Dengang, i 2010’erne, havde webdesignere og programmører fancy jobtitler og fik pæne lønninger. Men med internetdagene har tingene ændret sig.
I denne moderne æra af det 21. århundrede bliver din browsinghistorik registreret, dine e-maildata gemmes, og ikke overraskende kan jeg se, at min youtube-afspilningshistorik direkte påvirker mine anbefalinger fra Instagram-ruller, hvilket får mig til at bruge mere tid på at rulle. Alt dette beviser, at nu er datavidenskabens tidsalder.
Da vi frigiver tonsvis af data til internettet hver dag, har vi helt sikkert brug for flere dataforskere og ML-ingeniører, der kan frigøre det fulde potentiale af disse data, hvilket gør vores liv endnu mere problemfrit.
At indsamle data og omsætte det til handlingsrettede beslutninger er noget, som nutidens verden kræver. Hvis du beslutter dig for at passe ind i denne voksende efterspørgsel og ønsker at blive dataprofessionel, så læs videre for at finde nogle af de bedste datavidenskabsbøger.
Indholdsfortegnelse
Hvorfor bøger, når internettet er en strøm af ressourcer?
Det er sikkert at sige, at onlineressourcer er mere effektive end bøger, men det holder ikke altid, fordi boglæsere endnu ikke er uddøde i denne digitale verden.
Boglæsning og onlinekurser er to forskellige verdener og ikke sammenlignelige. Men vi kan regne med nogle fordele ved at læse bøger over internetressourcer her.
Mestre faget: Når du er okay med generel eller praktisk information om et koncept, så er det fint at søge på nettet, men hvis du vil dykke dybere ned i emnet, fra dets historie til afledninger, så flyder bogen godt.
Få en rigtig fornemmelse: Bøger er ægte! Uanset hvor mange virtuelle møder du deltager i, kan du aldrig fange charmen ved en personlig sammenkomst. Så prøv at holde en bog og læse, du vil fornemme vægten af siderne, duften af blæk og lægge mærke til dine flydende fingerspidser over ordene. Endelig vil du elske det.
Mindre distraktion: Jeg ved, at du er på internettet for at lære noget, men en clickbait med dit yndlings-tv-program dukkede op før dig, og du klikkede på det. Da du indså, at du spildte din tid, var det allerede sent. Sådan er det ikke med bøger. Du bliver ved med at læse dem, indtil du keder dig; ingen anden måde at distrahere dig på.
Nøjagtighed: Bøger gennemgår adskillige faktatjek og redigeringstest før udgivelse, så disse er mere nøjagtige og pålidelige.
Autoritet: Generelt er bøger skrevet af ekspertprofessorer og forskere på området, mens internetressourcer kan oprettes af alle. Så du kan blindt stole på mange af bøgerne.
Her er listen over de bedste datavidenskabsbøger, der vil hjælpe dig med at udmærke dig i din datavidenskabskarriere.
Introduktion til Sandsynlighed
Vælg dette, hvis du beslutter dig for ikke at være en middelmådig dataforsker, men i stedet for at markere dit navn i dette felt, fordi denne Introduktion til Sandsynlighed-bog dækker de detaljerede og avancerede sandsynlighedsbegreber, som enhver dataforsker har brug for.
Udover de begreber, der er dækket, indeholder bogen også masser af sandsynlighedsproblemer med ren matematik. Desuden finder du gratis detaljerede løsninger til alle kapitelslutøvelserne på forlagets hjemmeside.
I hvert fald anbefaler jeg ikke denne bog til nogen, der begynder deres karriere inden for datavidenskab eller matematik. Du har brug for en stærk base i kombinatorik eller et godt matematisk grundlag for at lære dig selv sandsynlighed med denne bog.
Men når du har et anstændigt matematisk grundlag, så er dette et glimrende valg, hvis du tænker på fuldt ud at udnytte frugterne af læringssandsynlighed i din Data Science-karriere.
Data Science-håndbogen
Data Science Handbook er beregnet til at gøre dig til en unik dataforsker med færdigheder inden for datavidenskab, programmering og forretningsforståelse. Med denne bog får du en lynkursusoplevelse, men i et skriftligt format.
Bogen er skrevet på almindeligt engelsk, hvilket er velegnet, hvis du er ny inden for datavidenskab.
