6 کتابی که باید در علوم داده بخوانید

در حالی که افراد زیادی مایل به یادگیری علوم داده هستند ، درک این مسئله که از کجا شروع شود یک سوال  است. در حال حاضر ، در اینجا برخی از بهترین کتابهای مفید علوم داده معرفی شده  که می توانید برای یادگیری به آنها مراجعه کنید .

6 کتاب برتر علوم علوم داده:

1. Data Science Handbook (راهنمای علوم داده)Data Science Handbook
توسط کارل شان ، ویلیام چن ، هنری وانگ و مکس سونگ

این کتاب راهنمای فنی علوم نیست. دانشمندان داده ی این كتاب به سؤالات شغلی متداول مانند:
- چه چیزی کار دانشمندان داده را از یک فرد آماری و یک مهندس نرم افزار جدا می کند؟ چگونه می توانند با هم کار کنند؟
 -در هنگام ارزیابی نقشهای علوم داده در شرکت ها باید به دنبال چه چیزی باشید؟
- برای ساختن یک تیم علمی داده مؤثر چه کاری لازم است؟
- چه ذهنیت ها ، تکنیک ها و مهارتهایی دانشمند داده را متمایز می کند؟
- چه چیزی در آینده برای علم داده نهفته است؟
     ...و بیشتر
پاسخ داده اند.

2. The Art of Data Science (هنر علم داده)
توسط راجر دی پنگ و الیزابت ماتسوییThe Art of Data Science

" هنر علم داده " عمل کاوش و یافتن اکتشاف در هر منبع داده ای است که به راحتی در دسترس است. این کتاب به تجزیه و تحلیل داده ها و پیمایش آن برای یافتن موضوعات  پنهان می پردازد.
نویسندگان به عنوان مدیر تحلیل در یک مجموعه متخصص درگیر نظارت بر پروژه های داده خود هستند . آنها در مورد تجربیات خود درباره اینکه چه چیزی باعث موفقیت وشکست می شود پروژه های داده می شوند  صحبت می کنند.

 

 

3.Introduction to Machine Learning with Python (مقدمه‌ای بر یادگیری ماشین با پایتون)

توسط آندریاس مولرIntroduction to Machine Learning with Python

این کتاب الگوریتم های اصلی یادگیری ماشین و اصول اولیه کتابخانه scikit-Learn را که عموماً در پایتون مشهور است نشان می دهد. علاوه بر این اصول اولیه آموزش ماشین را  با این هدف که شما بتوانید به یک دانشمند ماهر داده تبدیل شوید بیان می کند .در این کتاب  شما یاد می گیرید که چگونه می توانید مدل خود را ارزیابی کرده و به شما توصیه هایی را برای توسعه خود به عنوان یک دانشمند داده ارائه می دهد.

 

 

4. Python Crash CoursePython Crash Course
توسط اریک ماتز

این کتاب از دو بخش تشکیل شده است: بخش ابتدایی پایتون را از طریق مفاهیم مختلف مانند شرایط ، حلقه ها ، لیست ها و غیره به شما نشان می دهد. بخش دوم درباره ساخت پروژه های مختلف با بهره گیری از پایتون است.
با این کتاب ، شما فقط پایتون را یاد نخواهید گرفت و علاوه بر این یاد می گیرید که چگونه مشکلات پایتون را حل کنید. شما همچنین می توانید از موارد استفاده کتابخانه های مختلف پایتون در برنامه های وب مطلع شوید. به طور کلی ، این کتاب برای افرادی که مایل به یادگیری پایتون هستند ، کاملاً مناسب است تا دانش خود را در موقعیتهای واقعی تحقق بخشند

 

5. Practical Statistics for Data Scientists (آمار عملی برای دانشمندان داده )Practical Statistics for Data Scientists
توسط پیتر بروس

این کتاب برای دانشمندان داده ای است که آموزش درستی در زمینه آمار ندارند. این کتاب فقط ایده های مهم را به دانشمندان داده می دهد و در این کتاب نمونه هایی از استفاده آماری از R وجود دارد که به شما این امکان را می دهد تا مفاهیم لازم را تمرین کرده و مهارت های R خود را قوی کنید. ساختار این کتاب مطابق با کاربردهای دنیای واقعی از علم داده است.

 

 

6. R for Data Science  (R برای علوم داده  )r for data science
توسط هادلی ویکام و گرت گرولموند

 

در این کتاب از R برای نمایش علوم داده استفاده شده است. این کتاب به شما می آموزد که تمام مهارت های لازم را برای یک دانشمند داده داشته باشید و علاوه بر این شما را با RStudio آشنا می کند. این باعث می شود شما با بسته های قابل توجهی از R ، آشنا شوید.
این کتاب برای افرادی است که کتاب گذشته را خوانده اند و طور خاص برای مواردی در نظر گرفته شده است که یک دانشمند داده باید در تمرین روزمره خود عمل کند.