与大数据相关的书籍,大数据方面的书籍推荐

　　当然不能只说转行，还是要努力的，所以我买了很多书，也获赠了很多书。以下是我在过去一年半时间里看过的一些相关书籍：

　　结构化查询语言

　　SQL学习指南

　　个人推荐指数：

　　SQL是学习数据分析和挖掘的必备。我读这本书是因为我以前买过它。个人感觉初学者会纠结多表连接和查询很久。当然，我不是很擅长SQL，还需要加强。可惜这本书上的数据好像没有提供，我没法实践。

　　计算机编程语言

　　Python基础教程

　　个人推荐指数：

　　书的内容是用Python2写的，不适合初学者学习。因为Python2不会很快维护，不如学Python3，而且在JD.COM等商场卖的很好。但不建议作为入门书，因为第六章开始写参数魔法，初学者会很难理解。入门书要生动有趣，通俗易懂，这也是我从零开始写Python的原因之一。

　　听说第三个出版的版本是Python3写的。

　　像计算机科学家一样思考Python

　　个人推荐指数：

　　这本书销量很高，我看的时候印象最深的就是递归的思想。如果你已经看过我的《Python入门基础教程》，那就没必要看这本书了。这本书相对多余的知识点在前几篇Python高级文章里已经写过了。这本书不适合作为入门书，因为每一点都不全面。

　　HeadFirstPython

　　个人推荐指数：

　　这本书是我接触Python看的第一批书之一。书中有大量的插图，使用Python可以解决一些实际问题。初学者可以不按照这本书的内容去理解代码就行了，因为这本书的代码太多，可能会让初学者开始放弃。

　　Python程序设计基础

　　个人推荐指数：

　　这本书推荐给喜欢应试教育的朋友，作为入门书也很合适。基于Python3编写，Python加入了全国计算机二级考试。这本书作为教材也很ok。

　　光滑蟒蛇皮

　　个人推荐指数：

　　这本书献给那些想更优雅地写Python的朋友。通过深入分析Python的深层内容，认真阅读，每一章都有很大的收获。当然，书很厚，我还没看完。

　　网络爬虫

　　精通Python网络爬虫

　　个人推荐指数：

　　我是通过大方的看老师的视频来学习网络爬虫的，简单易懂，很棒！这本书出版后，我又读了一遍。该书对网络爬虫、urllib库、正则表达式和scrapy的原理进行了详尽的解释。推荐大家看看BeautifulSoup，xpath等功能强大的解析库。这本书使用Fiddler抓取数据包进行分析，但我推荐Google Chrome的开发者模式。

　　数据分析

　　简单的数据分析

　　个人推荐指数：

　　这本书适合作为学习数据分析的入门书籍。书中有大量的插图，生动的形象和简单的解释。每一章都是为了解决具体问题而反复思考迭代。

　　机器学习

　　白话大数据和机器学习

　　个人推荐指数：

　　推荐这本书做入门机器学习。不用担心书中的代码。看看每一种机器学习的例子。很好理解。书中漫画插图较多，算法原理推导基本不深入，尤其是隐马尔可夫部分。作为一本机器学习入门书籍非常棒！

　　机器学习

　　个人推荐指数：

　　《周志华老师的机器学习》应该算是国内机器学习书籍销量最高的了。除了国外的书，这是你学习机器学习必看的经典书籍(因为我知道国外有几本经典的机器学习书籍)。这本书从西瓜数据开始，到西瓜数据结束，每个算法都是从点到点运行的(不是说深度不够，这里指的是篇幅不是废话)。对我帮助最大的是本书第二章的模型评估和选择，非常系统。当然，书中的理论推导是很难的。有兴趣可以看一些学习笔记。

　　机器学习基础课程

　　个人推荐指数：

　　这本书是一本理论书，从线性回归入手，详细推导了所有的最小二乘法和最大似然法，热情满满。之后的贝叶斯方法和贝叶斯推理太理论化，让人想撕书，但是很好理解，然后的分类，聚类，降维也没啥特色。数学好的同学可以挑战一下，看看。

　　集体规划

　　个人推荐指数：

　　这本书的Python代码是2版，书比较老(经典)。我看了一部分就放弃了这本书，因为书里的数据提供的很多网站都失败了。不过这本书的想法还是不错的，以后还会回来看看。

