怎樣

選書 選擇一本合適

的數據科學書至關重要，一本不適合

的書會糜費

你的時間以及肉體

。 有時分

，書的大綱可能正合你意。但是隨著你深化

閱讀時，可能會發現作者只觸及了表面

，并不夠深化

。這種狀況

之前也發在我的身上，我寫這篇文章就是為了讓你避免

這種狀況

。 當我們選擇數據科學相關書籍時，能夠

考錄一下幾點： · 看作者的個人簡介：能夠

輔佐

了解

作者的背景，他的研討

和主要興味

，同時也展示

了本書的一些細節。但也要給新的作者機遇

，不要把這一點作為關鍵。 · 認真

閱讀序文

：大部分

圖書在網上都能免費閱讀其序文

部分

。請認真

閱讀該部分

。大多數狀況

下，在此部分

作者不只

會引見

寫書背景，也會論述

各章節的細節。 · 選擇有獨立章節的書：這是我的個人喜好

，比較

一本技術型的書不是小說。固然

從書中由易到難、逐步

學習很重要，但選擇一本或多或少帶有獨立章節的書能讓你結構

性的把握此書。 · 去書店逛逛：固然

往常

能夠

在網上找到一切

的東西，但是在書店能夠

給你更直觀的感受。有時分

，當閱讀

一本書的關鍵章節時，我可能會改動

主見

，去選擇另一本書。 · 閱讀在線評論：第一

不要置信

一切

評論，畢竟評論是客觀

的，但在線評論能夠

了解

人們對此書的普遍見地

。我們常說：不要以一本書的封面來判別

其好壞。亞馬遜的評論值得參考，人們會對作者做出有見地的評論和批判

。

感興味

的書籍 數據科學有很多好書，在本文末尾，我列出了39本我所讀過的

細致

的回想 一次回想

一堆書是一個艱巨的任務。將一切

這些書放在一同

的緣由

是，我以為

概念和理論上有一些堆疊

的部分

，其中最具應戰

是大部分

時間它們都是以不同的詞匯呈現和論述

的。以下是我列出的，在閱讀數據科學書之前值得一看的理想書籍清單。記住，你永遠不會從一本書中取得

足夠的學問

，由于

科學范疇

是十分

復雜的，一本書是遠遠不夠的。 在下文中，我依據

每個規范

選擇了這些書籍中的前5名。

書籍長度（頁數） 一本書的長度的確

取決于所討論

的內容。固然

這不是對質量的權衡

規范

，但我們能夠

假定

你閱讀的內容越多，所取得

的學問

就越多。以下是我依據

書籍中討論

的內容多少排名前5名的書籍。

The Elements of Statistical Learning Trevor Hastie and Robert Tibshirani Python in a Nutshell: A Desktop Quick Reference? Alex Martelli, Anna Ravenscroft, Steve Holden Data Structures and Algorithms in Python Michael T. Goodrich and Roberto Tamassia Doing Data Science Cathy O’Neil and Rachel Schu Python Machine Learning Sebastian Raschka

寫作作風 對科學范疇

中止

論述

很有應戰

性，不能讓每個人都稱心

，這取決于目的

受眾。有些作者有這方面的天賦，能夠

以簡單明了的方式傳達復雜的概念。同樣，經過

巧妙的結構

和良好的學習方式解釋概念，有助于學習。以下是寫作作風

方面前5名的書籍。

The Elements of Statistical Learning Trevor Hastie and Robert Tibshirani Python Machine Learning Sebastian Raschka The Art of Data Science Roger D. Peng, Elizabeth Matsui Machine Learning: The Art and Science of Algorithms that Make Sense of Data Peter Flach Real World Machine Learning Henrik Brink and Joseph Richards

結構 教授數據科學并非易事，但也沒有那么難，我們只需了解

應怎樣

構建內容，從而確保信息被保管

。關于這點有兩個主要的辦法

。我們能夠

構建獨立的模塊，當中的內容能夠

不具備相關性，但還是屬于數據科學剖析

流程的內容。單獨論述

這些概念不需依照

次第

。 另一方面，人們能夠

經過

以難度遞增的次第

來構建內容，就像大多數教學書籍中一樣。例如關于回歸，書中以最基本

方式

的回歸開端

，并加以越來越多的變化和最復雜方式

的回歸。以下是結構

性排名前五的書籍。

The Elements of Statistical Learning Trevor Hastie and Robert Tibshirani Python Machine Learning Sebastian Raschka Modern Python CookBook Steven F. Lo Docker in Practice Ian Miell and Aidan Hobson Sayers Ensemble Methods: Foundations and Algorithms Zhi-Hua Zhou

