10个数据科学书籍在2020年阅读

2020年3月24日更新

在发布我们的结果后,本文已更新 对20多个突出数据科学家的调查,我们在其他事情中向他们询问了他们,​​在他们的职业生涯中帮助他们增长了最多的书籍。


在过去几周里,我们向不同行业的成功数据科学家们要求他们认为是最好学习和掌握成为数据科学家的必要技能的书籍。在此列表中选择的书籍来自于他们的建议。

数据科学,业务分析和机器学习对业务的众多方面至关重要,而数据科学家专业则保持飙升,作为技术产业中最具需求和良好的支付之一。

本文审查的书籍已从读者那里得到了积极的反馈,他们涵盖了一系列成功的数据科学家在其职业生涯中掌握了各种技能和方面,包括统计数据,数据挖掘,机器学习,Python,业务分析, 和更多。

一些书籍特别适合通过学习基本面来转变为数据科学生涯的人。其他书籍适合那些已经在该领域的人旨在升级他们的能力并推进他们的职业生涯。

本书的作者包括来自主要大学的着名数据科学家,研究人员和学者。

专业提示:另外退房我们的文章 最好的人工智能书籍 和调查结果激动人心 数据科学家在2020年遵循 在那里我们问他们哪些书帮助他们在职业生涯中增长。

最佳数据科学书籍

目录
  1. 最佳数据科学书籍:快速比较图表
  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. Business Data Science:您需要了解数据挖掘和数据分析思维 – Runner up
    3. 数据科学家的实用统计:50个基本概念 –最好了解统计概念
    4. 这本书为什么:原因和效果的新科学 –大多数思想挑衅
    5. 机器学习:概率的观点 –最适合研究人员和专家
    6. 用巩膜学习,keras和tensorflow学习的实践机器 –很高兴获得实证技能
    7. 与Python深入学习 –最好把握深深的学习
    8. 模式识别和机器学习 –最适合理论机器学习
    9. 学习Python 3的艰难方式:对恐怖美丽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个最佳数据科学书籍

图片标题价格*作者
统计学习的要素:数据挖掘,推理和预测$ 42- $ 80
弗里德曼·蒂瓦兰尼·斯蒂西2016
Business Data Science:您需要了解数据挖掘和数据分析思维$8-$33
Provost,Fawcett.2018
数据科学家的实用统计:50个基本概念$ 20- 28美元
P. Bruce,A. Bruce2019
这本书为什么:原因和效果的新科学$0-$19
犹太珍珠2019
机器学习:概率的观点$ 49- $ 104
凯文克莫利2012
用巩膜学习,keras和tensorflow学习的实践机器37-44美元
AurélienGéron.2019
与Python深入学习$0-$40
弗朗索瓦Chollet.2015
模式识别和机器学习41-80美元
克里斯托弗主教2011
学习Python 3的艰难方式:对恐怖美丽的计算机和代码世界的简单介绍17-18美元
Zed Shaw.2019
深度学习(自适应计算和机器学习系列)$ 32- $ 63
古希维尔,Gengio 2017

*请注意,价格可能会波动,我们建议您查看亚马逊 对于最准确的定价信息。

评论最好的数据科学书籍

统计学习的要素:数据挖掘,推理和预测– Editor’s choice

这本书是由三个突出的 数据科学家 我们为其职业生涯的影响调查了。

这本书非常全面,拥有足够的技术插图来了解机器学习。本书通过数学深入了解最常用的学习技术。与市场上的其他人相比,读者很乐意将其作为参考书。凭借有吸引力的颜色,没有使用太多的数学理论,这本书永远不会让读者感到无聊。这本书是针对研究生数学家建议的。甚至不是这些信息,但读者也对所使用的纸张质量和印刷的质量感到高兴。

Robert Tibshirani(作者)众所周知,他为卢索方法和微阵列分析的贡献而闻名。广义添加剂模型,引导自动启动,统计学习的元素是他的一些众所周知的共同撰写的书籍。作者还有谷歌学者个人资料。他于1996年收到了警察总统奖。他曾颁发过约250条科学文章。


Business Data Science:您需要了解数据挖掘和数据分析思维– Runner up

这本书是提到的 Iain Brown博士SAS,商业分析软件和服务的领先公司数据科学负责人。

“购买本书的人对数据科学的介绍感到满意。对于想要进入数据科学的人来说,这是一个非常有用的书。作者试图将复杂的主题简化为简单的解释,这可以很容易地被任何人理解。

作者福斯特普罗斯特是一名获奖的研究员,并共同创立了几家成功的公司,在数据科学和营销领域,汤姆福特是博士学位。持有人在机器学习领域。他在r领域拥有超过20年的经验&D.他使用的一些主要公司包括GTE Laboratories,Nynex / Verizon Labs和HP实验室。他发表了几本与数据科学相关的书籍,这些书被许多人读到了。”


数据科学家的实用统计:50个基本概念–最好了解统计概念

本书在我们的调查期间提到了 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具有体面的审查,更好地讨论自动启动,良好的思想与处理非正常数据。读者对本书中给出的解释感到满意,并且对信息的方式感到满意。虽然这本书并非为正在寻求在这一领域的深层知识的人设计的,但这绝对可以帮助达到更高水平的指导,并有助于清楚地了解基本概念。

作者Peter Bruce(统计数据研究所的创始人)通过他的网站和Andrew布鲁斯提供大约100个统计课程,并在学术界拥有超过30年的统计数据科学经验。安德鲁布鲁斯开发了各行业和公司面临的问题的统计解决方案。

总的来说,这本书具有非常好的信息质量,并被读者所爱。”


