Все мы по-разному относимся к обучению и получению знаний. Кому-то нравится смотреть видео, кому-то нравится слушать людей, кому-то нравится руководство, кто-то любит читать. Если вы читатель и действительно любите области машинного обучения и искусственного интеллекта, вы находитесь в нужном месте, чтобы получить больше того, что вы любите.
(Ссылки на бесплатные книги указываются, когда они доступны)
В этой статье есть следующие разделы:
- Обзор науки о данных
- Книги для начинающих по науке о данных
- Книги, которые помогут вам освоить науку о данных
Итак, давайте начнем ваше путешествие и поможем вам найти лучшие книги для изучения Data Science :)
Обзор науки о данных
Что именно мы понимаем под наукой о данных?
Наука о данных – это сочетание различных инструментов, алгоритмов и принципов машинного обучения, целью которого является обнаружение скрытых закономерностей в необработанных данных.
Это формальное определение, но давайте упростим его еще больше. Наука о данных в основном предсказывает шаги, которые необходимо предпринять, исходя из огромного количества данных, которые мы собрали. Для этого требуются различные инструменты, которые могут помочь вам очистить данные и визуализировать их для анализа. Вы используете алгоритмы машинного обучения, чтобы учиться на данных, понимать закономерности, которые данные хотят передать, и помогает прогнозировать шаги и различные меры, которые определенно помогут вам улучшить ваши бизнес-стратегии.
Теперь вы можете спутать его с бизнес-аналитикой (BI), но помните, что BI только помогает вам понять, что вы сделали с вашими существующими данными. Вы тот, кто должен предпринять шаги для будущих бизнес-стратегий. Наука о данных облегчает вам задачу, предсказывая, что нужно будет сделать в будущем, а также есть вероятность, что результаты алгоритма могут быть лучше, чем те, которые вы принимаете. Хотя это шанс :P
Книги для начинающих по науке о данных
К настоящему времени все мы усвоили идею о том, что наука о данных является кульминацией статистики, вероятности, машинного обучения, искусственного интеллекта, знаний в области программирования, знаний о бизнесе и здравого смысла. Поэтому, если вы новичок в этой области, продолжайте читать этот раздел, поскольку я собираюсь указать все книги, которые служат предварительным условием для Data Science, иначе вы можете перейти к следующему разделу для продвинутых книг.
Введение в статистическое обучение, авторы Гарет Джеймс, Даниэла Виттен, Тревор Хасти и Роберт Тибширани
Эта книга определенно является моей первой рекомендацией всем, кто хочет начать работать в области машинного обучения. Он подробно расскажет вам о статистике, которая вам понадобится, а также расскажет о некоторых методах машинного обучения. Другая лучшая часть заключается в том, что он также вводит эти статистические методы в программирование R, чтобы вы могли освоить их. В целом, это моя любимая книга, если вы хотите начать работать в этой области.
Введение в теорию вероятности, автор Дж. Лори Снелл и Чарльз Миллер Гринстед
Моей второй рекомендацией книги было бы «Введение в теорию вероятностей» просто потому, что эта книга была написана с мыслью о студентах колледжей, которые только хотят заняться этой областью. Он охватывает все основы вероятности с действительно хорошими примерами из реальной жизни. У авторов очень простой и интуитивно понятный язык, и это, безусловно, хороший опыт обучения и чтения.
Искусственный интеллект: современный подход, Стюарт Рассел и Питер Норвиг
Моя третья книга, которую я рекомендую, — «Искусственный интеллект». Машинное обучение является частью искусственного интеллекта, и у них много общего. Эта книга — идеальный шаг вперед по сравнению с двумя предыдущими, поскольку она медленно продвигается в область машинного обучения и многое другое с очень простым языком. В нем рассказывается о различиях между ними и о том, как вам нужно в совершенстве понимать проблему и действовать соответственно, чтобы найти для нее решение. Действительно хорошая книга, которая поможет вам различать подходы к проблеме и найти нужный путь.
Машинное обучение для чайников, Джон Пол Мюллер и Лука Массарон
Моя четвертая рекомендация поднимает уровень выше, и здесь мы подходим серьезно. Машинное обучение для чайников рассматривает теорию и основные понятия машинного обучения, чтобы читатели привыкли ко всем его жаргонам. Он учит вас, как применять машинное обучение на практике, и знакомит с языками программирования и инструментами, необходимыми для их эффективного применения. Он знакомит с кодированием на языке программирования Python и R и с тем, как их можно использовать для обучения вашего компьютера определенным шаблонам и анализа результатов. Вы можете узнать, как приложения машинного обучения используются в реальном мире, и это отличный старт для знакомства с миром машинного обучения.
Создайте свою собственную нейронную сеть, автор Тарик Рашид
Моя пятая и последняя рекомендация для начинающих — «Создайте свою собственную нейронную сеть». Машинное обучение терпит неудачу, когда данные растут. Итак, в игру вступает глубокое обучение. Эта книга прекрасно подходит для всех, кто хочет узнать о глубоком обучении и о том, чем оно лучше обычного машинного обучения. Он научит вас создавать свои нейронные сети на Python с практическими примерами и задачами. Написание красивое и помогает вам очень легко понять эту довольно сложную тему.
