亚洲精品99,三级片91,超碰在线观看中文字幕版,高清无码毛片网站,亚洲自拍网站,91精品人妻一区二区三区蜜桃,AV天堂无码精品,九一亚洲

來源：https://fivebooks.com/best-books/data-science-roger-peng/

翻譯內(nèi)容來源程序員書庫(kù)

數(shù)據(jù)科學(xué)在近幾年變得非常流行，Roger D. Peng是一名霍普金斯大學(xué)的生物統(tǒng)計(jì)學(xué)教授，美國(guó)統(tǒng)計(jì)協(xié)會(huì)的會(huì)員，同時(shí)他也是最大的數(shù)據(jù)科學(xué)在線課程的創(chuàng)始人之一。今天，我們就一起來看看他都推薦了哪些關(guān)于數(shù)據(jù)科學(xué)的書籍。

在我們知道這些書單之前，先了解一下Roger D. Peng是如何從生物統(tǒng)計(jì)科學(xué)轉(zhuǎn)向數(shù)據(jù)科學(xué)？

Roger D. Peng：在我看來，我作為生物統(tǒng)計(jì)學(xué)家所做的大部分工作和我作為數(shù)據(jù)科學(xué)家所做的是一樣的。數(shù)據(jù)科學(xué)的范圍很廣，許多人都離不開它，這也是為什么近幾年會(huì)出現(xiàn)“數(shù)據(jù)科學(xué)”這個(gè)概念的原因，真正讓我更深入這個(gè)社區(qū)的是一系列的課程，我和我的同事Brian Caffo和Jeff Leek通過Coursera開展的一系列數(shù)據(jù)科學(xué)和R語(yǔ)言教程。

目前已經(jīng)有8000多名學(xué)生參加完Roger D. Peng的完整在線數(shù)據(jù)科學(xué)專業(yè)課程，數(shù)百萬(wàn)人選修了其中一到兩門課程。話不多說，接下來就來看看Roger D. Peng推薦的這幾本書

1、《Statistical Evidence》

推薦理由：Richard Royall也是霍普金斯大學(xué)的教授，但在我加入之前他就已經(jīng)退休了，這本書徹底改變了我對(duì)數(shù)據(jù)分析和統(tǒng)計(jì)思維的看法，這本書很薄，讀起來很快，但我已經(jīng)讀了20~30遍。每一次，我都可以從里面學(xué)到新東西，它有點(diǎn)學(xué)術(shù)性和數(shù)學(xué)性，比確實(shí)需要一些統(tǒng)計(jì)學(xué)背景才能更好地閱讀它。

它講的是數(shù)據(jù)提供給你的東西和你把數(shù)據(jù)和外界事物結(jié)合起來會(huì)發(fā)生什么之間的區(qū)別。他還解釋了統(tǒng)計(jì)學(xué)中的概率論、貝葉斯理論等，他主要的觀點(diǎn)是我們做的一些事情可以追溯到數(shù)據(jù)，你需要把兩件事情分開，一是建立數(shù)據(jù)，然后才是決定要用它去做什么（比如決策、病人參與試驗(yàn)等等）

我們經(jīng)常將數(shù)據(jù)和外部元素相結(jié)合從而做出決策，但是許多工具將這些因素打包在一起，反而讓事情變得復(fù)雜，Royall的思維方式對(duì)于我來說很新穎，它對(duì)我如何進(jìn)行數(shù)據(jù)分析產(chǎn)生了深遠(yuǎn)的影響，很多關(guān)于數(shù)據(jù)分析的討論都傾向于把所有事情混在一起，因?yàn)樗鼈兪恰皵?shù)據(jù)相關(guān)”的，但是不要忘了，數(shù)據(jù)分析師的角色固然重要，但是他們和科學(xué)家或決策者的角色是不同的，我們要把他們區(qū)分開來。

2、《Visualize This》

推薦理由：Nathan Yau是一名統(tǒng)計(jì)學(xué)家，和我一樣擁有加州大學(xué)洛杉磯分校(University of California, Los Angeles)的博士學(xué)位，Yau在他的博客‘Flowing Data’中寫了很多關(guān)于數(shù)據(jù)可視化的文章，這本書就是關(guān)于如何更好的將數(shù)據(jù)呈現(xiàn)給其他人，你可以使用哪些工具，以及你可以實(shí)現(xiàn)的可視化類型有哪些。

