Ṣe o nifẹ si imọ-jinlẹ data ati kikọ ẹkọ nipa awọn ipilẹ rẹ? Di onimọ-jinlẹ data kii ṣe rọrun. Síwájú sí i, ó ń gba ọ̀pọ̀ ọdún iṣẹ́ àṣekára àti ìyàsímímọ́. Pẹlu atokọ iwe imọ-jinlẹ data ti o tọ, sibẹsibẹ, iwọ yoo ni anfani lati kọ gbogbo awọn imọran imọ-jinlẹ data pataki lati ṣaṣeyọri ni aaye yii. Imọ-jinlẹ data jẹ aaye ti o dagba ni iyara pẹlu ọpọlọpọ awọn ohun elo ni iṣowo, ile-ẹkọ giga, ati ijọba.
Bii awọn ẹgbẹ ati siwaju sii gbarale data lati ṣe awọn ipinnu, ibeere fun awọn onimọ-jinlẹ data ko ti ga julọ. Sibẹsibẹ, pẹlu iru ibeere giga bẹ wa ọpọlọpọ idije. Lati jẹ onimọ-jinlẹ data ti o dara julọ ti o le jẹ, o ṣe pataki lati kọ ẹkọ nigbagbogbo ati tọju imudojuiwọn pẹlu awọn aṣa tuntun ati awọn idagbasoke ni aaye. Awọn iwe imọ-jinlẹ data yoo ṣe iranlọwọ fun ọ lati wa niwaju ti tẹ ati fun ọ ni eti idije ni ọja iṣẹ.
Eyi ni awọn iwe imọ-jinlẹ data ti o dara julọ lati ka lati ni ilọsiwaju oye rẹ ati ohun elo ti awọn imọran imọ-jinlẹ data.
1. Imọ-ẹrọ data fun Iṣowo nipasẹ Foster Provost ati Tom Fawcett
O jẹ iwe imọ-jinlẹ data ti o pese ilana ti o wulo fun ṣiṣe ipinnu ti a dari data. O bẹrẹ pẹlu ifihan si imọ-jinlẹ data, jiroro lori awọn imọran ipilẹ ati awọn ilana. Lẹhinna o tẹsiwaju si awọn ohun elo kan pato ni titaja, iṣuna, ati awọn iṣẹ. Ni gbogbo iwe naa, awọn onkọwe pese awọn alaye ti o ṣe kedere ati ṣoki ti awọn imọran, pẹlu awọn apẹẹrẹ gidi-aye. O tun pẹlu awọn iwadii ọran lati ọdọ awọn ile-iṣẹ ti o ti lo imọ-jinlẹ data ni aṣeyọri lati mu ilọsiwaju awọn iṣowo wọn. Lati ṣaṣeyọri ni imọ-jinlẹ data, o gbọdọ ni anfani lati ṣe itupalẹ data daradara bi ibasọrọ ati kọ awọn imọran rẹ.
2. Ifihan to Data Imọ nipa Jeffrey Stanton
Ti o ba n wa itọsọna okeerẹ ti yoo kọ ọ ohun gbogbo ti o nilo lati mọ nipa imọ-jinlẹ data, lẹhinna ṣayẹwo Ifihan si Imọ-jinlẹ Data nipasẹ Jeffrey Stanton. O bo ohun gbogbo lati awọn ọna mathematiki ati awọn algoridimu si iworan data ati ẹkọ ẹrọ.
O tun pese awọn alaye alaye ti awọn apẹẹrẹ gidi-aye ki o le rii bi gbogbo awọn imọran wọnyi ṣe n ṣiṣẹ papọ ni iṣe. Iwe yii jẹ itọsọna pipe fun ẹnikẹni ti o fẹ lati kọ ẹkọ awọn ipilẹ imọ-jinlẹ data ni ọna isomọ ati oye. Yoo tun ṣe iranlọwọ fun ọ lati dagbasoke awọn ọgbọn ti yoo niyelori laibikita ohun ti ọna iṣẹ iwaju rẹ le jẹ.
3. Mining of Massive Datasets nipasẹ Jure Leskovec ati Anand Rajaraman
Mining of Massive Datasets jẹ iwe ti a tẹjade ni ọdun 2011 ati pe o ti di ọkan ninu awọn iwe ti o ni ipa julọ lori imọ-jinlẹ data. Jure Leskovec ati Anand Rajaraman ni o kọ ọ ati pe o ṣe pẹlu awọn italaya ti iwakusa data nla datasets. Ọkan ninu awọn anfani akọkọ ti kika iwe yii ni pe yoo ran ọ lọwọ lati loye diẹ ninu awọn imọran ipilẹ lẹhin iwakusa data.
