神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風向。

編者按：為方便對數(shù)據(jù)科學（DATA SCIENCE）感興趣的愛好者和實操者的學習，本文作者分享了 8 類關(guān)于數(shù)據(jù)科學的書籍，包括統(tǒng)計/概率論類、機器學習類、數(shù)據(jù)可視化與分析類、深度學習類、自然語言處理（NLP）類、計算機視覺類、人工智能類和工具/語言類。在分享書籍的同時，作者還提出以下忠告：在數(shù)據(jù)科學領(lǐng)域有多種成功的途徑，而我們要選擇的途徑應該是足夠簡單，足以幫助我們快速上手的。

我們之所以在選擇學習方法上不知所措，往往是因為我們接觸的信息量太大了。與其花更多的時間思考如何獲得研究數(shù)據(jù)科學的技能，不如根據(jù)實際需要，從分享的書中挑選一本，然后開始學習。關(guān)鍵是要始終如一地采取行動，堅持閱讀。閱讀的目的是，學習和發(fā)現(xiàn)隱藏于書中的真實思想。對數(shù)據(jù)科學感興趣的朋友們，如果你還沒選好學習材料，就請閱讀作者推薦的這些頂級書籍吧。本文來自編譯，希望對您有幫助。因篇幅原因，本篇文章分三部分刊出，此為第一部分：

我們從某人的聲音中不能找到的東西，很可能會在他（她）的作品中發(fā)現(xiàn)。——無名氏

在知識爆炸的今天，關(guān)于數(shù)據(jù)科學的學習資源太多了，這會讓我們在選擇時無從下手吧？不要緊，以下是最新的數(shù)據(jù)科學必讀書籍集錦。

圖1. 眾多學習書源

我在網(wǎng)上自學時，總是更傾向于選擇視頻教程或講座。因為我發(fā)現(xiàn)這種選擇使學習變得更簡單，不那么麻煩（和大多數(shù)人的選擇一樣）。

我一直都覺得在網(wǎng)絡(luò)上自學時選擇視頻教程或講座更加簡便易行，直到幾年前我偶然讀到了一本關(guān)于統(tǒng)計學的書，才讓我改變了對看書學習的看法（從“無聊”到“神奇而有趣”）。我要向這本書的作者和出版商致敬。

在挑選關(guān)于數(shù)據(jù)科學的頂級書籍之前，我事先做了廣泛的研究。今天，我將這些書籍分享給所有有抱負的數(shù)據(jù)愛好者和實踐者。大家在讀了這些書之后，一定會讓自己陷入深深的思考之中。

讓我們開始看看這個書單吧……

我按這些書所涉及的領(lǐng)域?qū)⑺鼈儎澐譃橐韵?8 類來詳細介紹，以方便大家選擇：

*統(tǒng)計/概率論類書籍

*機器學習類書籍

*數(shù)據(jù)可視化和分析類書籍

*深度學習類書籍

*自然語言處理（NLP）類書籍

*計算機視覺類書籍

*人工智能類書籍

*工具/語言類書籍

1.統(tǒng)計/概率論類書籍

（1）《統(tǒng)計學學習概論》（Introduction to Statistical Learning）

作者：加雷斯·詹姆斯，丹妮拉·維滕，特來沃爾·黑斯蒂，羅伯特·蒂施萊尼（Gareth James, Daniela Witten, Trevor Hastie，Robert Tibshirani）.

一直以來，這本書都是經(jīng)典書籍。它涵蓋了基本的統(tǒng)計學知識以及機器學習技術(shù)。這本書吸睛的地方在于，每一個概念都用 R 語言做案例分析。所以，我們一旦掌握了編程的技巧，在讀這本書時，就會快速回憶起每一個概念及其在程序中的操作方法。

圖2. 《統(tǒng)計學學習概論》

（2）《思考統(tǒng)計：程序員的概率論和統(tǒng)計學》（Think Stats: Probability and Statistics for Programmers）

作者：艾倫·B·唐尼（Allen B. Downey）

這本書在眾多數(shù)據(jù)科學書籍中是首選書籍。它提供了大量的資源。尤其是對于有一定 Python 基礎(chǔ)知識的人，它特別實用，可以用來做數(shù)據(jù)分析。

圖3. 《思考統(tǒng)計：程序員的概率論和統(tǒng)計學》

（3）《統(tǒng)計學的藝術(shù)：從數(shù)據(jù)中學習》（The Art of Statistics: Learning from Data）

