神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：為方便對(duì)數(shù)據(jù)科學(xué)（DATA SCIENCE）感興趣的愛(ài)好者和實(shí)操者的學(xué)習(xí)，本文作者分享了 8 類關(guān)于數(shù)據(jù)科學(xué)的書(shū)籍，包括統(tǒng)計(jì)/概率論類、機(jī)器學(xué)習(xí)類、數(shù)據(jù)可視化與分析類、深度學(xué)習(xí)類、自然語(yǔ)言處理（NLP）類、計(jì)算機(jī)視覺(jué)類、人工智能類和工具/語(yǔ)言類。在分享書(shū)籍的同時(shí)，作者還提出以下忠告：在數(shù)據(jù)科學(xué)領(lǐng)域有多種成功的途徑，而我們要選擇的途徑應(yīng)該是足夠簡(jiǎn)單，足以幫助我們快速上手的。

我們之所以在選擇學(xué)習(xí)方法上不知所措，往往是因?yàn)槲覀兘佑|的信息量太大了。與其花更多的時(shí)間思考如何獲得研究數(shù)據(jù)科學(xué)的技能，不如根據(jù)實(shí)際需要，從分享的書(shū)中挑選一本，然后開(kāi)始學(xué)習(xí)。關(guān)鍵是要始終如一地采取行動(dòng)，堅(jiān)持閱讀。閱讀的目的是，學(xué)習(xí)和發(fā)現(xiàn)隱藏于書(shū)中的真實(shí)思想。對(duì)數(shù)據(jù)科學(xué)感興趣的朋友們，如果你還沒(méi)選好學(xué)習(xí)材料，就請(qǐng)閱讀作者推薦的這些頂級(jí)書(shū)籍吧。本文來(lái)自編譯，希望對(duì)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(huì)在他（她）的作品中發(fā)現(xiàn)?！獰o(wú)名氏

在知識(shí)爆炸的今天，關(guān)于數(shù)據(jù)科學(xué)的學(xué)習(xí)資源太多了，這會(huì)讓我們?cè)谶x擇時(shí)無(wú)從下手吧？不要緊，以下是最新的數(shù)據(jù)科學(xué)必讀書(shū)籍集錦。

圖1. 眾多學(xué)習(xí)書(shū)源

我在網(wǎng)上自學(xué)時(shí)，總是更傾向于選擇視頻教程或講座。因?yàn)槲野l(fā)現(xiàn)這種選擇使學(xué)習(xí)變得更簡(jiǎn)單，不那么麻煩（和大多數(shù)人的選擇一樣）。

我一直都覺(jué)得在網(wǎng)絡(luò)上自學(xué)時(shí)選擇視頻教程或講座更加簡(jiǎn)便易行，直到幾年前我偶然讀到了一本關(guān)于統(tǒng)計(jì)學(xué)的書(shū)，才讓我改變了對(duì)看書(shū)學(xué)習(xí)的看法（從“無(wú)聊”到“神奇而有趣”）。我要向這本書(shū)的作者和出版商致敬。

在挑選關(guān)于數(shù)據(jù)科學(xué)的頂級(jí)書(shū)籍之前，我事先做了廣泛的研究。今天，我將這些書(shū)籍分享給所有有抱負(fù)的數(shù)據(jù)愛(ài)好者和實(shí)踐者。大家在讀了這些書(shū)之后，一定會(huì)讓自己陷入深深的思考之中。

讓我們開(kāi)始看看這個(gè)書(shū)單吧……

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

*統(tǒng)計(jì)/概率論類書(shū)籍

*機(jī)器學(xué)習(xí)類書(shū)籍

*數(shù)據(jù)可視化和分析類書(shū)籍

*深度學(xué)習(xí)類書(shū)籍

*自然語(yǔ)言處理（NLP）類書(shū)籍

*計(jì)算機(jī)視覺(jué)類書(shū)籍

*人工智能類書(shū)籍

*工具/語(yǔ)言類書(shū)籍

1.統(tǒng)計(jì)/概率論類書(shū)籍

（1）《統(tǒng)計(jì)學(xué)學(xué)習(xí)概論》（Introduction to Statistical Learning）

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

一直以來(lái)，這本書(shū)都是經(jīng)典書(shū)籍。它涵蓋了基本的統(tǒng)計(jì)學(xué)知識(shí)以及機(jī)器學(xué)習(xí)技術(shù)。這本書(shū)吸睛的地方在于，每一個(gè)概念都用 R 語(yǔ)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(shū)時(shí)，就會(huì)快速回憶起每一個(gè)概念及其在程序中的操作方法。