Ud over at dække klassiske ML-koncepter og algoritmer, berører bogen også softwareingeniørpraksis, computerhukommelse, datastrukturer og databaser.
Kapitler om kerneteknologier som Python, Big data beviser, at denne bog er på teknologisiden for dataforskere og ML-ingeniører, der løser problemer i den virkelige verden i stedet for at målrette dataforskere, der arbejder på at udgive deres næste tidsskrift.
Design af dataintensive applikationer
Denne bog er ikke kun for dataforskere eller analytikere. Det inkluderer alt, hvad en softwareingeniør, der designer skalerbare applikationer fra den virkelige verden, en softwarearkitekt, der udforsker dataintensive applikationer, eller en dataingeniør, der behandler en stor mængde data, har brug for for at udnytte data fuldt ud i moderne applikationer.
Skrevet af Martin Kleppmann, en forsker i distribuerede systemer og sikkerhed ved University of Cambridge.
Bogen dækker datamodeller, lagerhentning, datakodning, partitionering, batch- og streambehandling og mange kernekoncepter for opbygning af dataintensive moderne applikationer.
Hvis noget af det følgende gælder for dig, så er denne bog et ideelt valg til at skalere dine færdigheder.
- Hvordan man bedst anvender de rigtige værktøjer til at løse et givent problem.
- Vil du bygge skalerbare datasystemer?
- Optimer ydeevnen af dine dataintensive applikationer i produktionen.
- Forbedre fleksibiliteten, så dine apps nemt kan tilpasse sig enhver ny teknologi
Nøgen statistik
Charles Wheelan viser os i Naked Statistics, hvordan informative data og de rigtige statistiske værktøjer kan hjælpe med at opbygge fantastiske anbefalingssystemer, der foreslår det næste produkt, du kan tilføje til din indkøbskurv, eller nøjagtige forudsigelsessystemer, der hjælper dig med at købe og sælge aktier.
Bogen har til formål at træne dit sind til intuitivt at udlede statistisk analyse ud fra den information, du har. Emner som beskrivende statistik, inferens, korrelation og regressionsanalyse i teksten vil hjælpe dig med at opnå dette.
Det bedste er bogen Naked Statistics lærer dig matematik som en historie.
Bayesianske metoder til hackere
Hvis du ønsker at lære probabilistisk programmering fra et Bayesiansk punkt af dig, så er denne bog alt hvad du behøver. Udtrykket “Hackere” i titlen kan være misvisende, så lad os betragte hackere som individer, der kan lide at udforske og lære Bayesianske komplekse tilgange og metoder.
Bogen starter med at lære dig bayesiansk slutning, og gør derefter hænderne snavsede ved at bygge din første bayesianske model ved at bruge senere kontekst i teksten.
Det har praktiske øvelser og kodeimplementeringer til at anvende Bayesianske teknikker på problemer i den virkelige verden. Du vil komme til at se Bayesiansk implementering i forskellige brancher som finans og marketing.
Desuden er denne bog af særlig interesse, hvis du er til Python-værktøjer som NumPy, SciPy og Matplotlib og med en programmeringsbaggrund.
Hands-On ML med Scikit-Learn
I disse dage er enhver med ringe programmeringserfaring eller slet ingen programmering i stand til at skabe intelligente systemer, der kan lære af data og træffe beslutninger. Vil du også vide hvordan?
Aurélien Géron, forfatteren til denne bedste datavidenskabsbog, lærer dig, hvordan du kan bygge et intelligent ML-system ved hjælp af de to Python plug-and-play-frameworks – Scikit-learn og TensorFlow.
Denne praktiske maskinlæringsbog viser dig, hvordan du kan bygge ende-til-ende maskinlæringssystemer ved at udnytte det fulde potentiale af sci-kit Learn, mens du kræver minimal kodning fra din side. Du vil også blive praktisk med TensorFlow-træning, opbygning og skalering af neurale netmodeller.
Den er skrevet i en venlig tone, og tro mig, jeg havde aldrig forventet, at en ML-bog ville være så afslappet, med færre vigtige matematiske afledninger og mere interessante aspekter af ML.
Dyb læring med Python
Det er almindeligt at finde dyb læring som et afsnit eller et kapitel i mange bøger om maskinlæring og datavidenskab. Men du skal bemærke – begge områder er store emner på hver deres måde.
