數(shù)據(jù)分析從哪里開(kāi)始入門(mén)學(xué)習(xí)，可以推薦的書(shū)有哪些

數(shù)據(jù)行業(yè)在迅速的發(fā)展，幾乎每天都會(huì)出現(xiàn)新的技術(shù)和方法。因此，想要跟上這個(gè)行業(yè)的步伐是有挑戰(zhàn)性的。之前CDA數(shù)據(jù)分析師曾列出了15位在科技和數(shù)據(jù)科學(xué)領(lǐng)域最具影響力人物，他們不僅僅是數(shù)據(jù)科學(xué)專(zhuān)業(yè)人士和關(guān)注該領(lǐng)域人群的靈感來(lái)源，同時(shí)關(guān)注他們也確保你能夠了解該領(lǐng)域的發(fā)展動(dòng)向。

除參考國(guó)外的數(shù)據(jù)分析工作外，CDA數(shù)據(jù)分析學(xué)院結(jié)合多年數(shù)據(jù)分析培訓(xùn)和教育經(jīng)驗(yàn)，總結(jié)了個(gè)人在獲得第一份工作以后，如何能在崗位上不斷提升，真正實(shí)現(xiàn)自己在數(shù)據(jù)分析行業(yè)的職業(yè)規(guī)劃提升?；诖?，CDA數(shù)據(jù)分析研究院提供了科學(xué)的數(shù)據(jù)分析行業(yè)進(jìn)階規(guī)劃如下：

統(tǒng)計(jì)概率基礎(chǔ)：數(shù)據(jù)分析行業(yè)分析，數(shù)據(jù)挖掘經(jīng)典流程，數(shù)據(jù)的描述性分析，數(shù)據(jù)的推斷性分析，方差分析，回歸分析，多元統(tǒng)計(jì)等系列理論課程，唯有掌握原理，方能駕馭工具。

數(shù)據(jù)分析工具學(xué)習(xí)：根據(jù)等級(jí)的要求，一般軟件在學(xué)術(shù)界和企業(yè)界的應(yīng)用廣泛程度如下：

學(xué)術(shù)界 ：STATA>R >Matlab>SPSS>SAS ；

商業(yè)界：SPSS>R>SAS >PYTHON。

上手難度：SAS>R>PYTHON>SPSS>EXCEL工具的選擇不在于多，而在于跟具體問(wèn)題相結(jié)合，在學(xué)習(xí)的過(guò)程中可以選擇1-2門(mén)的工具進(jìn)行熟練使用。參考各大數(shù)據(jù)分析工具的區(qū)別。

數(shù)據(jù)分析建模：利用工具進(jìn)行數(shù)據(jù)分析模型、數(shù)據(jù)挖掘算法建模運(yùn)用，常用的數(shù)據(jù)分析方法有（回歸分析法、主成分分析法、典型相關(guān)分析、因子分析法、判別分析法、聚類(lèi)分析法、結(jié)構(gòu)方程、Logistic模型等），常用的數(shù)據(jù)挖掘算法有（時(shí)間序列、Panel Data、關(guān)聯(lián)法則、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、遺傳算法）以及可視化技術(shù)。

以上三部分皆為數(shù)據(jù)分析硬性技術(shù)，要想熟能生巧需要經(jīng)常在學(xué)習(xí)和工作中運(yùn)用，不斷改善，不斷優(yōu)化模型，將技術(shù)與具體業(yè)務(wù)結(jié)合起來(lái)，經(jīng)過(guò)長(zhǎng)時(shí)間的積累方能成為高級(jí)數(shù)據(jù)分析師。

提升推薦書(shū)單《DEEP LEARNING深度學(xué)習(xí)》

作者:[美]Ian Goodfellow（伊恩·古德費(fèi)洛）、[加]Yoshua Bengio（約書(shū)亞·本吉奧）、[加]Aaron Courville（亞倫·庫(kù)維爾）

