机器学习与数据科学领域年度最佳书单(下)
已 经 置 顶 了 我
转自：小象
链接：http://mp.weixin.qq.com/s/Ty_st2DpoPfrWsSRF3vuVw
翻译：陈洁燕, 邹振涛, 黄维中
最近数据科学、数据思维以及相关学科的书籍的热销反映出读者对这些学科的兴趣呈爆炸式高涨。这个书单2016年在亚马逊上关于人工智能，机器学习和大数据方面最畅销的20本书。
11
终极指南从初学者到专家 - 马上学习和掌握SQL
原标题：SQL: The Ultimate Guide From Beginner To Expert - Learn And Master SQL In No Time! (2016 Edition)
作者：Peter Adams
评分：4.5星
有了这个快速指南，彼得·亚当斯将在一瞬间带你从初学者带到专家。每章涵盖了所有你需要掌握成为一名数据库忍者的关键概念。你会学习应用所有的基本知识，并得到详细的例子，但是这本书并没有就此止步。您还可以得到一整章专家建议如何在科技行业中工作，比如保持健康，并组织怎样修理或组装一台电脑 。
12
数据主义： 改造决策，消费者行为，以及几乎其他所有的革命
原标题： Data-ism: The Revolution Transforming Decision Making, Consumer Behavior, and Almost Everything Else
作者：Steve Lohr
评分：4.2星
在数据主义，纽约时报记者史蒂夫劳尔解释了大数据技术是如何在在一场成为下一波经济高效率和创新基石的革命中起到重大作用。大数据技术也对决策在不久的将来将会如何制定并且应该如何制定起到哲学以上的意见作用。劳尔不但调查了大数据技术的好处，同时检查其黑暗的一面。
13
Python机器学习
原标题： Python Machine Learning
作者：Sebastian Raschka
评分：4.3星
⏩将python最强大的开源库用于深度学习，数据组织，并且数据可视化
⏩了解有效策略和最佳实践来改进和优化机器学习系统和算法
⏩问题 –并且回答-为一系列数据集的构建的并有强大统计模型数据的难题，
14
从基础开始的数据科学－使用Python 第一原理
原标题：Data Science from Scratch: First Principles with Python 1st Edition
作者：Joel Grus
评分：4.2星
如果您对于数学和一些编程技能有一定资质，笔者Joel Grus 将有助于你在数据科学的核心合理运用数学和统计，并掌握需要称为数据科学家的一些黑客科技。今天的数据虽然杂乱但是仍然能够回答一些甚至没有人想到去提问的问题。这本书为您提供了诀窍去挖掘这些问题的答案。
15
统计学习的要素：数据挖掘，推理，和预测
原标题： The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition
作者：Trevor Hastie, Robert Tibshirani, Jerome Friedman
评分：4.1星
这本书描述了在一个共同的概念框架下这些领域的重要思想。虽然这种方法是关于统计的，强调的却是概念，而不是数学。书中给出了许多例子并附有彩色图标。它是统计人员和任何对于数据挖掘科学或行业有兴趣的人的宝贵资源。这本书的覆盖面广，从监督学习（预测）到无监督学习。许多主题包括神经网络，支持向量机，分类树和提升---在任何书籍中的第一个综合治理这个话题的书本。
16
十分钟内sams教会你sql
原标题：SQL in 10 Minutes, Sams Teach Yourself (4th Edition)
作者：Ben forta
评分：4.6星
专业培训师和受欢迎的作者本Forta只是教会你需要知道关于sql的知识，从简单的数据检索和快速去到更复杂的主题包括连接的运用，子查询，存储过程，游标，触发器和列表。在短短的22个,只要10分钟左右完成的章节中，你将有条不紊地，系统地学习关于sql。
17
在商业领域的数据科学：关于数据挖掘和数学分析思考你所需要知道的事
原标题：Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking 1st Edition
作者：Foster Provost, Tom Fawcett
评分：4.6星
由著名的数据科学专家Foster Provost, Tom Fawcett撰写，这本书籍介绍了数据科学的基本原则，并教会你数据思考分析带领你从你收集的数据中提取有用的知识和商业价值。该指南还可以帮助您了解今天使用的许多数据挖掘技术。
18
运用随机森林和决策树：一个较为直观的指南，并附以一些python
原标题：Machine Learning With Random Forests And Decision Trees: A Mostly Intuitive Guide, But Also Some Python
作者：Scott Hartshorn
评分：4.6星
这本书的重点是在概念层面理解随机森林。了解它们是如何工作的，为什么他们这样工作，以及哪些选项可改善效果。这本书以直观的方式涵盖了随机森林是如何工作的，并解释背后的许多功能的公式，但它只有少量的python代码
19
用于数据分析的python：pandas, numpy, Ipython之间的数据牵扯
原标题：Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
作者：ScottHartshorn
评分：4.2星
这本书涉及了python 中操纵，加工，清洗运算数据的螺母和螺栓。这也是一个很实用并且现代的对于python科学计算的介绍，并为数据密集型应用量身打造。如果你需要有效地解决一系列广泛的数据分析问题，这本书概括了许多你所需要的python语言和数据库。这本书并不是使用Python作为实现语言分析方法的展览会。
20
凡人使用地sql查询库：一本sql数据操作的动手指南
原标题：SQL Queries for Mere Mortals: A Hands-On Guide to Data Manipulation in SQL (3rd Edition)
作者：John L.Viescas, Michael J. Hernandez
评分：4.4星
一步一步，John L.Viescas, Michael J. Hernandez指导您完成几乎任何现代基于SQL的数据库中创建可靠的查询。他们解密了SQL查询写作的各个方面，从简单的数据选择和过滤到加入多个表和修改数据集。三个全新章节教你如何解决一系列具有挑战性的SQL问题。您将学习如何编写在一个表上应用多种复杂的条件，进行复杂的逻辑评估查询，用意想不到地方式运用不连接数表。
机器学习算法与Python学习