免費！數據科學必讀書單

數據科學是一個跨學科的領域，它包含來自統計學、機器學習、貝葉斯等領域的方法和技術，旨在探索特定的數據結構和內容。在本文中，我們列出了一些優秀的數據科學書籍，這涵蓋了數據科學領域的所有主題，而且可以免費查閱或下載。

1. Foundations of Data Science

鏈接：

https://www.cs.cornell.edu/jeh/book2016June9.pdf

作者： Blum, Hopcroft and Kannan

這本數據科學書籍是現代數據科學理論課程內容的完美結合。

2. UFLDL Tutorial

鏈接：

http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

貢獻者：

Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen

本教程旨在讓你熟悉無監督特徵學習和深度學習的主要思想。

3. Python Data Science Handbook

鏈接：

https://github.com/jakevdp/PythonDataScienceHandbook

作者：Jake VanderPlas

本書介紹了 Python 中處理數據所必需的核心庫：特別是IPython，NumPy，Pandas，Matplotlib，Scikit-Learn 和相關軟體包。

4. Hands-On Machine Learning and Big Data

鏈接：

https://www.gitbook.com/book/kalkaseer/hands-on-ml-and-bigdata/details

作者：Kareem Alkaseer

本書是學習機器學習和大數據概念的重要資源。

5. Think Stats

鏈接：

http://greenteapress.com/thinkstats/

作者：Allen B Downey

這本書可以教你使用簡單的技術來探索現實中的數據集，並解答一些有趣的問題。這是數據科學領域最受推薦的書籍之一。

6. Think Bayes

鏈接：

http://greenteapress.com/wp/think-bayes/

作者：Allen B Downey

這本書通過一些計算方法介紹貝葉斯統計的知識。此外，本書使用 Python 代碼而不是枯燥的數學知識，並通過一些離散近似而不是連續數學的知識來展示一些理論。

7. EE263: Introduction to Linear Dynamical Systems

鏈接：http://ee263.stanford.edu/

作者：Reza Nasiri Mahalati

Sanjay 教授在這本書中強調將線性代數和線性動力學系統應用於電路、信號處理、通信和控制系統。

8. Convex Optimization?—?Boyd and Vandenberghe

鏈接：

http://stanford.edu/~boyd/cvxbook/

作者：

Stephen Boyd and Lieven Vandenberghe

本書全面介紹了數值優化這個主題，並詳細展示了如何高效地解決數值優化這類問題。

9. Essentials of Metaheuristics

鏈接：

https://cs.gmu.edu/~sean/book/metaheuristics/

作者：Sean Luke

這是一套關於元啟發演算法的講座筆記，這個開放式講座面向本科生、從業人員、程序員和其他非專業人士。

10. CIML

鏈接：https://ciml.info/

作者：Hal Daumé III

CIML 是一套涵蓋現代機器學習（監督學習、無監督學習、大量邊際方法、概率建模、學習理論等）大部分內容的綜述性材料。

作者：Shashank Gupta

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！