Какие книги для начинающего по Data Science?

Question

[BAnton]

Решил учить укзаное в тегах. Пока не определился что конкретно, но как я понимаю надо начинать с теории верояности и/или мат.статистики. Изучал оба предмета в университете, но уже все призабыл. Подскажите какую книгу можно читать. Сейчас стоит выбор между К.Доугерти "Введение в эконометрику" и Гмурман "Теория вероятностей и математическая статистика" - может ктото может подсказать принципиальную разницу между этими книгами?

Comments

[Alibaba2018]

Нужно знать Python хорошо, в первую очередь, и решать задачки, а не теорию учить для DS. Библиотеки: Numpy, Pandas, Matplotblib, Scikilearn, Seaborn итд. в особенности.

Если уж хочется hardcore математики, то тогда сразу читать книгу от создателей этой науки ISLR by Gareth James (доступна бесплатно на сайте унивеститета в pdf).

Мне очень понравились лекции Jose Portilla на udemy.com. Вроде там еще есть лекции гражданина Еременко неплохие по теме, но я у него брал только курс по Tableau.

"Learn Data Analysis with Python" by Henley, Wolf: сейчас начал, но это только задачки и то что работодатели требуют для трудоусторйства по сути, а не пространственную теорию.

[Дмитрий]

Как продвигается обучение? Меня самого начали звать на различные Data Science проекты, хочу въехать в основы хотя-бы... ) Читаю книжку для нубов - "Теоретический минимум по Big Data. Всё что нужно знать о больших данных " Су Кеннет , Анналин Ын. Вроде помогает ))

Answer 1

[dmshar]

Вопрос несколько странный ввиду реально НЕСМЕТНОГО количества книг по DS,
BD, ML вышедших в последнее время. На любых языках, для любого стартового уровня образования, с прицелом на различные инструменты. Берите любую и начинайте учить. Когда что-то станет ясно и захочется углубить или наоборот, когда что-то станет непонятно - ищете целенаправлено другой источник, в котором уже известная вам тема изложена глубже или яснее. И так двигаетесь, расширя свой кругозор в тема.
Если сложно самомунайти - есть уже составленные списки, например:
https://ru.stackoverflow.com/questions/Книги-и-уче...
Или
https://www.learndatasci.com/free-data-science-books/
И подсказок в сети тысячи - как, что и в каком порядке учить. Например:
https://proglib.io/p/learn-data/
Вот куча дополнительных ресурсов.
www.7wdata.be
https://www.datasciencecentral.com
https://datascienceplus.com
https://www.kdnuggets.com
https://www.analyticsvidhya.com
https://towardsdatascience.com
Удачи.
P.S. " стоит выбор между К.Доугерти "Введение в эконометрику" и Гмурман "Теория вероятностей и математическая статистика" - может ктото может подсказать принципиальную разницу между этими книгами?"
----> Принципиальная разница: Гмурман дает общую теорию, хорошую основу, универсальный учебник.
Доугерти больше ориентирован на специализированную нишу экономических и социальных задач.
Оба неплохи для изучения статистики на соответствующих специальностях в универе.
Начинать с нихсамостоятельное изучение я бы не рекомендовал. Лучше гляньте список и рекомендации, приведенные выше и из них выбирайте.

Answer 2

[Ernest Faizullin]

на рутрекере по запросу "big data" (сортировка по времени добавления)

Answer 3

[D']

Если с пониманием Анг все хорошо, то посоветую начать с курса от Стенфорда. По хочу обучения поймешь каких знаний в математике тебе не хватает, и сможешь учить конкретные темы.

Answer 4

[Данил]

https://medium.com/machine-learning-for-humans/how... - от простого к сложному. Нужен английский.

Answer 5

[Alibaba2018]

Нужно знать Python хорошо, в первую очередь, и решать задачки, а не теорию учить для DS. Библиотеки: Numpy, Pandas, Matplotblib, Scikilearn, Seaborn итд. в особенности.

Если уж хочется hardcore математики, то тогда сразу читать книгу от создателей этой науки ISLR by Gareth James (доступна бесплатно на сайте унивеститета в pdf).

Мне очень понравились лекции Jose Portilla на udemy.com. Вроде там еще есть лекции гражданина Еременко неплохие по теме, но я у него брал только курс по Tableau.

"Learn Data Analysis with Python" by Henley, Wolf: сейчас начал, но это только задачки и то что работодатели требуют для трудоусторйства по сути, а не пространственную теорию.

Comments

[BAnton]

Возможно у меня сложилось ошибочное мнение, так как только начал учить, но мне не понятно как можно учить програмирование если не знаешь где какой метод применить из теории. К примеру не можешь понять можно ли применить определенный тип теста из мат статистики если не знать условий при каких его можно применить. Из результатов которые выведет к примеру R (пока изучение у меня началось с него) не можешь никак интерпретировать и сделать какието выводы как какойто параметр может влиять на чтото или построив график не понимаешь какой вывод из этого можно сделать. Както не хотелось бы скатится к code monkey

[Alibaba2018]

BAnton, как успехи?

[BAnton]

Alibaba2018, прошел курс по R платный, с преподавателем и все такое, паралельно прошел онлайн курс на stepik.org основы статистики. Поверхносно понял что к чему и куда двигатся дальше. Решил что R фигня относительно пайтона так как работы на R почти нет относительно пайтона.
Начал data science carrier path Python на datacamp который включает 22 небольших курсика которые в сумме занимают где-то 80-100 часов в формате видео-объяснение - интерактивная задачка на пайтоне с проверкой прям в редакторе на сайте. Включая опыт с R, поверносное знание теории - все заходит как по маслу и охвативает идеально библиотеки что вы описали в рекомендации в первом абзаце от статистике на пайтоне до машинного обучения. Так прошел где-то 17 курсов и дошел до NN и машинного обучения. Временно переключился на stepik.org курс нейронные сети для понимания теории.....пока в процессе. Так же поверхносно прохожу темы школьно-институтской програмы связаные с теорией - матрицы, вектора, логарифмы, производные, градиент ... итд.
...проблема только как всегда со временем на это все....