资源｜成为数据科学工程师必读的最经典三本书

我记得我第一次学习数据科学时。几乎有太多的资源和太多的东西可以学习，然而太多的学习资源就很容易迷路。回想起来，我探索了许多有趣的途径，尽管这些途径并不是最有效的入门方法。本文推荐三本最基础，最经典的的书来帮助您专注于学习。

一、《Python For Data Analysis》

我从Pandas的创建者本人撰写的经典的Pandas书开始：Python for Data Analysis。我认为虽然这本不是一本完美的书。它读起来几乎像一本食谱，但是我发现它是开始使用Python进行数据分析的最佳方法。它将教您如何使用Python进行设置以及如何加载，处理，清理和可视化数据。

刚开始时，从数据处理和分析部分入手是一种更好的策略，因为它可以帮助您真正了解数据并强调在机器学习之前需要执行的所有步骤的重要性。而且，这往往是使Python适应数据科学的最佳方法，并且可以为下一本书做好准备。

二、动手机器学习（Hands-On Machine Learning）

当你对Python和数据处理感到满意之后，就该开始建模了！《Hands-On Machine Learning with Scikit-Learn & TensorFlow》是一本使用机器学习建模的最为经典的书。本书将带您从线性回归一直到GAN，并大规模部署深度学习。这个跨度的讲解是令人难以置信的，但书的作者做得如此精美有通俗可读。

这本书肯定让你会花一些时间，它非常适合初学者，因此，只要努力，我认为几乎任何人都可以读懂它。而且，如果你这样做了，你将在不久的将来就会拥有强大的机器学习知识和实践经验基础。

三、统计学习导论（Introduction to Statistical Learning）

最后，每个人都应该阅读《统计学习入门》。它涵盖了与《Hands-On Machine Learning with Scikit-Learn & TensorFlow》相同的算法，但是利用统计学做了更加深度的探讨。它还深入到了回归模型的世界，并为实际应用提供了代码。

虽然这本书有比较多的数学推导，但是这本书更侧重于直观的解释，而不是数学。因此，读者不会感到特别的晦涩难懂。

四、坚实的基础

如果读者可以坚持读完这三本书，相信你一定会发现自己拥有扎实的基础，可以更深入地探索几乎任何数据科学领域。由于这些书是针对刚进入该领域的读者的，因此您可能会发现缺少的主要领域是数学上的严格性。但是，从实用而直观的方法开始，可以帮助我们建立更深入的学习动力。希望这些书对大家有所帮助！

获取方式：

关注此头条号，私信小编，回复“数据科学经典”即可免费领取（建议复制，避免错字）