圖2. 《統(tǒng)計(jì)學(xué)學(xué)習(xí)概論》

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

作者：艾倫·B·唐尼（Allen B. Downey）

這本書(shū)在眾多數(shù)據(jù)科學(xué)書(shū)籍中是首選書(shū)籍。它提供了大量的資源。尤其是對(duì)于有一定 Python 基礎(chǔ)知識(shí)的人，它特別實(shí)用，可以用來(lái)做數(shù)據(jù)分析。

圖3. 《思考統(tǒng)計(jì)：程序員的概率論和統(tǒng)計(jì)學(xué)》

（3）《統(tǒng)計(jì)學(xué)的藝術(shù)：從數(shù)據(jù)中學(xué)習(xí)》（The Art of Statistics: Learning from Data）

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

這本書(shū)最大的亮點(diǎn)是采用了淺顯易懂的案例來(lái)講解理論。這本書(shū)不僅層層剖析了特定的問(wèn)題，還給問(wèn)題提供了具有漸進(jìn)性和一致性的統(tǒng)計(jì)解決方案。簡(jiǎn)而言之，它使統(tǒng)計(jì)學(xué)的學(xué)習(xí)變得簡(jiǎn)單了！

圖4. 《統(tǒng)計(jì)學(xué)的藝術(shù)：從數(shù)據(jù)中學(xué)習(xí)》

（4）《概率論：狂熱初學(xué)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(xué)者入門》

這是一本概率論初學(xué)者的理想讀物。它涵蓋了所有的基礎(chǔ)知識(shí)，包括組合學(xué)，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(shū)籍。和《概率論：狂熱初學(xué)者入門》一樣，這本書(shū)是為研究生而寫(xiě)的綜合教材。

（6）《赤裸裸的統(tǒng)計(jì)——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(jì)學(xué)有時(shí)候是一個(gè)令人生畏的話題。在這本書(shū)中，作者以一種風(fēng)趣而簡(jiǎn)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(jì)——從數(shù)據(jù)中剝離恐懼》

2.機(jī)器學(xué)習(xí)類書(shū)籍

（1）《百頁(yè)機(jī)器學(xué)習(xí)書(shū)》（The Hundred-Page Machine Learning Book）

圖8. 《百頁(yè)機(jī)器學(xué)習(xí)書(shū)》

作者：安德烈·博爾科夫（Andriy Burkov）

我真心喜歡這本書(shū)。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(jī)器學(xué)習(xí)的書(shū)籍。我絞盡腦汁地想從這些書(shū)中找到一個(gè)方法，希望它能夠簡(jiǎn)潔地概括難以理解的話題和難以理解的方程式?？墒牵钡阶x了安德里·布爾科夫用大約 100 多頁(yè)的篇幅寫(xiě)出來(lái)的這本書(shū)，我才找到了這個(gè)方法。這本書(shū)文筆優(yōu)美，易于理解，已經(jīng)得到了許多人的認(rèn)可。

（2）《數(shù)據(jù)科學(xué)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(xué)介紹》

我喜歡這本書(shū)有一個(gè)特殊的原因，那就是，這些書(shū)不僅包含了我們常見(jiàn)的關(guān)于數(shù)據(jù)科學(xué)的主題，它還包括了數(shù)據(jù)科學(xué)整個(gè)領(lǐng)域的其他方面。我強(qiáng)烈推薦閱讀這本書(shū)，它會(huì)或多或少地會(huì)讓我們熟悉數(shù)據(jù)科學(xué)的全貌。

