99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀如何選擇一本優(yōu)質(zhì)的數(shù)據(jù)科學書籍
如何選擇一本優(yōu)質(zhì)的數(shù)據(jù)科學書籍
2017-07-20
收藏
如何選書

選擇一本合適的數(shù)據(jù)科學書至關(guān)重要，一本不適合的書會浪費你的時間以及精力。

有時候，書的大綱可能正合你意。但是隨著你深入閱讀時，可能會發(fā)現(xiàn)作者只觸及了表面，并不夠深入。這種情況之前也發(fā)在我的身上，我寫這篇文章就是為了讓你避免這種情況。

當我們選擇數(shù)據(jù)科學相關(guān)書籍時，可以考錄一下幾點：

· 看作者的個人簡介：能夠幫助了解作者的背景，他的研究和主要興趣，同時也展現(xiàn)了本書的一些細節(jié)。但也要給新的作者機會，不要把這一點作為關(guān)鍵。

· 仔細閱讀序言：大部分圖書在網(wǎng)上都能免費閱讀其序言部分。請仔細閱讀該部分。大多數(shù)情況下，在此部分作者不僅會介紹寫書背景，也會闡述各章節(jié)的細節(jié)。

· 選擇有獨立章節(jié)的書：這是我的個人喜好，比較一本技術(shù)型的書不是小說。雖然從書中由易到難、逐步學習很重要，但選擇一本或多或少帶有獨立章節(jié)的書能讓你結(jié)構(gòu)性的把握此書。

· 去書店逛逛：雖然如今可以在網(wǎng)上找到所有的東西，但是在書店可以給你更直觀的感受。有時候，當瀏覽一本書的關(guān)鍵章節(jié)時，我可能會改變主意，去選擇另一本書。

· 閱讀在線評論：首先不要相信所有評論，畢竟評論是主觀的，但在線評論可以了解人們對此書的普遍看法。我們常說：不要以一本書的封面來判斷其好壞。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評。

感興趣的書籍

數(shù)據(jù)科學有很多好書，在本文末尾，我列出了39本我所讀過的數(shù)據(jù)分析書籍。如果列表中沒有涵蓋你認為優(yōu)質(zhì)的書，請給我留言。

詳細的回顧

一次回顧一堆書是一個艱巨的任務(wù)。將所有這些書放在一起的原因是，我認為概念和理論上有一些重疊的部分，其中最具挑戰(zhàn)是大部分時間它們都是以不同的詞匯呈現(xiàn)和闡述的。以下是我列出的，在閱讀數(shù)據(jù)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獲得足夠的知識，因為科學領(lǐng)域是非常復(fù)雜的，一本書是遠遠不夠的。

在下文中，我根據(jù)每個標準選擇了這些書籍中的前5名。

書籍長度（頁數(shù)）

一本書的長度確實取決于所探討的內(nèi)容。雖然這不是對質(zhì)量的衡量標準，但我們可以假設(shè)你閱讀的內(nèi)容越多，所獲得的知識就越多。以下是我根據(jù)書籍中探討的內(nèi)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 Schutt
Python Machine Learning
Sebastian Raschka

寫作風格

對科學領(lǐng)域進行闡述很有挑戰(zhàn)性，不能讓每個人都滿意，這取決于目標受眾。有些作者有這方面的天賦，能夠以簡單明了的方式傳達復(fù)雜的概念。同樣，通過巧妙的結(jié)構(gòu)和良好的學習方式解釋概念，有助于學習。以下是寫作風格方面前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(jié)構(gòu)

教授數(shù)據(jù)科學并非易事，但也沒有那么難，我們只需了解應(yīng)如何構(gòu)建內(nèi)容，從而確保信息被保留。關(guān)于這點有兩個主要的方法。我們可以構(gòu)建獨立的模塊，當中的內(nèi)容可以不具備相關(guān)性，但還是屬于數(shù)據(jù)科學分析流程的內(nèi)容。單獨闡述這些概念不需按照順序。