　　机器学习实战

　　个人推荐指数：

　　这本书很有力量。基本上不需要sklearn等人做的轮子。基本上你自己定义函数来实现功能。对你从底层理解机器学习代码的实现很有帮助。评论不够多，可能会不明白某个代码的意思。可以用打印功能输出，然后理解。如果你遇到新的方法，你可以利用它。因为书比较老，有些方法已经改了或者不用了。试试百度最新的替代方法。

　　Python机器学习与实践

　　个人推荐指数：

　　全书180页，不到两天就能看完。书中提供的代码是Python2。如果稍微修改一下，换成Python 3再运行。如果你有Python基础，你会跳过第一章。第二章将实现常用的机器学习算法，主要是sklearn。看完这一章，你就知道用sklearn进行机器学习的步骤了：导入数据，预处理数据，训练数据训练模型，测试数据。第三章是本书的两个点，讲的是特征提升，模型正则化，模型验证，超参数搜索优化。在这本书里，很好的解释了模型的欠拟合和过拟合部分，然后介绍了一些流行的库，包括NLTK，Word2Vec，XGBoost，Tensorflow，涉及到自然语言处理和深度学习。本书原理简述，最后一章讲鼓励参与Kaggle竞赛，并给出三个案例进行说明。这本书适合学过sklearn基础知识，想用sklearn实现一个完整的机器学习项目的朋友。缺点是书上的模型基本都是用默认参数。

　　统计学习方法

　　个人推荐指数：

　　想学数据挖掘或者机器学习，必然要接触数学相关的理论。虽然你只能用sklearn做机器学习，但是如果你不了解底层的理论，是无法深入做的。而且这本书是为机器学习打好基础的书。第一门课是大学数学三件套(高等数学、线性代数、概率论、数理统计)。如果你没有特别好的数学基础，看这本书的时候也不会像我一样看懂一些公式推导。不要慌，百度看别人的学习笔记或者技术博客，慢慢学习。这本书适合多次阅读，每次都有新的收获。这本书本身并不厚，有230页。建议边看边在旁边写上感悟推导公司，方便下次阅读。

　　数据挖掘技术

　　数据挖掘简介

　　个人推荐指数：

　　这是入门，所以不要简单的认为他很难理解。第一章是绪论，第二章详细讨论了数据的概念。你会接触到很多不熟悉的术语，分类算法就不多讲了。SVM对内核函数的介绍尤为生动。这本书在相关性分析和聚类分析上花了很多笔墨，深入挖掘。这本书的最后讲的是异常检测，书里全是理论，但什么都没说。

　　数据结构算法

　　大话数据结构

　　个人推荐指数：

　　如果你还是在校学生，想通过校招找到一个数据分析与挖掘或者机器学习的岗位，那么不可避免的会面临数据结构算法的问题。如果你和我一样是非专业人士，又是数据结构算法新手，你会很笨。那么我向你推荐这本书，里面有很多插图可以帮助你理解

　　学无止境。要坚持阅读，总结，提高。还有很多书等着我去读，以后会继续分享给大家~

　　买书如山，读书如丝，不要只有三分钟热度，学习是一场持久战，哦不，是一个持久快乐的过程。

　　买书的时候可以经常逛逛JD.COM和当当。年中中国大学促进会好像有五折优惠。通常情况下，也有折扣。最近当当有图书100-40的优惠(我要去拿盒饭)。

　　人工智能、大数据、云计算、物联网的未来发展值得关注，都是前沿产业。多智能时代重点介绍人工智能和大数据的介绍和科学谱。在这里，我给大家推荐几篇质量很高的好文章：

　　进入大数据科学领域，我们需要具备哪些数学基础？

　　http://www.duozhishidai.com/article-14941-1.html

　　数据科学家的工作性质是什么，他们面临的主要挑战是什么？

　　http://www.duozhishidai.com/article-13986-1.html

　　什么是数据科学，如何成为一名数据科学家？

　　http://www.duozhishidai.com/article-8521-1.html

　　多元智能时代-人工智能与大数据学习介绍网站人工智能、大数据、物联网、云计算学习交流网站

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。