大數(shù)據(jù)已經(jīng)成為這個時代的標(biāo)志，如何理解和運用大數(shù)據(jù)，也是我們這個時代的重中之重。因此選擇一本合適的數(shù)據(jù)科學(xué)書至關(guān)重要。

近日，在GitHub上看到一張大而全的數(shù)據(jù)科學(xué)書單圖，該圖片分成七大領(lǐng)域，各自都有相對應(yīng)的推薦書單，本文就為為各位推薦幾本書，希望能夠有助于你在大數(shù)據(jù)方面的學(xué)習(xí)。

1、《數(shù)據(jù)科學(xué)入門》

本書從零開始講解數(shù)據(jù)科學(xué)工作，教授數(shù)據(jù)科學(xué)工作所必需的黑客技能，并帶領(lǐng)讀者熟悉數(shù)據(jù)科學(xué)的核心知識——數(shù)學(xué)和統(tǒng)計學(xué)。作者選擇了功能強大、簡單易學(xué)的Python語言環(huán)境，親手搭建工具和實現(xiàn)算法，并精心挑選了注釋良好、簡潔易讀的實現(xiàn)范例。書中涵蓋的所有代碼和數(shù)據(jù)都可以在GitHub上下載。

2、《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》

本書清晰易懂，適合統(tǒng)計基礎(chǔ)一般的人用來先理解ML的概念，書中涵蓋大量數(shù)據(jù)科學(xué)的概念，讀起來通俗易懂。你可以把書中大框架都理解了再去看別的更偏重理論或算法的書，

3、《貝葉斯思維》

這本書旨在幫助那些希望用數(shù)學(xué)工具解決實際問題的人們，但閱讀本書之前你***懂一點概率知識和程序設(shè)計。本書在共計15章的篇幅中討論了怎樣解決十幾個現(xiàn)實生活中的實際問題。在解決問題的過程中，作者還潛移默化的幫助讀者形成了建模決策的方法論，在這個意義上，這本書又是一本關(guān)于數(shù)學(xué)建模的成功樣本。

4、《數(shù)據(jù)科學(xué)實戰(zhàn)》

這本書涉及的面包含數(shù)據(jù)科學(xué)的各個層面，是相關(guān)專家客座課堂講義的分析和總結(jié)，主要涵蓋以下內(nèi)容：

• 統(tǒng)計推斷、探索性數(shù)據(jù)分析(EDA)及數(shù)據(jù)科學(xué)工作流程
• 算法
• 垃圾郵件過濾、樸素貝葉斯和數(shù)據(jù)清理
• 邏輯回歸
• 金融建模
• 推薦引擎和因果關(guān)系
• 數(shù)據(jù)可視化
• 社交網(wǎng)絡(luò)與數(shù)據(jù)新聞
• 數(shù)據(jù)工程、MapReduce、Pregel和Hadoop

5、《復(fù)雜性思考》

本書提供了一系列練習(xí);這些練習(xí)都要求學(xué)生重新實現(xiàn)一些開創(chuàng)性實驗并對其進行擴展。復(fù)雜性吸引人的一個地方在于我們可以通過適當(dāng)?shù)木幊碳寄芘c數(shù)學(xué)知識接觸研究前沿。

6、《統(tǒng)計思維：程序員數(shù)學(xué)之概率統(tǒng)計》

本書是一本概率統(tǒng)計方面的入門圖書，但視角極為獨特，折射出大數(shù)據(jù)浪潮的別樣風(fēng)景。作者將基本的概率統(tǒng)計知識融入Python編程，告訴你如何借助編寫程序，用計算而非數(shù)學(xué)的方式實現(xiàn)統(tǒng)計分析。

7、《利用Python進行數(shù)據(jù)分析》

本書含有大量的實踐案例，你將學(xué)會如何利用各種Python庫(包括NumPy、pandas、matplotlib以及IPython等)高效地解決各式各樣的數(shù)據(jù)分析問題，十分適合剛剛接觸Python的分析人員以及剛剛接觸科學(xué)計算的Python程序員。

8、《Python數(shù)據(jù)科學(xué)手冊》

本書是對以數(shù)據(jù)深度需求為中心的科學(xué)、針對計算和統(tǒng)計方法的參考書。共有五章，每章介紹一到兩個Python數(shù)據(jù)科學(xué)中的重點工具包。本書適合有編程背景，并打算將開源Python工具用作分析、操作、可視化以及學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)科學(xué)研究人員。

9、《Advanced and Multivariate Statistical Methods》

這是一本關(guān)于數(shù)據(jù)挖掘書籍，書中介紹了多種多元統(tǒng)計方法。