作者：大衛(wèi)·斯皮格爾霍爾特（David Spiegelhalter）

這本書最大的亮點是采用了淺顯易懂的案例來講解理論。這本書不僅層層剖析了特定的問題，還給問題提供了具有漸進性和一致性的統(tǒng)計解決方案。簡而言之，它使統(tǒng)計學的學習變得簡單了！

圖4. 《統(tǒng)計學的藝術(shù)：從數(shù)據(jù)中學習》

（4）《概率論：狂熱初學者入門》（Probability: For the Enthusiastic Beginner）

作者：大衛(wèi)·莫蘭（David Morin）

圖5. 《概率論：狂熱初學者入門》

這是一本概率論初學者的理想讀物。它涵蓋了所有的基礎(chǔ)知識，包括組合學，概率規(guī)則，貝葉斯定理，期望值，方差，概率密度，公共分布，大數(shù)定律，中心極限定理，相關(guān)性，回歸分析等等。

（5）《概率論入門》（Introduction to Probability）

圖6. 《概率論入門》

作者：J·勞里·斯奈爾，查爾斯·米勒·格林斯特德（J. Laurie Snell，Charles Miller Grinstead）

這又是一本介紹概率概念的書籍。和《概率論：狂熱初學者入門》一樣，這本書是為研究生而寫的綜合教材。

（6）《赤裸裸的統(tǒng)計——從數(shù)據(jù)中剝離恐懼》（Naked Statistics — Stripping the Dread from the Data）

作者：查爾斯·韋蘭（Charles Wheelan）

統(tǒng)計學有時候是一個令人生畏的話題。在這本書中，作者以一種風趣而簡潔的方式闡明了關(guān)鍵概念，如推理、相關(guān)性和回歸分析等。

圖7. 《赤裸裸的統(tǒng)計——從數(shù)據(jù)中剝離恐懼》

2.機器學習類書籍

（1）《百頁機器學習書》（The Hundred-Page Machine Learning Book）

圖8. 《百頁機器學習書》

作者：安德烈·博爾科夫（Andriy Burkov）

我真心喜歡這本書。在讀到它之前，我閱讀了大量的試圖從不同角度和不同層面講授機器學習的書籍。我絞盡腦汁地想從這些書中找到一個方法，希望它能夠簡潔地概括難以理解的話題和難以理解的方程式。可是，直到讀了安德里·布爾科夫用大約 100 多頁的篇幅寫出來的這本書，我才找到了這個方法。這本書文筆優(yōu)美，易于理解，已經(jīng)得到了許多人的認可。

（2）《數(shù)據(jù)科學介紹》（Introducing Data Science）

作者：戴維·西倫（Davy Cielen）等

出版商：曼寧（Manning）

圖9. 《數(shù)據(jù)科學介紹》

我喜歡這本書有一個特殊的原因，那就是，這些書不僅包含了我們常見的關(guān)于數(shù)據(jù)科學的主題，它還包括了數(shù)據(jù)科學整個領(lǐng)域的其他方面。我強烈推薦閱讀這本書，它會或多或少地會讓我們熟悉數(shù)據(jù)科學的全貌。

（3）《從頭開始的數(shù)據(jù)科學》（Data Science from Scratch）

作者：喬爾·格魯斯（Joel Grus）

出版商：奧萊利（O’Reilly）

圖10. 《從頭開始的數(shù)據(jù)科學》

這本書的第二版已經(jīng)發(fā)布了，因為它囊括了各種基本原理。也是因此，它已經(jīng)成為一本倍受歡迎的書。這相當于是一個完整的一攬子交易，讀了一本就等于讀了很多本，十分推薦本書。

（4）《Python數(shù)據(jù)科學手冊》（Python Data Science Handbook）

作者：杰克·范德普拉斯（Jake VanderPlas）

出版商：奧萊利

圖11. 《Python數(shù)據(jù)科學手冊》

這本書最適合那些剛開始做數(shù)據(jù)分析或數(shù)據(jù)科學的人閱讀，這正是他們所需要的那本能夠參見所有技術(shù)的書。本書能夠強化你對 python 的掌握程度，并可促進你在數(shù)據(jù)科學上的工作。

（5）《在數(shù)據(jù)科學領(lǐng)域建立職業(yè)生涯》（Build a Career in Data Science）

作者：艾米麗·羅賓遜，杰奎琳·諾里斯（Emily Robinson，Jacqueline Nolis）

出版商：曼寧

圖12. 《在數(shù)據(jù)科學領(lǐng)域建立職業(yè)生涯》

這本書于2020年出版，主要陳述了與學習數(shù)據(jù)科學相關(guān)的技術(shù)內(nèi)容。我們必讀這本書的原因是，它教我們?nèi)绾卧跀?shù)據(jù)科學行業(yè)工作。

