数据科学 怎样进行大数据入门级学习？.pdfVIP

数据科学 怎样进行大数据的入门级学习 ？ 数据科学并没有一个独立的学科体系 ，统计学 ，机器学习 ，数据挖掘 ，数据 ，分布式计算 ，云 计算 ，信息可视化等技术或方法来对付数据。 但从狭义上来看 ，我认为数据科学就是解决三个问题 ： 1. dat a pre-processing;(数据预处理 ） 2. dat a int erpret at io n ；（数据解读 ） 3. dat a modeling and analysis. （数据建模与分析 ） 这也就是我们做数据工作的三个大步骤 ： 1. 原始数据要经过一连串收集、提取、清洗、整理等等的预处理过程 ，才能形成高质量的数据 ； 2. 我们想看看数据“长什么样” ，有什么特点和规律 ； 3. 按照自己的需要 ，比如要对数据贴标签分类 ，或者预测 ，或者想要从大量复杂的数据中提取有价 值的且不易发现的信息 ，都要对数据建模 ，得到o ut put 。 这三个步骤未必严谨 ，每个大步骤下面可能依问题的不同也会有不同的小步骤 ，但按我这几年的经 验来看 ，按照这个大思路走 ，数据一般不会做跑偏。 这样看来 ，数据科学其实就是门复合型的技术 ，既然是技术就从编程语言谈起吧 ，为了简练 ，只说 说R和Pyt ho n。但既然是荐数据科学方面的书 ，我这里就不提R/Pyt ho n编程基础之类的书了 ，直接 上跟数据科学相关的。 R programming 如果只是想初步了解一下R语言已经R在数据分析方面的应用 ，那不妨就看看这两本 ： R in act io n ： 我的R语言大数据101。其实对于一个没有任何编程基础的人来说 ，一开始就学这本书 ，学习曲线可 能会比较陡峭。但如果配合上一些辅助材料 ，如官方发布的R asics （ht t p://cran.r- project .o rg/doc/co nt ri /usingR.pdf ），st ackoverf low上有t ag- R的问题集 （Newest ‘r’ Q uest io ns ），遇到复杂的问题可在上面搜索 ，总会找到解决方案的。这样一来 ，用这本书拿来入门 学习也问题不大。而且这本书作者写得也比较轻松 ，紧贴实战。 Dat a analysis and graphics using R ： 使用R语言做数据分析的入门书。这本书的特点也是紧贴实战 ，没有过多地讲解统计学理论 ，所以 喜欢通过情境应用来学习的人应该会喜欢这本入门书。而且这本书可读性比较强 ，也就是说哪怕你 手头没电脑写不了代码 ，有事没事拿出这本书翻一翻 ，也能读得进去。 但如果你先用R来从事实实在在的数据工作 ，那么上面两本恐怕不够 ，还需要这 ： Modern applied st at ist ics w it h S ： 这本书里统计学的理论就讲得比较多了 ，好处就是你可以用一本书既复习了统计学 ，又学了R语言 。 （S/Splus和R的关系就类似于Unix和Linux ，所以用S教程学习R ，一点问题都没有 ） Dat a manipulat io n w it h R ： 这本书实务性很强 ，它教给你怎么从不同格式的原始数据文件里读取、清洗、转换、整合成高质量 的数据。当然和任何一本注重实战的书一样 ，本书也有丰富的真实数据或模拟数据供你练习。对于 真正从事数据处理工作的人来说 ，这本书的内容非常重要 ，因为对于任何研究 ，一项熟练的数据预 处理技能可以帮你节省大量的时间和精力。否则 ，你的研究总是要等待你的数据。 R Graphics Coo k oo k ： 想用R做可视化 ，就用这本书吧。150多个recipes ，足以帮你应付绝大多数类型的数据。以我现在极 业余的可视化操作水平来看 ，R是最容易做出最漂亮的图表的工具了。 A n int roduct io n t o st at ist ical learning w it h applicat io n in R ： 这本书算是著名的t he element of st at ist ical learning的姊妹篇 ，后者更注重统计 （机器 ）学习的模 型和算法 ，而前者所涉及的模型和算法原没有后者全面或深入 ，但却是用R来学习和应用机器学习 的很好的入口。 A hand oo k of st at ist ical analysis using R ： 这本书内容同样非常扎实 ，很多统计学的学生就是用这本书来学