Итак, это были мои 5 лучших вариантов для всех, кто новичок и хотел бы заняться наукой о данных. Теперь, когда мы закончили с рекомендациями для начинающих, давайте перейдем к гораздо более сложным книгам, которые помогут вам освоить науку о данных. Пойдем!
Книги, которые помогут вам освоить науку о данных
После того, как вы прочитали книги для начинающих или уже освоились с концепциями статистики, вероятности, машинного обучения, искусственного интеллекта, пришло время перейти в высшую лигу. Ознакомьтесь с этими рекомендациями, которые, я уверен, помогут вам освоить эту обширную область.
Наука о данных для чайников, Лилиан Пирсон
Моя первая рекомендация, которая поможет начать осваивать науку о данных, — это «Наука о данных для чайников». Эта книга действительно забавная и интуитивно понятная, одновременно очень всеобъемлющая и точная. Автор представил все необходимые концепции и методы, которые вам потребуются, чтобы понять все, что нужно для науки о данных. Это рабочая тетрадь, которая поможет вам отточить свои навыки в области аналитики больших данных, Hadoop, MapReduce, Spark, платформ MPP, NoSQL, машинного обучения и искусственного интеллекта. Одна из лучших книг в бизнесе, потому что она проста, но эффективна для энтузиастов Data Science.
Точка перегиба, автор Скотт Ставски
Моя вторая рекомендация здесь — это не техническая книга, но определенно обязательная, если вы хотите освоить науку о данных. Так что же содержит эта книга? Деловые знания! Это, вероятно, самая наводящая на размышления книга, прежде всего потому, что в ней рассказывается об эволюции мира после появления таких технологий, как облачные вычисления, большие данные, мобильные устройства и их приложения, устройства IoT и т. д., а также о том, как они произвел революцию в мировом бизнесе. Он учит вас адаптироваться к новым технологиям и объясняет, почему они могут обеспечить максимальную прибыль для ваших бизнес-идей. В этом списке рекомендаций нет ничего сложного, поскольку он снимает напряжение, связанное с техническими вопросами, и пробуждает в сознании читателей чувство бизнеса и целеустремленность.
Рассказывание историй с помощью данных, автор Коул Нуссбаумер Кнафлик
Моя третья рекомендация относится к технической части Data Science, но в лучшем виде! Все, что мы читаем как рассказ, остается с нами дольше, поскольку мы обожаем его и находим в нем радость. Автор точно понимает человеческую природу и учит нас концепциям визуализации данных в замечательных историях. Он учитывает настроение читателей, создает историю на реальном примере, объясняет, что нужно, а что нет, показывает способы очистки данных. А затем заканчиваются точными графиками и визуальными эффектами, которые создают ощущение повествования. Вы бы никогда не догадались, как чтение нескольких страниц заставит вас охватить ряд важных тем и техник. Действительно гениальная книга.
Распознавание образов и машинное обучение, Кристофер М. Бишоп
Моей четвертой рекомендацией здесь определенно должно быть распознавание образов и машинное обучение. Для всех, кто стремится стать ученым данных, это книга, которая вам нужна. Он охватывает различные постоянно развивающиеся темы статистики и вероятности, а также выявляет, какие закономерности улучшают или ухудшают данные и как с ними работать для машинного обучения. От общих примеров до сбора данных в реальном мире и изучения шаблонов, он научит вас всему этому. Это определенно книга, которая поможет вам освоить науку о данных, а также одна из моих любимых книг всех времен!
Сигнал и шум, автор Нэйт Сильвер
Моя пятая и лучшая рекомендация вам, ребята, должна быть эта книга. Он лучше всего подходит для специалистов по данным, которые хотят освоить эту область как практически, так и технически. Это, безусловно, одна из лучших книг в этой области. Этот бестселлер демонстрирует силу анализа больших данных, позволяющую делать ценные прогнозы наиболее разумными способами. Автор показывает вам искусство и науку делать прогнозы и выводы из данных, которые перед нами. Практические кейсы с примесью предсказаний выигрышей и проигрышей обязательно настроят ваше мышление и сделают вас победителем во всех отношениях. Он обязательно научит вас делать разумные прогнозы и добиваться успеха в своих бизнес-идеях. Мой фаворит однозначно!
Итак, на этом мы в основном завершаем все рекомендации, которые у нас есть для вас, ребята. Я надеюсь, что эти книги определенно помогут вам отточить свои навыки и в долгосрочной перспективе помогут вам стать лучшими учеными данных. Помните, что это обширная область, и для ее освоения потребуется много времени и терпения. Желаю вам всего наилучшего и до следующего раза, берегите себя и счастливого обучения! :)
Если вы хотите прочитать больше статей о самых популярных на рынке технологиях, таких как Python, DevOps, Ethical Hacking, вы можете обратиться к официальному сайту Edureka.
Обратите внимание на другие статьи из этой серии, в которых объясняются различные другие аспекты науки о данных.
17. R против Python
18.Искусственный интеллект, машинное обучение и глубокое обучение
21.Наука о данных и инструменты машинного обучения для непрограммистов
Первоначально опубликовано на https://www.edureka.co 22 ноября 2019 г.
