数据科学怎样进行大数据的入门级学习？.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，数据库，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： 这也就是我们做数据工作的三个大步骤： 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 Python 。但既然是荐数据科学方面的书，我这里就不提 R/Python 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 action ： 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 basics （http://cran.r- /doc/contrib/usingR.pdf ），stackoverflow 上有 tag-R 的问题集（ Newest ‘r ’ Questions ），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。 Data 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，还需要这些： Modern applied statistics with 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） Data manipulation with 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 Cookbook ： 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。 An introduction to statistical learning with application in R ： 这本书算是著名的 the element of statistical 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 handbook of statistical 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习用 R来进行统计建模的。 Python T hink Python ，T hink Stats ，T hink Bayes ： 这是 Allen B. Downey 写的著名的 T hink X series 三大卷。其实是三本精致的小册子，如果想快速地 掌握 Python 在统计方面的操作，好好阅读这三本书，认真做习题，答案链接在书里有。这三本书学 通了，就可以上手用 Python 进行基本的统计建模了。 Python For Data Analysis ： 作者是 pandas 的主要开