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

作者：?jiǎn)虪枴じ耵斔梗↗oel Grus）

出版商：奧萊利（O’Reilly）

圖10. 《從頭開(kāi)始的數(shù)據(jù)科學(xué)》

這本書(shū)的第二版已經(jīng)發(fā)布了，因?yàn)樗依烁鞣N基本原理。也是因此，它已經(jīng)成為一本倍受歡迎的書(shū)。這相當(dāng)于是一個(gè)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(shū)。

（4）《Python數(shù)據(jù)科學(xué)手冊(cè)》（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(xué)手冊(cè)》

這本書(shū)最適合那些剛開(kāi)始做數(shù)據(jù)分析或數(shù)據(jù)科學(xué)的人閱讀，這正是他們所需要的那本能夠參見(jiàn)所有技術(shù)的書(shū)。本書(shū)能夠強(qiáng)化你對(duì) python 的掌握程度，并可促進(jìn)你在數(shù)據(jù)科學(xué)上的工作。

（5）《在數(shù)據(jù)科學(xué)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(xué)領(lǐng)域建立職業(yè)生涯》

這本書(shū)于2020年出版，主要陳述了與學(xué)習(xí)數(shù)據(jù)科學(xué)相關(guān)的技術(shù)內(nèi)容。我們必讀這本書(shū)的原因是，它教我們?nèi)绾卧跀?shù)據(jù)科學(xué)行業(yè)工作。

（6）《數(shù)據(jù)科學(xué)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(shū)不僅對(duì)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(gè)觀點(diǎn)——盡管存在許多工具、復(fù)雜的一步步的信息迭代過(guò)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(xué)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(shū)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(shū)采用舉出正面和反面例子加以對(duì)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(huì)我們?cè)O(shè)計(jì)更有意義的模塊來(lái)傳達(dá)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(guò)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(guò)專家的眼睛看數(shù)據(jù)》

“可視化”是讓數(shù)據(jù)說(shuō)話的一種新方式，通過(guò)顏色等視覺(jué)指標(biāo)達(dá)到溝通的目的，并通過(guò)一定的研究方法將數(shù)據(jù)和視覺(jué)指標(biāo)整合在一起。

這本書(shū)講述了一些著名的可視化設(shè)計(jì)和開(kāi)發(fā)產(chǎn)品。

（3）《周一改頭換面——每次用一張圖表改進(jìn)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(shū)是周一改頭換面（MakeOverMonday）項(xiàng)目的擴(kuò)展，在這個(gè)項(xiàng)目中，數(shù)據(jù)可視化社區(qū)的成員可以分享他們對(duì)現(xiàn)有圖表和數(shù)據(jù)的改進(jìn)。它強(qiáng)調(diào)，雖然在設(shè)計(jì)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(jìn)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(duì)于任何一個(gè)想要更好地以清晰、簡(jiǎn)潔和圖形化的方式呈現(xiàn)信息的人來(lái)說(shuō)，這是一本必讀的書(shū)。這本書(shū)教給我們數(shù)據(jù)可視化的基礎(chǔ)知識(shí)，以及如何有效地使用數(shù)據(jù)，并舉出了大量現(xiàn)實(shí)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(xué)者、研究人員和書(shū)蟲(chóng)的學(xué)習(xí)指南》（BETTER DATA VISUALIZATIONS: A Guide for Scholars, Researchers, and Wonks》

作者：?jiǎn)碳{森·施瓦比什（Jonathan Schwabish）

此書(shū)包括三個(gè)部分。第一部分簡(jiǎn)要介紹了數(shù)據(jù)可視化的最佳實(shí)操方式。第二部分是本書(shū)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(yuǎn)遠(yuǎn)超出了直線和條形的標(biāo)準(zhǔn)。

圖18. 《更好的數(shù)據(jù)可視化：學(xué)者、研究人員和書(shū)蟲(chóng)的學(xué)習(xí)指南》

相關(guān)閱讀：學(xué)習(xí)數(shù)據(jù)科學(xué)的8類必讀書(shū)籍（中）

學(xué)習(xí)數(shù)據(jù)科學(xué)的8類必讀書(shū)籍（下）

譯者：甜湯

關(guān)鍵詞： 機(jī)器學(xué)習(xí) 數(shù)據(jù)分析 改頭換面