这本书为什么:原因和效果的新科学–大多数思想挑衅

本书在我们的调查期间提到了 MANU Carricano.,数据驱动决策总监,eSade商学院。

读者对作者建立两个原因之间的关系的方式感到满意,这是任何人容易理解的。这本书还含有医学领域和其他学科的例子。这本书对公众的因果推断具有非常好的介绍。对人工智能作出的参考资料非常有趣,让读者困扰着这本书。

犹太珍珠,作者(UCLA计算机科学教授)以他的作品为像人工智能,因果关系,贝叶斯网络。他研究了纽约大学Tandon工程学院,并获得了几个奖项,如图灵奖,计算机科学的最高区别来自计算机械与人工智能领域的重大贡献。总的来说,这本书真的很有趣,对有兴趣了解伤亡人口新发展的人来说非常有趣。


机器学习:概率的观点–最适合研究人员和专家

本书在我们的调查期间提到了 ganna pogrebna.,行为数据科学负责人,艾伦图灵研究所。

读者对书中印刷的信息质量感到高兴。通过更好的图片和良好的解释,本书为任何具有机器学习知识的人的最佳参考。读者对本书中提供的统计信息也满意,这是理解机器学习所必需的。这本书从英国电脑社会,大卫·布莱(普林斯顿大学)和其他几个人有一个很好的回应。作者Kevin Patrick是一位经验丰富的作家,该作家在该领域拥有深刻的知识,他的博士学位从MIT的博士后,并曾在谷歌担任研究科学家。他在几个期刊上发表了超过50篇文章。虽然这本书不能作为完整初学者的一个来源,但是很好的图片和更好的统计信息,这本书肯定可以帮助人们学习机器学习的参考。


用巩膜学习,keras和tensorflow学习的实践机器–很高兴获得实证技能

购买这本书的人对本书中的信息非常满意。与以前版本相比的更多信息,本书对读者提供了很多帮助。略有幽默,客户从来没有在阅读时感到厌倦。这本书有助于学习和做。客户觉得作者在机器学习领域具有良好的体验,因此对该主题进行了良好的抓地力。随着各种颜色和易于理解所有读者的语言,与市场上的其他人相比,本书脱颖而出。作者还在推特上有一个体面的追随者(11.9k +),并领导了YouTube视频分类团队3年。对于有关主题的详细说明,客户认为本书可以帮助任何人在机器学习领域是初学者或专家。


与Python深入学习–最好把握深深的学习

读者对本书中给出的解释很满意,而作者也会增加他的观点,使其成为更有趣,并且容易理解。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,软件开发人员还是老师,这可以帮助他们从划伤中学习并帮助他们扩大关于Python的知识。作者试图防止数学符号,并通过代码片段解释了定量概念。

作者FrançoisChollet在谷歌的深度学习中工作,以创建克拉斯深度学习图书馆和Tensorflow机器学习框架的贡献者而闻名。作者始终进入深受学习的研究,他的作品已在该领域的主要会议上发表,包括计算机愿景和模式识别(CVPR),大会和神经信息处理系统(NIPS)的会议和研讨会,国际学习陈述(ICLR)和其他人会议。


模式识别和机器学习–最适合理论机器学习

基于读者’看来,很明显这本书写得很好。令人难以置信的清晰度和最佳图表,这本书组织很好。这本书具有出色的舞台设置,从而帮助读者在阅读时留在轨道上,而不会遗漏任何重要主题。虽然这本书第一次可能没有完全清晰,但一个人具有基本知识的线性代数,概率,微积分,以及一些统计数据可以轻松获取书籍的内容。读者也很高兴它没有’T包含大量的数学示范,使其成为市场上的其他数学。

作者Christopher Michael主教在他的工作模式识别和机器学习(PRML)中,已被授予2009年的TAM Dalyell奖,2011年皇家工程学院的漫游奖牌。他也是Microsoft Research Cambridge的实验室主任爱丁堡大学计算机科学教授。


学习Python 3的艰难方式:对恐怖美丽的计算机和代码世界的简单介绍–最适合绝对初学者

读者喜欢书籍中给出的简单解释方式。即使是这个话题的最复杂的概念也是一种简单易懂的方式,使读者粘在书籍中。这本书结构良好,它的目标是完整的初学者。但即使经验丰富的程序员也表达了对这本书的良好意见。这本书给Python直接介绍了没有无用的故事,使读者开心。没有许多令人困惑的代码,它具有直接的信息,使其在与他人相比时脱颖而出。

ZED Shaw,作者是一个多目标,在编程领域拥有丰富的经验。他设计的软件在许多大型和小型公司中使用。他写了很多流行的论文。


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,没有太多不必要的细节。介绍真的很好,并且有一个很好的计算机历史。它涵盖了深入学习的最新领域,使用户能够与用户保持最新主题。这本书最适合在研究水平对深层学习感兴趣的人,而不是为初学者建议的人,但它肯定可以帮助良好的参考。

本书的作者是Ian Goodflow(谷歌研究科学家,Twitter上有175k +粉丝),Yoshua Bengio(计算机科学教授)Aaron Courville(Universitédemontréal)计算机科学助理教授。所有这些都在互联网上很受欢迎,经验丰富,在机器学习领域具有很大的知识。随着所有这些专家的综合努力,本书真的脱颖而出,被读者称为深度学习的理论圣经。


学分

为了他们的特殊贡献,在确定数据科学领域的最佳读数,我们尤其想谢谢:

kaushal paneri.,Bing广告的数据科学家
和rea mezzalira,亚马逊的研究数据科学家
Felipe Ducau.,索菲斯的数据科学家和机器学习研究员

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→