数据科学和机器学习是一组复杂的相互关联的概念。为了跟上时代的步伐，你不仅需要花时间进行大量研究，还需要修改概念。即使你是一个彻底的专业人士，你仍然希望赶上当前的趋势和掌握的知识。书籍一直是最好的信息来源，即使在工作时也能与基本概念保持联系。这里有一份全面的数据科学重要书籍清单，尽管互联网上有大量资源，但你总是需要参考这些书籍。
数据科学书籍图片
理解机器学习：从理论到 希腊手机号码列表 算法 – 作者：Shai Shalev-Shwartz 和 Shai Ben-David
机器学习已成为计算机科学中发展速度非常快的一个领域，并且具有广泛的应用。本书旨在以原则性的方式介绍算法范式和机器学习的概念。它提供了机器学习基础知识的理论说明以及有助于将这些原理转化为实用算法的数学推导。
在前几章介绍基础知识之后，本书还涵盖了其他任何教科书都未涉及的一系列重要主题。本书涵盖的其他一些关键点包括：
凸性和神经网络的重要算法范式
随机梯度下降
结构化输出学习
新兴理论概念，例如 PAC-Bayes 方法
基于压缩的界限
数据科学基础，作者：Avrim Blum、John Hopcroft 和 Ravindran Kannan
本书介绍了各种统计学习方法，适用于高年级本科生、攻读硕士学位的学生以及攻读非数学科学博士学位的学生。本书包含大量 R 实验室，以及关于各种方法在实际生活中实施的详细描述。这些宝贵的资源对实践数据科学家来说大有裨益。
程序员的数据挖掘指南：古老的数字艺术 - 作者：Ron Zacharski
本书采用边做边学的方法。被动阅读有时会收效甚微，因此本书允许读者借助书中提供的 Python 代码，通过实验和练习来解决问题。有些练习需要读者积极使用编程数据挖掘技术，以便更好地掌握。教科书分为一系列学习模块，从一个模块引导到另一个模块。读完这本书后，读者就已经为理解数据挖掘方法奠定了相当坚实的基础。