^{<sub id="jgr5k"></sub>}

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

本文作者：三川

2017-03-20 17:58

導(dǎo)語：這也是從免費資源里面篩選出的，最值得花時間學(xué)習(xí)的幾本。

昨天與大家分享了最值得一讀的機器學(xué)習(xí)免費書籍。這次，雷鋒網(wǎng)再為大家呈上數(shù)據(jù)科學(xué)領(lǐng)域的相關(guān)圖書、教程。仍然是正版免費，仍然是英文原著，部分有漢語譯本。

本列表不分先后次序。

█《Foundations of Data Science》

作者：John Hopcroft, Ravindran Kannan

未出版的教學(xué)筆記。正在學(xué)習(xí)數(shù)據(jù)科學(xué)理論課程的童鞋，這本書是一個不錯的補充。

地址：https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/book-No-Solutions-Aug-21-2014.pdf

█《UFLDL Tutorial》

作者：吳恩達, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

吳老師等斯坦福學(xué)者整理的教程，講解無監(jiān)督特征學(xué)習(xí)和深度學(xué)習(xí)的主要概念，以及相關(guān)算法的實現(xiàn)和應(yīng)用。需要基礎(chǔ)機器學(xué)習(xí)知識。吳老師建議修完他的 Coursera 機器學(xué)習(xí)公開課再來讀這個。

地址：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

█《Python Data Science Handbook》

作者：Jake VanderPlas

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

書如其名，介紹用 Python 進行數(shù)據(jù)開發(fā)的主流工具庫，包括 IPython, NumPy, Pandas, Matplotlib, Scikit-Learn。 O'Reilly Media 出版。

地址：https://github.com/jakevdp/PythonDataScienceHandbook

█《Hands-On Machine Learning and Big Data》

作者：Kareem Alkaseer

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

這本以墻皮為封面的書，是理解機器學(xué)習(xí)和大數(shù)據(jù)基本概念的好去處，包含大量代碼示例。

地址：https://www.gitbook.com/book/kalkaseer/hands-on-ml-and-bigdata/details

█《Think Stats》

作者：Allen B. Downey

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

針對 Python 開發(fā)者的概率論和統(tǒng)計學(xué)入門。這本書十分強調(diào)用于現(xiàn)實中數(shù)據(jù)集的簡單實用技巧。O'Reilly 的“Think X”系列，是幫助有編程基礎(chǔ)的開發(fā)者進行跨界學(xué)習(xí)的不錯資源，程序猿可多關(guān)注。該系列基本都有中文譯本，本書名為《統(tǒng)計思維》。

地址：http://greenteapress.com/thinkstats/

█《Think Bayes》

作者： Allen B. Downey

免費教材資源第二彈！這回側(cè)重數(shù)據(jù)科學(xué)

從計算方法角度對貝葉斯統(tǒng)計的入門介紹。同樣是 O'Reilly“Think X”系列（雷鋒網(wǎng)注：感謝下 O'Reilly 的分享精神），同樣對程序員友好：使用 Python 代碼而不是數(shù)學(xué)，使用 discrete approximations 而非 continuous mathematics。中文譯版名為《貝葉斯思維》。

地址：http://greenteapress.com/wp/think-bayes/