（6）《數(shù)據(jù)科學的藝術(shù)——給任何與數(shù)據(jù)打交道的人的指南》（The Art of Data Science — A Guide for Anyone Who Works With Data）

作者：羅杰·D·彭，伊麗莎白·松井（Roger D. Peng， Elizabeth Matsui）

這本書不僅對數(shù)據(jù)分析工作流程做了完美的概述，還清楚地闡述了一個觀點——盡管存在許多工具、復雜的一步步的信息迭代過程，數(shù)據(jù)分析從根本上講依然是一門藝術(shù)。

圖13. 《數(shù)據(jù)科學的藝術(shù)——給任何與數(shù)據(jù)打交道的人的指南》

3.數(shù)據(jù)可視化與分析類書籍

（1）《數(shù)據(jù)可視化的基礎(chǔ)——信息豐富且引人注目的數(shù)字制作入門》（Fundamentals of Data Visualization — A Primer on Making Informative and Compelling Figures）

作者：克勞斯·沃克（Claus O. Wilke）

本書采用舉出正面和反面例子加以對比的方式，介紹了數(shù)據(jù)可視化的基本原則。它可以幫助我們理解有效的可視化背后的基本原理，并教會我們設(shè)計更有意義的模塊來傳達正確的信息。

圖14. 《數(shù)據(jù)可視化的基礎(chǔ)——信息豐富且引人注目的數(shù)字制作入門》

（2）《美麗的可視化，通過專家的眼睛看數(shù)據(jù)》（Beautiful Visualization, Looking at Data Through the Eyes of Experts）

作者：朱莉·斯蒂爾，諾亞·伊林斯基（Julie Steele, Noah Iliinsky）

網(wǎng)站：奧萊利媒體|亞馬遜（O "Reilly Media| Amazon）

圖15. 《美麗的可視化，通過專家的眼睛看數(shù)據(jù)》

“可視化”是讓數(shù)據(jù)說話的一種新方式，通過顏色等視覺指標達到溝通的目的，并通過一定的研究方法將數(shù)據(jù)和視覺指標整合在一起。

這本書講述了一些著名的可視化設(shè)計和開發(fā)產(chǎn)品。

（3）《周一改頭換面——每次用一張圖表改進我們可視化和分析數(shù)據(jù)的方式》（MakeoverMonday — Improving How We Visualize and Analyze Data, One Chart at a Time）

作者：安迪·克里貝爾（Andy Kriebel）

此書是周一改頭換面（MakeOverMonday）項目的擴展，在這個項目中，數(shù)據(jù)可視化社區(qū)的成員可以分享他們對現(xiàn)有圖表和數(shù)據(jù)的改進。它強調(diào)，雖然在設(shè)計可視化中存在可變性，但有一些關(guān)鍵技術(shù)可以遵循，以確保自己的圖表是有作用和有意義的。

圖16. 《周一改頭換面——每次用一張圖表改進我們可視化和分析數(shù)據(jù)的方式》

（4）《用數(shù)據(jù)講故事——商務(wù)專業(yè)人士的數(shù)據(jù)可視化指南》（Storytelling with Data — A Data Visualization Guide for Business Professionals）

作者：科爾·努斯鮑默·克納菲奇（Cole Nussbaumer Knaflic）

對于任何一個想要更好地以清晰、簡潔和圖形化的方式呈現(xiàn)信息的人來說，這是一本必讀的書。這本書教給我們數(shù)據(jù)可視化的基礎(chǔ)知識，以及如何有效地使用數(shù)據(jù)，并舉出了大量現(xiàn)實的例子。

圖17. 《用數(shù)據(jù)講故事——商務(wù)專業(yè)人士的數(shù)據(jù)可視化指南》

（5）《更好的數(shù)據(jù)可視化：學者、研究人員和書蟲的學習指南》（BETTER DATA VISUALIZATIONS: A Guide for Scholars, Researchers, and Wonks》

作者：喬納森·施瓦比什（Jonathan Schwabish）

此書包括三個部分。第一部分簡要介紹了數(shù)據(jù)可視化的最佳實操方式。第二部分是本書的主要部分，講述了圖表類型。施瓦比什深入研究了不同類型的圖表，這些圖表遠遠超出了直線和條形的標準。

圖18. 《更好的數(shù)據(jù)可視化：學者、研究人員和書蟲的學習指南》

相關(guān)閱讀：學習數(shù)據(jù)科學的8類必讀書籍（中）

學習數(shù)據(jù)科學的8類必讀書籍（下）

譯者：甜湯

關(guān)鍵詞： 機器學習 數(shù)據(jù)分析 改頭換面