Så denne Deep Learning with Python af François Chollets formål er udelukkende at hjælpe dig med at specialisere dig i grundlæggende deep learning-fag.
Bogen inkluderer tidsserieprognoser, tekstklassificering, billedgenerering og mange flere avancerede dyb-læringskoncepter.
Alle koder i bogen er klar til at køre og kan frit downloades. Ikke overraskende er forfatteren af denne bog og skaberen af Keras den samme person.
Så bogen er en perfekt blanding af kortfattet skrift, ekspertforfatter og eksekverbar kode.
Big Data: En revolution
Er du træt af kodning og teknik i maskinlæring og vil du dykke dybere ned i datas reelle effekt i nutidens verden?
Så er du god til at gå med denne big data-bog, skrevet af Viktor Mayer-Schönberger, Internet Governance and Regulation professor i Oxford Internet Institute-afdelingen ved University of Oxford.
Bogen begynder med, hvordan industrier, herunder regeringen, indsamler data om alt, og hvordan de bruger det. Derefter går den videre til at diskutere databeskyttelse og de risici, der er forbundet med det. Endelig giver den afslutning med de fremtidige muligheder og begrænsningerne ved big data.
Hands-on dataanalyse med pandaer
Enhver kan importere et bibliotek og kalde en funktion, men at opfinde indsigt fra de rå data eller vise dig forvirrende resultater i enkle billeder er det, der adskiller Data Scientists. For ikke at nævne, Pandas er det første værktøj, du bør kende til at udføre sådanne intuitive opgaver.
Uanset om du er en novice eller en dygtig dataguide, viser denne praktiske dataanalyse med Pandas-bog hvert eneste trick, du har brug for for at udforske, analysere og manipulere data ved hjælp af Pandas. Du lærer at opsummere statistik i undersøgende dataanalyse og finde mønstre gennem klare visualiseringer.
Ved at arbejde med slutkapitteløvelser vil du gradvist udvikle færdigheder til at håndtere data fra den virkelige verden i dit professionelle arbejde. Du kan få adgang til alle filer og koder i denne bog på GitHub.
Praktisk datavidenskab med Python
Forfatteren Nathan George starter denne bedste praktiske datavidenskabsbog med Python-programmering og tager dig derefter til de centrale datavidenskabskoncepter og koder dem i Python. Den fører dig gennem alle faser af datavidenskab, fra dataanalyse til præstationstest.
Kodeimplementeringerne i bogen er opdelt i mindre og mere fordøjelige bidder, hvilket skaber en samtaletone for dig. Endnu vigtigere, du kan få adgang til hvert stykke kode i denne bog på GitHub gratis.
Pandaer, SciPy og Sci-kit-learn er de vigtigste Python-biblioteker og -frameworks, du vil bruge gennem hele bogen.
R Programmering for Data Science
Efter Python er R ved at tage fart i at udforske avanceret statistik over komplekse data. Så jeg er her med en anden tekstanbefaling, hvis du vil træde ind i Data Science ved hjælp af R.
R-programmering for Data Science er officielt tilgængelig online gratis. Tro mig, åbn den enten i Edge eller din foretrukne PDF-læser, og du finder absolut ingen forskel mellem dens onlinekopi og den herlige hardcover-udgave.
Denne bog er ikke for dig at lære datavidenskab eller ML-teknikker. Det er dog udelukkende skrevet af Roger D. Peng, professor i biostatistik ved Johns Hopkins Bloomberg School of Public Health, for at udstyre dig med R-programmering, et værktøj til at håndtere enhver datakilde.
Ved slutningen af bogen skal du være i stand til komfortabelt at bruge R-objekter, R-pakker, funktioner og regulære udtryk til datamanipulation og -analyse.
Afslutter
Dette er en af de bedste lister på internettet for at finde nogle perfekte bøger til at tage dine datafærdigheder næste niveau. Data Science er et stort domæne. Så jeg har inkluderet nogle specialiserede bøger inden for hvert område, såsom Machine learning, Python, Dataanalyse og R-programmering, sammen med et par overordnede bedste datavidenskabsbøger.
Udforsk derefter disse datavidenskabelige værktøjer, der også skulle hjælpe dig med at blive en bedre dataforsker.