Yoo jẹ ki o yanju awọn iṣoro eka diẹ sii pẹlu deede ati ṣiṣe. Ni afikun, yoo ṣe iranlọwọ fun ọ lati ni oye ti o dara julọ ti bii awọn kọnputa ṣe n ṣiṣẹ, eyiti yoo fun ọ ni anfani nigbati o ba n ṣiṣẹ pẹlu data nla. Lapapọ, o jẹ iwe pataki fun ẹnikẹni ti o fẹ lati kọ imọ-jinlẹ data ni ijinle. A kọ ọ́ dáadáa, ó sì pèsè ọ̀pọ̀lọpọ̀ ìmọ̀ tí a lè lò láti yanjú àwọn ìṣòro ojúlówó ayé.
4. Awọn atupale asọtẹlẹ nipasẹ Eric Siegel
Awọn atupale asọtẹlẹ nipasẹ Eric Siegel jẹ iwe imọ-jinlẹ data ti o ni wiwa ọpọlọpọ awọn akọle ti o ni ibatan si awọn atupale data. O ṣe iṣẹ nla ti ṣiṣe alaye awọn ipilẹ ti awọn atupale data ati imọ-jinlẹ data. O pese awọn oye to ti ni ilọsiwaju sinu awoṣe asọtẹlẹ ati iwakusa data. Iwe naa jẹ kikọ daradara ati rọrun lati ni oye. Awọn iyasọtọ wọnyi jẹ ki o jẹ orisun nla fun ẹnikẹni ti o nifẹ si imọ diẹ sii nipa imọ-jinlẹ data. Pẹlupẹlu, iwe naa pẹlu ọpọlọpọ awọn apẹẹrẹ ti o wulo ti o ṣe apejuwe bi a ṣe le lo awọn atupale asọtẹlẹ lati ṣe atunṣe ipinnu iṣowo ati awọn ohun elo miiran ti o pọju.
5. R fun Imọ-jinlẹ data nipasẹ Hadley Wickham ati Garrett Grolemund
Hadley Wickham ati iwe Garrett Grolemund, R fun Imọ-jinlẹ Data, jẹ itọsọna pataki fun ẹnikẹni ti o fẹ lati kọ imọ-jinlẹ data nipa lilo ede siseto R. O bo ọpọlọpọ awọn akọle, lati jijakadi data ati iwadii si iworan data ati ẹkọ ẹrọ. Ni ori kọọkan, awọn onkọwe pese awọn alaye ti o ṣe kedere ati awọn apẹẹrẹ-igbesẹ-igbesẹ lati ṣe apejuwe awọn ero pataki.
Bi abajade, R fun Imọ-jinlẹ Data jẹ orisun ti o tayọ fun awọn olubere mejeeji ati awọn onimọ-jinlẹ data ti o ni iriri bakanna. Pẹlu idojukọ lori tidyverse - ikojọpọ awọn irinṣẹ fun jijakadi data, itupalẹ, ati iworan – iwe yii yoo tun ṣe pataki fun awọn olumulo R ti ko nifẹ dandan ni imọ-jinlẹ data.
6. Ifihan si Ẹkọ Iṣiro nipasẹ Gareth James, Daniela Witten, Trevor Hastie, ati Robert Tibshirani
Iwe yii ni a gba kaakiri lati jẹ ọkan ninu awọn iwe imọ-jinlẹ data to dara julọ ti o wa. O ti di ohun elo fun awọn ọmọ ile-iwe ati awọn alamọja bakanna. Iwe naa pese awọn oluka pẹlu alaye ti o han gbangba ati ṣoki ti awọn ọna ati awọn ohun elo ti ẹkọ iṣiro. Ni afikun, o pẹlu awọn apẹẹrẹ ṣiṣẹ nipa lilo awọn eto data gidi lati ṣe afihan awọn imọran bọtini. O jẹ ki itọsọna yii jẹ orisun ti ko niyelori fun ẹnikẹni ti o nifẹ si imọ-jinlẹ data. Boya o n bẹrẹ ni aaye tabi n wa lati fẹlẹ lori awọn ọgbọn rẹ, Ifihan si Ẹkọ Iṣiro jẹ kika pataki.
7. Awọn eroja ti Ẹkọ Iṣiro nipasẹ Trevor Hastie, Robert Tibshirani, ati Jerome Friedman
Awọn eroja ti Ẹkọ Iṣiro jẹ ọkan ninu awọn iwe imọ-jinlẹ data olokiki julọ ti o wa nibẹ. Ti a kọ nipasẹ Trevor Hastie, Robert Tibshirani, ati Jerome Friedman, iwe naa bo ọpọlọpọ awọn akọle pataki si imọ-jinlẹ data, pẹlu itupalẹ data iwadii, awọn awoṣe ipadasẹhin, ẹkọ ẹrọ, ati diẹ sii. Iwe naa tun kun pẹlu awọn apẹẹrẹ aye gidi ati awọn snippets koodu lati ṣe iranlọwọ fun awọn onkawe lati lo ohun ti wọn ti kọ.
