大数据入门要怎么学习

数据科学并没有一个独立的学科体系,统计学,机器学习,数据挖掘,数据库,分布式计算,云计算,信息可视化等技术或方法来对付数据。但从狭义上来看,我认为数据科学就是解决三个问题

1data pre-processing

2. data interpretation

3.data modeling and analysis

这也就是我们做数据工作的三个大步骤

1、原始数据要经过一连串收集、提取、清洗、整理等等的预处理过程,才能形成高质量的数据

2、我们想看看数据“长什么样”,有什么特点和规律

3、按照自己的需要,比如要对数据贴标签分类,或者预测,或者想要从大量复杂的数据中提取有价值的且不易发现的信息,都要对数据建模,得到 output这三个步骤未必严谨,每个大步骤下面可能依问题的不同也会有不同的小步骤,但按我这几年的经验来看,按照这个大思路走,数据般不会做跑偏。这样看来,数据科学其实就是门复合型的技术,既然是技术就从编程语言谈起吧,为了简练,只说说R和 Python。但既然是荐数据科学方面的书,我这里就不提 R/Python编程基础之类的书了,直接上跟数据科学相关的

推荐一个大数据学习群 142973723每天晚上20:10都有一节【免费的】大数据直播课程，专注大数据分析方法,大数据编程，大数据仓库，大数据案例，人工智能,数据挖掘都是纯干货分享，

• R programming

如果只是想初步了解一下R语言己经R在数据分析方面的应用,那不妨就看看这两本

R in action:我的R语言大数据其实对于一个没有任何编程基出的人来说,一开始就学这本学习曲线可能会比较陡。但如果配合上一些輪助材料,如官方发布的 R basics(craproject. org/doc/), stackoverflow上有tag-R的可集( Newest r Questions),遇到复杂搜索,总会找到解决方案的。这样一来,用这本书拿来入本书作者写得也比较轻松,紧贴实战

Data analysis and graphics using R:使用R语做数据分析的入门书。这本书的特点也是紧贴实战,没有过多地讲解统计学理论,所以欢通过情境应用来学习的人应该会欢这本入门书。而且这本书可读性比较强,也就是说哪怕你手头没电脑写不了代码,有事没事拿出这本书翻一翻,也要读得进去

但如果你先用R来从事实实在在的数据工作，那么上面两本恐怕不够，还需要这些

Modern applied statistics with s:这本书里统计学的理论就讲得比较多了,好处就是你可以用本书既复习了统计学,又学了R语言。(s和R的关系就类似所以用S教程学习R可题都没有Data manipulation

这本书实务性很强,它教给你怎么从不同格式的原始数据文件里读取、清洗、转换、整合成高质量的数据。当然和任何一本注重实战的书一样,本书也有丰富的真实数据或模拟数据供你练习。对于真正从事数据处理工作的人来说,这本书的内內容非常重要,因为对于任何研究,一项熟练的数据预处理技能可以帮你节省大量的时间和精力。否则,你的研究总是要等待你的数据。

GCookbook:想用R做可视化,就用这本书吧。150多个 recipes,足以帮你应付绝大多数类型的数据。以我现在极业余的可视化操作水平来看,R是最容易做岀最漂亮的图表的工An introductioncal learning with application in R:这本书算是著名的1ent of statisng的姊妹篇,后者更注重统计(机器)学习的模型和算法,而前者所涉及的模型和算法原没有后者全面或深入,但却是用R来学习和应用机器学习的很好的入A handbook of statistical analysis using R:这本书内容同样非常扎实,很多统计学的学生就是用这本书来竽习用R来进行统计建模的