另一方面，人們可以通過以難度遞增的順序來構(gòu)建內(nèi)容，就像大多數(shù)教學書籍中一樣。例如關(guān)于回歸，書中以最基本形式的回歸開始，并加以越來越多的變化和最復(fù)雜形式的回歸。以下是結(jié)構(gòu)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. Lott
Docker in Practice
Ian Miell and Aidan Hobson Sayers
Ensemble Methods: Foundations and Algorithms
Zhi-Hua Zhou

內(nèi)容

怎樣就算太過了？從哪兒開始記敘？應(yīng)該涉及什么內(nèi)容，跳過什么內(nèi)容？這些都是寫數(shù)據(jù)科學相關(guān)書籍是會遇到的問題。一些作者會選擇涵蓋一個非常具體的領(lǐng)域，當查看這些作者的學術(shù)資料時，我們看到他們的研究與著作之間的聯(lián)系。大多數(shù)時候，這些作者寫的不是一般的數(shù)據(jù)科學書籍，而是他們的研究的一部分。他們的目標受眾也比較狹窄。另一方面，一些作者針對數(shù)據(jù)科學教學，關(guān)注的是基本的和全局的部分，而不是細節(jié)。這類書籍常常涉及使用R語言或Python的回歸，分類，以及使用模塊進行數(shù)據(jù)分析等等。

通過封面判斷一本書？

大多數(shù)人都說不要這么做。但我不認同這點。我們會用封面來判斷一本書的好壞嗎？我們需要、且必須這么做。當然，這里說的不是這本書的外部封面，而是在序言中可以看到的，書第一部的介紹性段落。在這部分，作者大部分都詳細介紹了本書各個章節(jié)的細節(jié)。有時，作者會偏離他們最初對書籍的設(shè)想。這是正常的，這個領(lǐng)域正在快速發(fā)現(xiàn)，觀點也是如此。但是一本好書總能夠遵循其最初的設(shè)想。

解釋的深度

作者在解釋時會深入到哪個程度？我認為這與我在這篇文章中提到的很多觀點有關(guān)。這與內(nèi)容，結(jié)構(gòu)和長度之間存在關(guān)聯(lián)性。解釋的深度能夠區(qū)分好的作者，作者傳達的信息中包含的內(nèi)容，關(guān)系到你能夠吸收知識，特別是那種會在大腦中留存很長時間的知識。因此，作者的技能在這占很重要的角色。因為他們必須掌握內(nèi)容背后的真諦，這使得他們在解釋問題時能夠深入，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。如果這本書的主要目的是為了解釋特定的方法，算法和方法在后臺如何工作，那么最好的方法是從頭開始重新實現(xiàn)一個算法。盡管很多人會說：“為什么要這么麻煩，我們有對應(yīng)的模塊啊”，那么我只能建議他們換一本書，因為他們選錯書了。重新實現(xiàn)的過程，能夠讓你感受到為了優(yōu)化庫的可擴展性所投入的精力。根據(jù)上下文，一些書只是為了教會你如何使用特定的庫和包，這種書大多時候被稱為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進行補充）。通過作者，你會發(fā)現(xiàn)足夠的代碼能夠通過解釋一些聯(lián)系，從而幫助你掌握特定的主題。


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

Zhi-Hua Zhou


結(jié)語

這是一個非常主觀的分類，如果你有不同的看法，歡迎給我留言。

附：39本數(shù)據(jù)科學相關(guān)推薦書籍

Doing Data Science                                    

Cathy O’Neil and Rachel Schutt

Docker in Action                                                    

Jeff Nickoloff

The Art Of R Programming                            
Norman Matloff
Introducing Data Science                               
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 Wittig and Michael Wittig
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
Matthew 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. Lott
Machine Learning with Spark
Nick Pentreath
Machine Learning for Hackers
Drew Conway and John Myles White
Data Science for Business
Foster Provost and Tom Fawcett
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. Lott
Ensemble Methods: Foundations and Algorithms
Zhi-Hua Zhou

原文鏈接：
https://opendatascience.com/blog/how-to-choose-a-great-data-science-book/

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }