如题所述
æ·±å
¥æµ
åºæ°æ®åæ (è±ç£) è¿ä¹¦æºç®åçï¼åºæ¬çå
容é½æ¶åäºï¼è¯´å¾ä¹æ¯è¾æ¸
æ¥ï¼æåè°å°äºRæ¯å¤§å åãé¾æç¨åº¦ï¼é常æã
å¤é ä¸å°¿å¸ (è±ç£) éè¿æ¡ä¾æ¥è¯´äºæ ï¼èä¸æ¯æç»å ¸çä¾åãé¾æç¨åº¦ï¼é常æã
æ°æ®ä¹ç¾ (è±ç£) ä¸æ¬ä»ç»æ§ç书ç±ï¼æ¯ç« é½è§£å³ä¸ä¸ªå ·ä½çé®é¢ï¼çè³è¿æ代ç ï¼å¯¹ç解æ°æ®åæçåºç¨é¢åååæ³é常æ帮å©ãé¾æç¨åº¦ï¼æã
æ°å¦ä¹ç¾ (è±ç£) è¿æ¬ä¹¦é常æ£å¦ï¼å ¥é¨è¯»èµ·æ¥å¾ä¸éï¼
æ°æ®åæï¼
SciPy and NumPy (è±ç£) è¿æ¬ä¹¦å¯ä»¥å½ç±»ä¸ºæ°æ®åæ书å§ï¼å 为numpyåscipyççæ¯é常强大åã
Python for Data Analysis (è±ç£) ä½è æ¯Pandasè¿ä¸ªå çä½è ï¼çè¿ä»å¨Scipyä¼è®®ä¸çæ¼è®²ï¼å®ä¾é常强ï¼
Bad Data Handbook (è±ç£) å¾å¥½ç©ç书ï¼ä½è çè§åº¦å¾ä¸åã
éåå ¥é¨çæç¨ï¼
éä½æºæ §ç¼ç¨ (è±ç£) å¦ä¹ æ°æ®åæãæ°æ®ææãæºå¨å¦ä¹ 人ååºè¯¥ä»ç»é 读ç第ä¸æ¬ä¹¦ãä½è éè¿å®é ä¾åä»ç»äºæºå¨å¦ä¹ åæ°æ®ææä¸çç®æ³ï¼æµ æ¾ææï¼è¿æå¯æ§è¡çPython代ç ãé¾æç¨åº¦ï¼ä¸ã
Machine Learning in Action (è±ç£) ç¨äººè¯æå¤æé¾æçæºå¨å¦ä¹ ç®æ³è§£éæ¸ æ¥äºï¼å ¶ä¸æé¶æçæ°å¦å ¬å¼ï¼ä½æ¯æ¯ä»¥è§£éæ¸ æ¥ä¸ºç®ççãèä¸æPython代ç ï¼å¤§èµï¼ç®åä¸ç§é¢ççæèå¸ï¼å¾®åï¼çæ_ICTIRï¼å·²ç»ç¿»è¯è¿æ¬ä¹¦äº æºå¨å¦ä¹ å®æ (è±ç£)ãè¿æ¬ä¹¦æ¬èº«è´¨éå°±å¾é«ï¼çèå¸çç¿»è¯è´¨éä¹å¾é«ãé¾æç¨åº¦ï¼ä¸ãæ带çç 究çå ¥é¨å¿ çæ°ç®ä¹ä¸ï¼
Building Machine Learning Systems with Python (è±ç£) è½ç¶æ¯è±æçï¼ä½æ¯ç±äºåå¾å¾ç®åï¼æ¯è¾ç解ï¼åæ Python 代ç è·çï¼è¾ å©ç解ã
æ°æ®ææ导论 (è±ç£) æè¿å å¹´æ°æ®ææææä¸æ¯è¾å¥½çä¸æ¬ä¹¦ï¼è¢«ç¾å½è¯¸å¤å¤§å¦çæ°æ®ææ课ä½ä¸ºææï¼æ²¡ææ¨èJiawei Hanèå¸çé£æ¬ä¹¦ï¼å 为个人è§å¾é£æ¬ä¹¦å¯¹äºåå¦è æ¥è¯´ä¸å¤ªå®¹æ读æãé¾æç¨åº¦ï¼ä¸ä¸ã
Machine Learning for Hackers (è±ç£) ä¹æ¯éè¿å®ä¾è®²è§£æºå¨å¦ä¹ ç®æ³ï¼ç¨Rå®ç°çï¼å¯ä»¥ä¸è¾¹å¦ä¹ æºå¨å¦ä¹ ä¸è¾¹å¦ä¹ Rã
å¤é ä¸å°¿å¸ (è±ç£) éè¿æ¡ä¾æ¥è¯´äºæ ï¼èä¸æ¯æç»å ¸çä¾åãé¾æç¨åº¦ï¼é常æã
