【数据科学实战】数据科学补充阅读材料(图书推荐)

数据科学作为一个新兴领域,植根于其他学科:统计推断、算法、统计模型、机器学习、实验设计、优化理论、概率论、人工智能、数据可视化和探索性数据分析等。每门学科都值得花好几门课或好几本书专门讲解,这正是写作本书面临的一个极大挑战,因此我们将这些补充阅读材料附在后面,希望读者在需要时可以参考。

数学
  • Linear Algebra and Its Applications,Gilbert Strang著(Cengage Learning)
  • Convex Optimization,Stephen Boyd和Lieven Vendenberghe著(Cambridge University Press)
  • A First Course in Probability(Pearson)、Introduction to Probability Models(Academic Press),Sheldon Ross著
编程
  • R in a Nutshell,Joseph Adler著(O'Reilly)
  • Learning Python,Mark Lutz和David Ascher著(O'Reilly)
  • R for Everyone: Advanced Analytics and Graphics,Jared Lander著(Addison-Wesley)
  • The Art of R Programming: A Tour of Statistical Software Design,Norman Matloff著(No Starch Press)
  • Python for Data Analysis,Wes McKinney著(O'Reilly)
数据分析与统计推断
  • Statistical Inference,George Casella和Roger L. Berger著(Cengage Learning)
  • Bayesian Data Analysis,Andrew Gelman等著(Chapman & Hall)
  • Data Analysis Using Regression and Multilevel/Hierarchical Models,Andrew Gelman和Jennifer Hill著(Cambridge University Press)
  • Advanced Data Analysis from an Elementary Point of View(http://goo.gl/udICRX),Cosma Shalizi著(Cambridge University Press)
  • The Elements of Statistical Learning: Data Mining, Inference and Prediction,Trevor Hastie、Robert Tibshirani和Jerome Friedman著(Springer)
人工智能和机器学习
  • Pattern Recognition and Machine Learning,Christopher Bishop著(Springer)
  • Bayesian Reasoning and Machine Learning,David Barber著(Cambridge University Press)
  • Programming Collective Intelligence,Toby Segaran著(O'Reilly)
  • Artificial Intelligence: A Modern Approach,Stuart Russell和Peter Norvig著(Prentice Hall)
  • Foundations of Machine Learning,Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar著(MIT Press)
  • Introduction to Machine Learning (Adaptive Computation and Machine Learning),Ethem Alpaydim著(MIT Press)
实验设计
  • Field Experiments,Alan S. Gerber和Donald P. Green著(Norton)
  • Statistics for Experimenters: Design, Innovation, and Discovery,George E. P. Box等著(Wiley-Interscience)
可视化
  • The Elements of Graphing Data,William Cleveland著(Hobart Press)
  • Visualize This: The FlowingData Guide to Design,Visualization, and Statistics,Nathan Yau著(Wiley)

转载自:图灵社区
摘自:Doing Data Science by Rachel Schutt and Cathy O'Neil (O'Reilly). Copyright 2014 Rachel Schutt and Cathy O'Neil, 978-1-449-35865-5 
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值