Lakoko ti o ko nilo kika fun awọn ọmọ ile-iwe imọ-jinlẹ data, igbagbogbo ni a ṣeduro bi orisun ti o dara fun awọn ti o nifẹ si imọ diẹ sii nipa aaye naa. Iwe naa ṣe iṣẹ ti o dara lati ṣe alaye awọn ipilẹ ti ẹkọ iṣiro ati pese ọpọlọpọ awọn apẹẹrẹ koodu lati ṣe iranlọwọ fun awọn onkawe ni oye awọn imọran.
8. Ayẹwo Bayesian fun Awọn imọ-jinlẹ Awujọ nipasẹ Jeffrey K. Woodridge
Imọ-jinlẹ data jẹ aaye ti o nwaye, ati pe ko si aito awọn iwe imọ-jinlẹ data lati yan lati. Sibẹsibẹ, Ayẹwo Bayesian fun Awọn imọ-jinlẹ Awujọ nipasẹ Jeffrey K. Woldridge jẹ yiyan imurasilẹ fun ẹnikẹni ti n wa lati jinlẹ oye wọn ni aaye yii. Woldridge ni oye ni wiwa awọn ipilẹ ti imọ-jinlẹ data lakoko ti o tun n lọ sinu awọn akọle ilọsiwaju diẹ sii, gẹgẹbi itọkasi Bayesian. Iwe naa jẹ kikọ daradara ati rọrun lati tẹle, ṣiṣe ni yiyan pipe fun awọn olubere imọ-jinlẹ data ati awọn amoye bakanna. Imọ-jinlẹ data jẹ gbogbo nipa iwadii, itupalẹ, ṣiṣakoso awọn oye nla ti data, ati kikọ.
9. Ẹkọ ti o jinlẹ nipasẹ Ian Goodfellow, Yoshua Bengio, ati Aaron Courville
Ẹkọ ti o jinlẹ jẹ iwe imọ-jinlẹ data ti a kọ nipasẹ Ian Goodfellow, Yoshua Bengio, ati Aaron Courville. O pese akopọ ti ẹkọ ti o jinlẹ, ni wiwa mejeeji awọn aaye imọ-jinlẹ ati awọn ohun elo to wulo. Ni afikun si ṣiṣe alaye awọn oriṣi algorithm oriṣiriṣi, o tun ni wiwa awọn akọle bii iṣaju data, apẹrẹ faaji nẹtiwọọki, ati atunṣe awoṣe. Bi abajade, yoo jẹ iranlọwọ fun ẹnikẹni ti o nifẹ si imọ-jinlẹ data ati ẹkọ ẹrọ.
10. Ẹkọ ẹrọ nipasẹ Thomas M. Mitchell
Ninu iwe rẹ, Thomas M. Mitchell pese ifihan ti o han gbangba ati ṣoki si awọn ipilẹ ti imọ-jinlẹ data, pẹlu iwakusa data, yiyan ẹya, yiyan awoṣe, ati igbelewọn awoṣe. O tun jiroro lori awọn koko-ọrọ ti ilọsiwaju diẹ sii gẹgẹbi awọn nẹtiwọọki nkankikan ati ẹkọ ti o jinlẹ. Pẹlu ọpọlọpọ awọn apẹẹrẹ ati awọn alaye igbese-nipasẹ-igbesẹ, Ẹkọ Ẹrọ jẹ iwe imọ-jinlẹ data pipe fun awọn olubere. Sibẹsibẹ, paapaa awọn onimọ-jinlẹ data ti o ni iriri yoo rii pupọ lati kọ ẹkọ lati inu igbejade ti Mitchell ti o han gbangba ati ti iṣeto daradara.
ipari
Nipasẹ kika awọn iwe imọ-jinlẹ data ti o dara julọ, iwọ yoo ṣe agbekalẹ ipilẹ to lagbara ni awọn imọran imọ-jinlẹ data ati ni anfani lati lo wọn ni awọn ipo gidi-aye. Ni afikun, awọn iwe wọnyi yoo tun ṣe iranlọwọ fun ọ lati dagbasoke awọn ọgbọn pataki gẹgẹbi siseto, itupalẹ iṣiro, ẹkọ ẹrọ, ati diẹ sii. Pẹlu imọ ati awọn ọgbọn yii, iwọ yoo murasilẹ daradara lati dije fun awọn iṣẹ ni aaye ti n dagba nigbagbogbo ti imọ-jinlẹ data.