æ°æ®ä¹ç¾ (è±ç£) ä¸æ¬ä»ç»æ§ç书ç±ï¼æ¯ç« é½è§£å³ä¸ä¸ªå ·ä½çé®é¢ï¼çè³è¿æ代ç ï¼å¯¹ç解æ°æ®åæçåºç¨é¢åååæ³é常æ帮å©ãé¾æç¨åº¦ï¼æã
æ°å¦ä¹ç¾ (è±ç£) è¿æ¬ä¹¦é常æ£å¦ï¼å ¥é¨è¯»èµ·æ¥å¾ä¸éï¼
æ°æ®åæï¼
SciPy and NumPy (è±ç£) è¿æ¬ä¹¦å¯ä»¥å½ç±»ä¸ºæ°æ®åæ书å§ï¼å 为numpyåscipyççæ¯é常强大åã
Python for Data Analysis (è±ç£) ä½è æ¯Pandasè¿ä¸ªå çä½è ï¼çè¿ä»å¨Scipyä¼è®®ä¸çæ¼è®²ï¼å®ä¾é常强ï¼
Bad Data Handbook (è±ç£) å¾å¥½ç©ç书ï¼ä½è çè§åº¦å¾ä¸åã
éåå ¥é¨çæç¨ï¼
éä½æºæ §ç¼ç¨ (è±ç£) å¦ä¹ æ°æ®åæãæ°æ®ææãæºå¨å¦ä¹ 人ååºè¯¥ä»ç»é 读ç第ä¸æ¬ä¹¦ãä½è éè¿å®é ä¾åä»ç»äºæºå¨å¦ä¹ åæ°æ®ææä¸çç®æ³ï¼æµ æ¾ææï¼è¿æå¯æ§è¡çPython代ç ãé¾æç¨åº¦ï¼ä¸ã
Machine Learning in Action (è±ç£) ç¨äººè¯æå¤æé¾æçæºå¨å¦ä¹ ç®æ³è§£éæ¸ æ¥äºï¼å ¶ä¸æé¶æçæ°å¦å ¬å¼ï¼ä½æ¯æ¯ä»¥è§£éæ¸ æ¥ä¸ºç®ççãèä¸æPython代ç ï¼å¤§èµï¼ç®åä¸ç§é¢ççæèå¸ï¼å¾®åï¼çæ_ICTIRï¼å·²ç»ç¿»è¯è¿æ¬ä¹¦äº æºå¨å¦ä¹ å®æ (è±ç£)ãè¿æ¬ä¹¦æ¬èº«è´¨éå°±å¾é«ï¼çèå¸çç¿»è¯è´¨éä¹å¾é«ãé¾æç¨åº¦ï¼ä¸ãæ带çç 究çå ¥é¨å¿ çæ°ç®ä¹ä¸ï¼
Building Machine Learning Systems with Python (è±ç£) è½ç¶æ¯è±æçï¼ä½æ¯ç±äºåå¾å¾ç®åï¼æ¯è¾ç解ï¼åæ Python 代ç è·çï¼è¾ å©ç解ã
æ°æ®ææ导论 (è±ç£) æè¿å å¹´æ°æ®ææææä¸æ¯è¾å¥½çä¸æ¬ä¹¦ï¼è¢«ç¾å½è¯¸å¤å¤§å¦çæ°æ®ææ课ä½ä¸ºææï¼æ²¡ææ¨èJiawei Hanèå¸çé£æ¬ä¹¦ï¼å 为个人è§å¾é£æ¬ä¹¦å¯¹äºåå¦è æ¥è¯´ä¸å¤ªå®¹æ读æãé¾æç¨åº¦ï¼ä¸ä¸ã
Machine Learning for Hackers (è±ç£) ä¹æ¯éè¿å®ä¾è®²è§£æºå¨å¦ä¹ ç®æ³ï¼ç¨Rå®ç°çï¼å¯ä»¥ä¸è¾¹å¦ä¹ æºå¨å¦ä¹ ä¸è¾¹å¦ä¹ Rã
温馨提示:答案为网友推荐,仅供参考
第1个回答 推荐于2016-03-21
入门读物:
1、 深入浅出数据分析 :这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。难易程度:非常易。
2、啤酒与尿布 :通过案例来说事情,而且是最经典的例子。难易程度:非常易。
3、数据之美 : 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。难易程度:易。
4、数据分析: SciPy and NumPy :这本书可以归类为数据分析书吧,因为numpy和scipy真的是非常强大啊。