出版社：人民郵電出版社

AI圣經(jīng)！深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典暢銷(xiāo)書(shū)！長(zhǎng)期位居美國(guó)亞馬遜AI和機(jī)器學(xué)習(xí)類(lèi)圖書(shū)榜首！所有數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)從業(yè)者的必讀圖書(shū)！特斯拉CEO埃隆·馬斯克等國(guó)內(nèi)外眾多專(zhuān)家推薦！深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它能夠使計(jì)算機(jī)通過(guò)層次概念來(lái)學(xué)習(xí)經(jīng)驗(yàn)和理解世界。

《Python Deep Learning》

“Take your machine learning skills to the next level by mastering Deep Learning concepts and algorithms using Python. About This Book ?Explore and create intelligent systems using cutting-edge deep learning techniques ?Implementdeep learning algorithms and work with revolutionary libraries in Python ?

《利用Python進(jìn)行數(shù)據(jù)分析》

作者:（美）麥金尼著，唐學(xué)韜等譯

出版社：機(jī)械工業(yè)出版社

本書(shū)講的是利用Python進(jìn)行數(shù)據(jù)控制、處理、整理、分析等方面的具體細(xì)節(jié)和基本要點(diǎn)。同時(shí)，它也是利用Python進(jìn)行科學(xué)計(jì)算的實(shí)用指南（專(zhuān)門(mén)針對(duì)數(shù)據(jù)密集型應(yīng)用）。本書(shū)重點(diǎn)介紹了用于高效解決各種數(shù)據(jù)分析問(wèn)題的Python語(yǔ)言和庫(kù)?！独肞ython進(jìn)行數(shù)據(jù)分析》沒(méi)有闡述如何利用Python實(shí)現(xiàn)具體的分析方法。

《機(jī)器學(xué)習(xí)》

作者：周志華

出版社：清華大學(xué)出版社

這是一本面向中文讀者的機(jī)器學(xué)習(xí)教科書(shū),為了使盡可能多的讀者通過(guò)本書(shū)對(duì)機(jī)器學(xué)習(xí)有所了解,作者試圖盡可能少地使用數(shù)學(xué)知識(shí)。

然而,少量的概率、統(tǒng)計(jì)、代數(shù)、優(yōu)化、邏輯知識(shí)似乎不可避免.因此,本書(shū)更適合大學(xué)三年級(jí)以上的理工科本科生和研究生，以及具有類(lèi)似背景的對(duì)機(jī)器學(xué)習(xí)感興趣的人士.為方便讀者,本書(shū)附錄給出了一些相關(guān)數(shù)學(xué)基礎(chǔ)知識(shí)簡(jiǎn)介。

數(shù)據(jù)挖掘導(dǎo)論(完整版)

作者:（美）陳封能等

出版社：人民郵電出版社

本書(shū)全面介紹了數(shù)據(jù)挖掘，涵蓋了五個(gè)主題：數(shù)據(jù)、分類(lèi)、關(guān)聯(lián)分析、聚類(lèi)和異常檢測(cè)。除異常檢測(cè)外，每個(gè)主題都有兩章。前一章涵蓋基本概念、代表性算法和評(píng)估技術(shù)，而后一章討論高級(jí)概念和算法。這樣讀者在透徹地理解數(shù)據(jù)挖掘的基礎(chǔ)的同時(shí)，還能夠了解更多重要的高級(jí)主題。

統(tǒng)計(jì)學(xué)（第六版）

作者：賈俊平

出版社：中國(guó)人民大學(xué)出版社

統(tǒng)計(jì)學(xué)》第六版是在第五版的基礎(chǔ)上修改而成的。在廣泛吸取讀者意見(jiàn)的基礎(chǔ)上，對(duì)第五版中的部分內(nèi)容進(jìn)行了修訂。第六版在結(jié)構(gòu)上與第五版基本相同，但對(duì)部分章節(jié)上進(jìn)行了重新寫(xiě)和修訂。其中，第13章進(jìn)行了重新編寫(xiě)，更新了全部數(shù)據(jù)，并將季節(jié)型序列的預(yù)測(cè)一節(jié)合并到復(fù)合型序列的分解預(yù)測(cè)中。第5章對(duì)部分內(nèi)容作了簡(jiǎn)化。第9章增加了SPSS的應(yīng)用。