Yau在這個(gè)領(lǐng)域是一個(gè)很了不起的專家，他在他網(wǎng)站上展示的那些例子都是經(jīng)過精心設(shè)計(jì)的，你可以從這本書里學(xué)到的一件事就是思考你在做什么，以及確保你的數(shù)據(jù)可視化達(dá)到你的理想結(jié)果。

3、《Storytelling with Data》

推薦理由：Cole Nussbaumer Knaflic曾在谷歌任職，離開谷歌后寫下了這本書，她和Nathan Yau有一個(gè)關(guān)于數(shù)據(jù)分析的博客——‘Storytelling with Data’，她非常注重可視化，本書關(guān)注的是那些將成為分析或報(bào)告的接收端的受眾，最重要的是考慮他們需要的是什么，以及分析數(shù)據(jù)時(shí)，哪些選擇對(duì)受眾是最佳的。

她另一個(gè)重要的思想是你如何講述數(shù)據(jù)分析呈現(xiàn)的效果，在進(jìn)行數(shù)據(jù)分析時(shí)，你可能會(huì)創(chuàng)建了數(shù)百?gòu)垐D片從而擬合數(shù)千個(gè)查看數(shù)據(jù)的不同方式，但最后你一定要把這些結(jié)果整理成連貫的東西。從某種程度上來說，一個(gè)數(shù)據(jù)的分析和輸出只完成了四分之三，最后一個(gè)的部分是你要從中建立一個(gè)最終的“數(shù)據(jù)產(chǎn)品”。

4、《An Introduction to Statistical Learning》

推薦理由：這本書是由機(jī)器學(xué)習(xí)領(lǐng)域的一群權(quán)威作者寫的，同時(shí)，他們也是偉大的作家，同一家出版社還出版了另一本書，叫做《the Elements of Statistical Learning》，這本書更先進(jìn)一些，可以吸引更多的讀者，如果您真的想深入了解目前使用的模型和統(tǒng)計(jì)工具的核心內(nèi)容，這是一個(gè)很好的參考資料，也是一個(gè)很好的學(xué)習(xí)方法。書里面有很多代碼示例，其中包括一個(gè)用R包來實(shí)現(xiàn)模型、運(yùn)行示例等。

這本書使用R編寫代碼，我用R語(yǔ)言已經(jīng)20年，我在學(xué)校的時(shí)候就開始使用它了，那時(shí)我對(duì)Python還不太了解，無(wú)論怎么說，Python和R都是兩門很好的語(yǔ)言。這是一本相當(dāng)有深度的書籍，在數(shù)學(xué)方面比其他類似的資源要多一點(diǎn)，而且比最近的許多課程更注重?cái)?shù)學(xué)，這些課程向你展示了可以使用的“現(xiàn)成的”機(jī)器學(xué)習(xí)算法，而沒有過多地介紹底層模型。

5、《Design Thinking Understanding How Designers Think and Work》

推薦理由：我選擇的五本書在數(shù)據(jù)科學(xué)方面是相當(dāng)抽象的，我本可以推薦一堆關(guān)于詳細(xì)統(tǒng)計(jì)、R編程等方面的書籍，但我故意選了一些高一點(diǎn)的書籍，作為一個(gè)做過大量數(shù)據(jù)分析的人，我發(fā)現(xiàn)當(dāng)你分析數(shù)據(jù)的時(shí)候很容易缺乏正確的思維模式，大多數(shù)大學(xué)都有一個(gè)叫做“數(shù)據(jù)分析”的課程，通常它會(huì)提供各種有用的工具，但很少討論分析本身實(shí)際發(fā)生了什么。

所以這本書是關(guān)于一般的設(shè)計(jì)，而不是具體的數(shù)據(jù)分析，因?yàn)槊恳豁?xiàng)數(shù)據(jù)分析都是獨(dú)一無(wú)二的，因此很難在不同的經(jīng)驗(yàn)中進(jìn)行歸納

---END---

謝謝大家觀看，如有幫助，來個(gè)喜歡或者關(guān)注吧！

本文僅供學(xué)習(xí)參考，有任何疑問及建議，掃描以下公眾號(hào)二維碼添加交流：

霍普金斯大學(xué)教授強(qiáng)烈推薦的5本數(shù)據(jù)科學(xué)經(jīng)典書籍

謝謝大家觀看，如有幫助，來個(gè)喜歡或者關(guān)注吧！

謝謝大家觀看，如有幫助，來個(gè)喜歡或者關(guān)注吧！