5、Python for Data Analysis : 作者是Pandas这个包的作者,看过他在Scipy会议上的演讲,实例非常强!
6、Bad Data Handbook :很好玩的书,作者的角度很不同。
适合入门的教程:
1、集体智慧编程:学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法,浅显易懂,还有可执行的Python代码。难易程度:中。
2、Machine Learning in Action : 用人话把复杂难懂的机器学习算法解释清楚了,其中有零星的数学公式,但是是以解释清楚为目的的。而且有Python代码,大赞!目前中科院的王斌老师已经翻译这本书了 。
3、机器学习实战 :这本书本身质量就很高,王老师的翻译质量也很高。难易程度:中。我带的研究生入门必看数目之一!
4、Building Machine Learning Systems with Python :虽然是英文的,但是由于写得很简单,比较理解,又有 Python 代码跟着,辅助理解。
5、数据挖掘导论 : 最近几年数据挖掘教材中比较好的一本书,被美国诸多大学的数据挖掘课作为教材,没有推荐Jiawei Han老师的那本书,因为个人觉得那本书对于初学者来说不太容易读懂。难易程度:中上。
6、Machine Learning for Hackers :也是通过实例讲解机器学习算法,用R实现的,可以一边学习机器学习一边学习R。
1、 深入浅出数据分析 :这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。难易程度:非常易。
2、啤酒与尿布 :通过案例来说事情,而且是最经典的例子。难易程度:非常易。
3、数据之美 : 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。难易程度:易。
4、数据分析: SciPy and NumPy :这本书可以归类为数据分析书吧,因为numpy和scipy真的是非常强大啊。
5、Python for Data Analysis : 作者是Pandas这个包的作者,看过他在Scipy会议上的演讲,实例非常强!
6、Bad Data Handbook :很好玩的书,作者的角度很不同。
适合入门的教程:
1、集体智慧编程:学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法,浅显易懂,还有可执行的Python代码。难易程度:中。
2、Machine Learning in Action : 用人话把复杂难懂的机器学习算法解释清楚了,其中有零星的数学公式,但是是以解释清楚为目的的。而且有Python代码,大赞!目前中科院的王斌老师已经翻译这本书了 。
3、机器学习实战 :这本书本身质量就很高,王老师的翻译质量也很高。难易程度:中。我带的研究生入门必看数目之一!
4、Building Machine Learning Systems with Python :虽然是英文的,但是由于写得很简单,比较理解,又有 Python 代码跟着,辅助理解。
5、数据挖掘导论 : 最近几年数据挖掘教材中比较好的一本书,被美国诸多大学的数据挖掘课作为教材,没有推荐Jiawei Han老师的那本书,因为个人觉得那本书对于初学者来说不太容易读懂。难易程度:中上。
6、Machine Learning for Hackers :也是通过实例讲解机器学习算法,用R实现的,可以一边学习机器学习一边学习R。