內容 怎樣就算太過了？從哪兒開端

記敘？應該觸及

什么內容，跳過什么內容？這些都是寫數據科學相關書籍是會遇到的問題。一些作者會選擇涵蓋一個十分

細致

的范疇

，當查看這些作者的學術資料

時，我們看到他們的研討

與著作之間的聯絡

。大多數時分

，這些作者寫的不是普通

的數據科學書籍，而是他們的研討

的一部分

。他們的目的

受眾也比較

狹窄。另一方面，一些作者針對數據科學教學，關注的是基本

的和全局的部分

，而不是細節。這類書籍常常觸及

運用

R言語

或Python的回歸，分類，以及運用

模塊中止

數據剖析等等。 經過

封面判別

一本書？大多數人都說不要這么做。但我不認同這點。我們會用封面來判別

一本書的好壞嗎？我們需求

、且必需

這么做。當然，這里說的不是這本書的外部封面，而是在序文

中能夠

看到的，書第一部的引見

性段落。在這部分

，作者大部分

都細致

引見

了本書各個章節的細節。有時，作者會偏離他們最初對書籍的想象

。這是正常的，這個范疇

正在快速發現，觀念

也是如此。但是一本好書總能夠

遵照

其最初的想象

。

解釋的深度 作者在解釋時會深化

到哪個水平

？我以為

這與我在這篇文章中提到的很多觀念

有關。這與內容，結構

和長度之間存在關聯性。解釋的深度能夠

辨別

好的作者，作者傳達的信息中包含的內容，關系到你能夠

吸收學問

，特別是那種會在大腦中留存很長時間的學問

。因而

，作者的技藝

在這占很重要的角色。由于

他們必需

控制

內容背后的錯誤

，這使得他們在解釋問題時能夠

深化

，同時避免

讀者脫離本書的大框架。

代碼解釋 代碼很重要，但不是必需的。假定

這本書的主要目的是為了解

釋特定的辦法

，算法和辦法

在后臺怎樣

工作，那么最好的辦法

是從頭開端

重新完成

一個算法。固然

很多人會說：“為什么要這么省事

，我們有對應的模塊啊”，那么我只能倡議

他們換一本書，由于

他們選錯書了。重新完成

的過程，能夠

讓你感遭到

為了優化庫的可擴展性所投入的肉體

。依據

上下文，一些書只是為了教會你怎樣

運用

特定的庫和包，這種書大多時分

被稱為cookbook，這類書作者會依賴筆記（分享在GitHub或其他版本控制平臺用于對他們的書中止

補充）。經過

作者，你會發現足夠的代碼能夠

經過

解釋一些聯絡

，從而輔佐

你控制

特定的主題。

The Elements of Statistical Learning Trevor Hastie and Robert Tibshirani Python Machine Learning Sebastian Raschka Modern Python?CookBook Steven F. Lo Docker in Practice Ian Miell and Aidan Hobson Sayers Ensemble Methods: Foundations and Algorithms Zhi-Hua Zhou

結語 這是一個十分

客觀

的分類，假定

你有不同的見地

，歡送

給我留言。

附：39本數據科學相關舉薦

書籍 Doing Data Science? s s s Cathy O’Neil and Rachel Schu Docker in Action Jeff Nickoloff The Art Of R Programming? Norman Matloff Introducing Data Science s s ? Davy Cielen and Arno Meysman Learning Predictive Analytics with Python Ashish Kumar Data Structures and Algorithms in Python Michael T. Goodrich and Roberto Tamassia Amazon Web Services in Action Andreas Wiig and Michael Wiig Spark for Python Developers Amit Nandi Machine Learning : A probaBIlistic perspective Kevin P. Murphy Real World Machine Learning Henrik Brink and Joseph Richards iPython Interactive Computing and Visualization Cookbook Cyrille Rossant Mastering Machine Learning with scikit-learn Gavin Hackeling Python Data Science Cookbook Gopi?Subramanian Building Machine Learning Systems with Python Willi Richert and Luis Pedro Coelho Hadoop The Definitive Guide Tom White Statistical Learning with Sparsity Trevor Hastie and Robert Tibshirani The Elements of Statistical Learning Trevor Hastie and Robert Tibshirani Fluent Python Luciano Ramalho Thoughtful Machine Learning Mahew Kirk Machine Learning with R Cookbook Yu-Wei, Chiu (David Chiu) Docker in Practice Ian Miell and Aidan Hobson Sayers Data Science and BIg Data Analytics EMC Education Services Mastering Object-Oriented Python Steven F. Lo Machine Learning with Spark Nick Pentreath Machine Learning for Hackers Drew Conway and John Myles White Data Science for Business Foster Provost and Tom Fawce Developing Analytic Talent Vincent Granville Think Python : How to Think Like a Computer Scientist Allen B. Downey Python Algorithms Magnus Lie Hetland Python Cookbook David Beazley and Brian K. Jones Testing Python David Sale Programming Collective Intelligence Toby Segaran Data Analysis with open source tools Philipp K. Janert Python in a Nutshell: A Desktop Quick Reference Alex Martelli, Anna Ravenscroft, Steve Holden Python Machine Learning Sebastian Raschka The Art of Data Science Roger D. Peng, Elizabeth Matsui Machine Learning: The Art and Science of Algorithms that Make Sense of Data Peter Flach Modern Python CookBook Steven F. Lo Ensemble Methods: Foundations and Algorithms Zhi-Hua Zhou 原文鏈接 https://opendatascience.com/blog/how-to-choose-a-great-data-science-book/ 原作者 Radhouane Aniba 編譯 CDA 編譯團隊

數極客是新一代用戶行為分析與數據智能平臺，支持用戶數據分析、運營數據分析、留存分析、路徑分析、漏斗分析、用戶畫像、SEM數據分析等16種分析模型的數據分析產品，支持網站統計、網站分析、APP統計、APP分析等分析工具，以及會員營銷系統和A/B測試工具等數據智能應用，支持SAAS和私有化部署,提升用戶留存和轉化率，實現數據驅動增長!

【獨家稿件及免責聲明】本站原創文章如需轉載請聯系我們，未經書面許可禁止轉載，本站轉載文章著作權歸原作者所有，如有侵權請聯系:。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的如何选择python书籍_如何选择一本优质的数据科学书籍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。