Data science развивается стремительно. Чтобы не отстать, нужно много читать. Предлагаем вам список обязательного чтения для аналитиков разных уровней на 2020 год.
Наука о данных – это самая горячая и быстро развивающаяся тема в наши дни. Почти в каждой компании есть открытые позиции в этой области. Или скоро будут. А значит сейчас лучшее время, чтобы стать специалистом по данным или отточить свои навыки, если вы хотите подняться на более высокие должности. Что читать?
Нулевой уровень
Если вы впервые оказались в волшебном мире науки о данных, вам необходима книга Джоуля Груса «Наука о данных с нуля» (Data Science from Scratch. Joel Grus). Она целиком и полностью соответствует своему названию. Это — введение в науку о данных для начинающих. Вам даже не нужно знать Python, чтобы начать ее читать.
Если вы новичок, но хотите двигаться дальше в направлении машинного обучения, вам пригодится книга Сары Гийдо из той же серии, что и предыдущая – «Машинное обучение с Python”
(Machine Learning with Python. Sarah Guido). Что интересно, для нее тоже вовсе не обязательно владеть пайтоном.
Смотрите в сторону работы в области данных, но не очень представляете, кто такой – специалист по их анализу? Книга Пржемека Чочеки «Работа в Data Science. Как стать аналитиком данных» весьма пригодится вам. Но при условии, что вы хорошо владеете английским. Пока еще руководство «Data Science Job: How to become a Data Scientist» (Przemek Chojecki) на русский язык она не переведено.
Средний уровень
Если вы уже прочли 1-2 книги по науке о данных, и даже недавно начали что-то делать в этом направлении, перечисленные ниже книги — для вас!
Лучше всего начать с книги Уэса Маккинни «Питон для анализа данных» (Python for Data Analysis. Wes Mckinney). В ней содержится вся информация о таких библиотеках пайтона как NumPy и pandas. Заодно вы освежите знания о том, как работает Python.
«Справочник Python и Data Science» Джейка ВандерПлаца (Python Data Science Handbook. Jake VanderPlas) – отличный путеводитель по всем библиотекам Python`а: NumPy, Pandas, Matplotlib, Scikit-learn.
«Python и машинное обучение» (Python Machine Learning. Sebastian Raschka). Эта книга подойдет и начинающим, и искушенным. Начинается она очень мягко и понятно, но постепенно заводит читателя в глухие дебри. Автор Себастьян Рашка буквально на пальцах объясняет, что такое «машинное обучение» и «глубокое обучение».
«Питон для финансов» Ива Хилпиша (Python for Finance. Yves Hilpisch) – книга, обязательная к прочтению для всех, кто применяет данные в финансах. Она покажет, что есть специальные инструменты для анализа финансовых рынков и научит ими пользоваться.
Экспертный уровень
Тем, кто его достиг, наверное, более полезно читать специализированную научную периодику нежели литературу. Однако есть три совершенно фантастических книги для тех, кто в теме. Франсуа Шолле. «Глубокое обучение на Python» (Deep Learning with Python. François Chollet). Автор – создатель Keras, самой мощной библиотеки для работы с нейронными сетями. Он рассказывает о машинном обучении доступным языком, приводит много примеров из практики, а кодом, приведенным в книге, можно пользоваться уже с первых страниц.
Ян Губфеллоу. «Глубокое обучение» (Deep Learning. Ian Goodfellow) Автор – пионер глубокого обучения – дает великолепное собрание алгоритмов. Здесь нет большого количества кодов, но зато есть представление о том, как следует подходить к проблемам машинного обучения.
Тому, кто любит математику, непременно понравится книга «Машинное обучение: вероятностная перспектива» (Machine Learning: a Probabilistic Perspective. Kevin P. Murphy). Ее автор Кевин Мерфи, является исследователем искусственного интеллекта в Google. В книге он представляет набор методов, которые могут автоматически обнаруживать закономерности в данных, а затем использовать модели для прогнозирования. Эту книгу вы вряд ли прочтете залпом, но она очень полезна в качестве справочного материала в исследованиях машинного обучения.
Источник: towardsdatascience.com