5 książek, które każdy analityk danych powinien przeczytać w 2021 r
Nie wiesz, co dodać do swojej listy lektur na rok 2021? Trzymaj się tego, co najważniejsze.
Podręcznik nauki o danych
Ta książka zdecydowanie powinna znaleźć się na półce każdego analityka danych: zawiera wywiady z 25 analitykami danych z różnych firm, branż i poziomów doświadczenia. Dostarczą Ci cennych informacji na temat tego, jak planować karierę w dłuższej perspektywie, w jakich firmach pracować, jak się dalej uczyć i jak postrzegają tę dziedzinę w nadchodzących latach. Ta książka dodaje wiele wartościowych i przydatnych spostrzeżeń, szczególnie jeśli jesteś początkujący. Aby uzyskać bardziej szczegółowe podsumowanie, przeczytaj „ten artykuł z 10 głównymi lekcjami z książki”.
W ramach ćwiczenia polecam wybrać kilka najciekawszych pytań z książki i zadać je analitykowi danych pracującemu w firmie, w której naprawdę chcesz pracować, lub osobie pracującej w Twoim kraju lub regionie (skontaktuj się z nimi na LinkedIn). W ten sposób możesz uzyskać ten sam wgląd, ale dostosowany do Twojej rzeczywistości i celów.
Praktyczna statystyka dla badaczy danych
Są dwie główne okoliczności, w których ta książka będzie dla Ciebie wartościowa: masz wykształcenie techniczne i musisz dowiedzieć się więcej o statystyce, lub masz wykształcenie akademickie i masz dużą wiedzę teoretyczną w dziedzinie statystyki, ale jej nie masz bardzo często korzystałem z tego w praktyce. Książka przeprowadzi Cię przez główne pojęcia związane ze statystyką, takie jak testy t, dystrybucje i uczenie maszynowe, oraz pokaże, jak działają one w praktyce przy użyciu Pythona i R. To dobra książka na poziomie średniozaawansowanym, która skupia się na zastosowaniach, a nie teorii.
Gorąco polecam pobawić się kodem z tej książki, próbując odtworzyć niektóre fragmenty kodu i poprawić je, aby zobaczyć, jak będą działać.
Inżynieria funkcji dla uczenia maszynowego
Inżynieria funkcji jest prawdopodobnie jednym z najważniejszych kroków w procesie analizy danych. Kiedy już będziesz miał dobrą ogólną wizję tego przepływu pracy i głównych algorytmów, zdecydowanie powinieneś zacząć doskonalić swoje umiejętności inżynierii funkcji. Zasadniczo oznacza to opanowanie wielu różnych narzędzi i tego, kiedy z nich korzystać, w zależności od danych i celów.
Ta książka zawiera dobrą mieszankę teorii, zastosowania i intuicji, dlatego zalecam, abyś czytał ją podczas robienia mnóstwa notatek, a następnie trzymał ją przy sobie jako przewodnik.
Więcej informacji na temat inżynierii funkcji można znaleźć w tym artykule.
Stustronicowa książka o uczeniu maszynowym
Jedna z najlepszych książek pozwalających zrozumieć matematykę stojącą za głównymi algorytmami ML. Wyjaśnienia są jasne i proste, a jednocześnie precyzyjne. Powinna to być jedna z pierwszych książek, które przeczytasz rozpoczynając swoją przygodę z uczeniem maszynowym, zwłaszcza jeśli znasz już matematykę i jej zapis. Jeśli nie jesteś zaznajomiony z matematyką, być może powinieneś najpierw zapoznać się z intuicją algorytmów, zanim zaczniesz się w nią zagłębiać.
Jeśli naprawdę chcesz szczegółowo przestudiować tę książkę, radzę spróbować zaimplementować zawarte w niej algorytmy przy użyciu wybranego języka programowania, aby upewnić się, że ugruntujesz swoją wiedzę.
Pomyśl o Bayesie
Gdy zaczniesz studiować statystykę, często będziesz czytać o Bayesie i niektórych algorytmach Bayesa. Za jakiś czas usłyszycie także o pewnej debacie pomiędzy podejściem bayesowskim a częstym. Jeśli nie widzisz różnicy pomiędzy tymi dwoma podejściami, zapraszam do obejrzenia Filmu Cassie Kozyrkov, gdzie w bardzo intuicyjny sposób uczy Cię tego w około 7 minut.
Kiedy już zrozumiesz tę różnicę, całkiem przydatne może być przestudiowanie statystyki Bayesa, aby opanować algorytmy Bayesa (niektóre z nich są naprawdę potężne) i dodać je do swojego arsenału. Polecam tę książkę szczególnie osobom, które mają doświadczenie w statystyce, ale nigdy wcześniej nie studiowały szczegółowo metod Bayesa: nie zagłębiają się w temat, ale są wystarczająco dobre, aby dać ci trochę intuicji i pokazać, jak używać Bayesa statystyki w Pythonie.
Jeśli lubisz studiować naukę o danych z książek, ten artykuł może Ci się spodobać:
Jeśli chcesz kontynuować dyskusję, skontaktuj się ze mną na LinkedIn. Będzie to dla nas przyjemność (szczerze).
