今天，學習您想要的任何新技能的方法都有超過一百萬種方法。您可以前往YouTube并查找視頻，您可以轉(zhuǎn)到中等并閱讀一些有用的文章，或者您可以收聽播客并在做其他事情時學習。

但是，自書面語言開始以來存在的學習方法之一是書籍。書籍 - 在我看來 - 無論你想學到什么，都是信息的寶石，有機會，書或書籍正在談論它。書籍是我最喜歡和最值得信賴的信息，舊或新的。

[[393508]]

他們可能不是每個人的首選學習方法，但我們都可以承認，在某些時候，我們都回去了一本書來檢查信息。書籍不會神奇地教授你的技能;就像任何其他形式的學習一樣，您需要投入努力并愿意學習，以便您可以充分利用任何書籍或?qū)W習資源。

數(shù)據(jù)科學可以說 - 可以說 - 在線和關閉無限數(shù)量的學習資源。并且您只能預測，隨著領域的增長更大，資源數(shù)量將變大。在過去幾年中，有這么多的數(shù)據(jù)科學書籍幾乎是您習慣閱讀的任何語言。

在本文中，我將向2020年出版的5個新的數(shù)據(jù)科學書籍提出，我認為您是非常有希望閱讀您是否讀到數(shù)據(jù)科學的新型或已經(jīng)成為該領域的一部分。

№1：數(shù)據(jù)科學：SABRA交易的初學者數(shù)據(jù)科學的完整指南

不可否認的是，數(shù)據(jù)科學繼續(xù)吸引每天加入新的和聰明的人。老實說，我不認為很快就會放慢速度。此列表中的第一本書針對該領域的初學者。

我最喜歡這本書的是，當您需要學習的主要信息時，只有62頁解釋所需的主要信息。本書并不意味著為您提供所需的所有細節(jié)，您需要成為數(shù)據(jù)科學大師。相反，您可以將這本書視為一個詳細的，高級數(shù)據(jù)科學路線圖，因為任何人都對數(shù)據(jù)科學的困惑以及成為數(shù)據(jù)科學家所需的人。

本書涵蓋了數(shù)據(jù)科學中使用的主要語言和術(shù)語，從數(shù)學，統(tǒng)計到機器學習和人工智能。基本上，如果您對數(shù)據(jù)科學完全熟悉，這本書是一個很好的第一步。

№2：GáborPéceli的測量和數(shù)據(jù)科學

數(shù)據(jù)科學是一個龐大的領域，在幾乎所有方面的應用，從最簡單的一個推薦一本書或電影到醫(yī)學和醫(yī)療保健中的生命關鍵的應用。任何數(shù)據(jù)科學項目中使用的數(shù)據(jù)都會根據(jù)應用程序不同地收集。

有些是從傳感器收集的;其他人是從網(wǎng)上收集的。由于各種來源，有不同的方式對數(shù)據(jù)進行測量。測量和數(shù)據(jù)科學涵蓋了所有基礎知識和更多關于數(shù)據(jù)和測量主題的更多信息。

本書的不同章節(jié)通過了匈牙利的測量和信息系統(tǒng)部門進行的研究，總結(jié)了梳理經(jīng)典和理論測量的結(jié)果。這本371頁的書將熟悉關于數(shù)據(jù)科學中測量所需的所有內(nèi)容。

№3：一場數(shù)據(jù)科學：并行地學習R和Python

數(shù)據(jù)科學中最常用的兩種編程語言是Python和R。它們都是有用的語言，為該字段提供了很多。但是，在數(shù)據(jù)科學項目的流程中，如果使用R執(zhí)行它們并反之亦然，某些任務更有效。

用兩種語言編寫的編寫和了解代碼是任何數(shù)據(jù)科學家獲得的有用技能。此列表中的下一本書允許您并行學習和使用r和Python，如果您決定獨立學習它們，請節(jié)省大量時間和精力。

這本216頁的書將通過學習兩個編程語言，專注于數(shù)據(jù)科學而不是抽象和常規(guī)語法。您將學習如何同時執(zhí)行統(tǒng)計數(shù)據(jù)，優(yōu)化，構(gòu)建預測模型等。

№4：Hosea Droski的初學者的數(shù)據(jù)分析指南

正如我總是所說，數(shù)據(jù)科學都是關于數(shù)據(jù)的，并且任何數(shù)據(jù)科學項目中的一個基本步驟是數(shù)據(jù)收集和分析。初學者的數(shù)據(jù)分析指南側(cè)重于教導您如何采取從不同來源收集的原始數(shù)據(jù)，并從中提取有用的信息。

數(shù)據(jù)分析是項目的關鍵過程，正確的預測并幫助您的客戶或業(yè)務做出正確的決策。本書將教授數(shù)據(jù)分析的所有基礎知識，從數(shù)據(jù)挖掘到處理大數(shù)據(jù)并可視化結(jié)果。

此外，書籍涵蓋了數(shù)據(jù)收集的一個重要方面，例如Web刮擦并使用機器學習收集數(shù)據(jù)并形成替代數(shù)據(jù)集。最后，這本書有點深入了解數(shù)據(jù)管理和商業(yè)智能，所有內(nèi)容都在124頁中。

№5：Charu C. Aggarwal的機器學習的線性代數(shù)和優(yōu)化

可能會驅(qū)使人們遠離數(shù)據(jù)科學的事情是它建立在基本代數(shù)和概率概念上的事實。對數(shù)學的恐懼是真實的，這就是為什么很多人會告訴我他們不想成為一個數(shù)據(jù)科學家，因為數(shù)學太難了。

但是，數(shù)學是幾乎所有技術(shù)領域的核心引擎，而不僅僅是數(shù)據(jù)科學。數(shù)學的主要用法之一，更精確的線性代數(shù)，是在機器學習模型的優(yōu)化期間。機器學習的線性代數(shù)和優(yōu)化涵蓋所有線性代數(shù)，您需要有效地優(yōu)化機器學習型號。

本書深入了解線性代數(shù)在機器學習優(yōu)化中的應用。它涵蓋了如何執(zhí)行許多重要應用，例如奇異值分解(SVD)，圖分析，矩陣分解等。它還涵蓋了為什么機器學習模型需要優(yōu)化，以及如何執(zhí)行此操作。本書是我們列表中最長的，近500頁。

總結(jié)

當我第一次開始我的Postgrad研究時，我的主管都有一個我在一個房間里看到的最大的書籍系列。這本書不僅在架子上，而是無處不在。事實上，他找到了一種使用書籍來保持他桌面隱私的方法。這本書在椅子上的門口形成了一定的迷宮。

我記得問他一次，為什么你不捐舊書或只是使用數(shù)字。他說，對我來說，書籍不僅僅是一種學習主題的方式;這是關于學習新的個性。這就像你正在尋求偷看作者的思想。

成長，書籍 - 印刷品和電子書 - 都是我生命中的主要常量之一。我仍然相信我從閱讀書中獲得的信息，而不是我獲得任何其他方式的書。今天，我列出了5本書，我相信是非常有前途的，新的數(shù)據(jù)科學書籍，我相信每個人都應該給予閱讀。