与大数据相关的书籍,大数据方面的书籍推荐

  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。

相关文章阅读

  • oracle的clob大小,oracle clob类型转字符串,Oracle的CLOB大数据字段类型操作方法
  • ,,大数据分析R语言RStudio使用超详细教程
  • 大数据在不同应用场景的价值体现,举例说明大数据应用的场景和优势
  • Python与大数据,python能不能分析大数据
  • 人工智能产业的框架结构分别为,人工智能产业的框架结构的基础层包括大数据
  • Python处理大数据,Python科学计算及大数据
  • 随着ai和大数据技术的发展,对大数据与人工智能的理解
  • 数据开发和大数据开发的区别,大数据开发是啥
  • 应用统计学思考题,应用统计学在大数据背景下的应用与创新
  • hadoop大数据技术基础及应用pdf,基于hadoop的大数据处理技术
  • 大数据技术主要包括哪几方面,大数据技术包括哪些主要内容
  • 数据存储方式,大数据存储的概念是什么,大数据的存储方式包括
  • 学python大数据,Python做大数据
  • 如何成为大数据架构师,大数据架构师发展前景分析,如何成为大数据架构师,大数据架构师发展前景怎么样
  • 大数据学了能做什么,大数据 要学什么吗,大数据学了能做什么,大数据 要学什么科目
  • 留言与评论(共有 条评论)
       
    验证码: