算机和代码世界的简单介绍–最适合绝对初学者

读者喜欢书中给出的简单解释方式。甚至以最简单易懂的方式解释了该主题的最复杂概念,使读者始终与书保持着联系。本书结构合理,适合初学者使用。但是,即使是经验丰富的程序员也对这本书表达了自己的好意见。这本书对Python进行了简单明了的介绍,没有无用的故事,使读者感到高兴。没有太多令人困惑的代码,它具有直接的信息,与其他代码相比,它显得突出。

作者Zed Shaw是一位多才多艺的人,在编程领域拥有丰富的经验。他设计的软件已在许多大型和小型公司中使用。他写了许多流行的文章。


深度学习(自适应计算和机器学习系列)–最适合中级和高级学生

读者对简单的数学插图感到满意,而没有太多不必要的细节。简介非常好,对计算机的历史进行了很好的回顾。它涵盖了深度学习的最新领域,可让用户及时了解主题。该书最适合对研究水平对深度学习感兴趣但对初学者没有太多建议的人,但它无疑可以提供很好的参考。

本书的作者是Ian Goodfellow(在Twitter上拥有175K粉丝的Google研究科学家),Yoshua Bengio(蒙特利尔大学的计算机科学教授),Aaron Courville(蒙特利尔大学的计算机科学助理教授)。它们全都在互联网上流行并且经验丰富,并且在机器学习领域具有丰富的知识。在所有这些专家的共同努力下,这本书真正脱颖而出,被读者称为《深度学习理论圣经》。


学分

对于在确定数据科学领域的最佳读物方面做出的特殊贡献,我们尤其要感谢:

Kaushal Paneri,Bing Ads的数据科学家
安德烈(Andrea Mezzalira),亚马逊研究数据科学家
费利佩·杜考,Sophos的数据科学家和机器学习研究员

的使命 AI时间杂志 是泄露信息
和关于人工智能的知识,
的到来和使用AI技术的新机会
造福人类。

关于AI Time Journal编辑人员

的使命 AI时间杂志 是泄露信息 和关于人工智能的知识, 的到来和使用AI技术的新机会 benefit humanity.

查看AI Time Journal编辑人员的所有帖子→