EN

Vol.7

打开微信,点击底部的“发现”,使用“扫一扫” 即可将网页分享到我的朋友圈。

做数据分析不得不看的书有哪些?

  1. 3956
  2. 3

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

 做数据分析不得不看的书有哪些?-1.jpg

一、数据分析入门:

《Head First Data Analysis》 电子工业出版社的经典书目系列,从数据分析基本步骤开始、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多,适合入门。

《Head First Statistics》 推荐理由同上,适合入门者的经典教材。

《R in Action-Data Analysis and Graphics with R》链接:R语言实战 (豆瓣) R是属于GNU系统的一个自由、免费、源代码开放的软件,用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合,堪称经典。

《数据之魅-基于开源工具的数据分析》 作者是华盛顿大学理论物理学博士。这本书是数据分析的经典一,包含大量的R语言模拟过程及结果展示,例举了很多数据分析实例和代码。

《数据挖掘-市场营销、销售与客户关系管理领域应用》 作者是Data Miners的创办人,有二十多年的营销和客户关系管理结合数据挖掘的经验。详细介绍了作为一个数据挖掘团队需要的知识体系,包括数据库、SAS使用、统计学、机器学习、数据可视化、如何访问用户收集需求、如何写论文与沟通等等。有条件的建议看英文原版。

《Data Analytics for Beginners: Basic Guide to Master Data Analytics》 入门五星推荐。里面很多图表实例,手把手教你如何EXCEL画图,对各种知识点(平均值,模式,中值,方差,标准偏差)的讲解相当的到位,比起大学里的各种课本靠谱。

先把这些花时间啃啃,数据分析的理论部分就基本入门了,根据实际情况还需要结合你的业务需求来进行系统的学习。

二、数据分析进阶:

《Doing Data Science》 作者Cathy O’Neil是哈佛大学的博士,MIT的数据博士后,曾今作为一名Quant在对冲基金D.E. Shaw 工作,目前是一家纽约初创公司的Data scientist 。这本书需要有一定的编程和理论基础,作为入门教材来说有点难,虽然只有400来页,但是涉及的知识点很全面。每一章节的核心内容都附有编程案例,R/Python/Shell三种语言任君挑选。

《Python for Data Analysis》 Python数据分析必看,适合入行不久的数据分析师。作者有多年的Python数据分析工作经验,对各种Pyhon包iPython,NumPy,pandas,matpotlib等有着很深的理解。看完这本,敲完代码,Python数据分析就算入行了。

《Data Science for Business》 很多牛人为之作序,数据科学如何与商业结合,相信这本书会给你一些启发。

《Python Data Science Handbook》 2016年6月出版的,500页保质保量,作者(Jake VanderPlas)是华盛顿大学电子科学研究所的高级数据科学研究员,研究领域包括天文统计学、机器学习和可扩展计算。书的前半部分介绍了用于数据分析和一般的科学计算的基本Python库,后面从实际应用的角度使用Python库scikit-learn开始机器学习实践。适合有一定Python基础人(或者R基础),并且想学习如何使用Python进行数据分析的人。

《Storytelling with Data》 作者Cole Nussbaumer Knaflic,私募分析师,前Google人力分析团队总监。本书展示了如何高效率展示量化资讯,如何用丰富的资料讲故事。Google内部的数据可视化课程讲师,之前也在Maryland Institute College of Art兼职讲师。如果你想知道如何以图叙事,这边好书不容错过。

分享到微信朋友圈
打开微信,点击底部的“发现”,使用“扫一扫” 即可将网页分享到我的朋友圈。