《大数据路线及学习资料》由会员分享，可在线阅读，更多相关《大数据路线及学习资料（7页珍藏版）》请在金锄头文库上搜索。
1、 学大数据路线及学习资料 互联网 5 大抢手职业定义一个职业的抢手程度=平均月薪*发布职位数/已招到职位数，根据这个公式统计出排名前五的互联网抢手职业，可以看到，技术岗位职业占据了四席，架构师由于对于其高要求的技术能力需求成为了非常抢手的职业，产品经理也属于 5 大抢手职业之一，这对于那些不需要特别精通技术，又想在互联网行业发展的朋友无疑是一个很好的消息。互联网 5 大过剩职业与抢手职业计算公式相同，我统计出得分低的 5 个职业，可以看到，这些职业均属于职能类别，由于很多互联网公司属于初创期，对于财务这块的业务往往不重视，要么外包给财务公司，要么某个人员兼任，所以出纳这个职业成为了互联网行业过
2、剩的职业。四川是旅游的天堂，无法拒绝她火辣辣的美食，无法拒绝她惊艳的自然风光，更无法拒绝她的古蜀文化。中国作为全球首屈一指的大国，it 培训缺口日益增大。从国家到地方，政府纷纷鼓励年轻人学习一技之长改变命运，成为很多人的首选。那么，2017it 培训前景如何？是不是真如传言中所说的高薪职业永不失业呢？大家对于 it 培训一定有所了解吧，今天，小编就为大家收集和整理了有关的信息，希望能让大家有更深一步的了解！接下来小编为你整理了超实用的干货想了解 it 培训的，快来看，绝对超实用哦！ 数据科学并没有一个独立的学科体系，统计学，机器学习，数据挖掘，数据库，分布式计算，云计算，信息可视化等技术或方法
3、来对付数据，科多大数据和你一起来看看数据大咖的分享。但从狭义上来看，我认为数据科学就是解决三个问题：1. data pre-processing;(数据预处理)2. data interpretation;(数据解读)3.data modeling and analysis.(数据建模与分析)这也就是我们做数据工作的三个大步骤：1、原始数据要经过一连串收集、提取、清洗、整理等等的预处理过程，才能形成高质量的数据;2、我们想看看数据“长什么样”，有什么特点和规律;3、按照自己的需要，比如要对数据贴标签分类，或者预测，或者想要从大量复杂的数据中提取有价值的且不易发现的信息，都要对数据建模，得到ou
4、tput。这三个步骤未必严谨，每个大步骤下面可能依问题的不同也会有不同的小步骤，但按我这几年的经验来看，按照这个大思路走，数据一般不会做跑偏。这样看来，数据科学其实就是门复合型的技术，既然是技术就从编程语言谈起吧，为了简练，只说说 R 和 Python。但既然是荐数据科学方面的书，我这里就不提 R/Python 编程基础之类的书了，直接上跟数据科学相关的。R programming如果只是想初步了解一下 R 语言已经 R 在数据分析方面的应用，那不妨就看看这两本：R in action：我的 R 语言大数据 101。其实对于一个没有任何编程基础的人来说，一开始就学这本书，学习曲线可能会比较陡峭
5、。但如果配合上一些辅助材料，如官方发布的 R basics( http:/ cran.r-project.org/doc/ contrib/usingR.pdf )，stackoverflow 上有 tag-R 的问题集(Newest r Questions )，遇到复杂的问题可在上面搜索，总会找到解决方案的。这样一来，用这本书拿来入门学习也问题不大。而且这本书作者写得也比较轻松，紧贴实战。 Data analysis and graphics using R：使用 R 语言做数据分析的入门书。这本书的特点也是紧贴实战，没有过多地讲解统计学理论，所以喜欢通过情境应用来学习的人应该会喜欢这本入门
6、书。而且这本书可读性比较强，也就是说哪怕你手头没电脑写不了代码，有事没事拿出这本书翻一翻，也能读得进去。但如果你先用 R 来从事实实在在的数据工作，那么上面两本恐怕不够，还需要这些：Modern applied statistics with S：这本书里统计学的理论就讲得比较多了，好处就是你可以用一本书既复习了统计学，又学了 R 语言。(S/Splus 和R 的关系就类似于 Unix 和 Linux，所以用 S 教程学习 R，一点问题都没有)Data manipulation with R：这本书实务性很强，它教给你怎么从不同格式的原始数据文件里读取、清洗、转换、整合成高质量的数据。当然和任
7、何一本注重实战的书一样，本书也有丰富的真实数据或模拟数据供你练习。对于真正从事数据处理工作的人来说，这本书的内容非常重要，因为对于任何研究，一项熟练的数据预处理技能可以帮你节省大量的时间和精力。否则，你的研究总是要等待你的数据。R Graphics Cookbook：想用 R 做可视化，就用这本书吧。150 多个recipes，足以帮你应付绝大多数类型的数据。以我现在极业余的可视化操作水平来看，R 是最容易做出最漂亮的图表的工具了。An introduction to statistical learning with application in R：这本书算是著名的 the element
8、 of statistical learning 的姊妹篇，后者更注重统计(机器)学习的模型和算法，而前者所涉及的模型和算法原没有后者全面或深入，但却是用 R 来学习和应用机器学习的很好的入口。A handbook of statistical analysis using R：这本书内容同样非常扎实，很多统计学的学生就是用这本书来学习用 R 来进行统计建模的。PythonThink Python，Think Stats，Think Bayes：这是 Allen B. Downey 写的著名的 Think X series 三大卷。其实是三本精致的小册子，如果想快速地掌握Python 在统计方
9、面的操作，好好阅读这三本书，认真做习题，答案链接在书里有。这三本书学通了，就可以上手用 Python 进行基本的统计建模了。Python For Data Analysis：作者是 pandas 的主要开发者，也正是Pandas 使 Python 能够像 R 一样拥有 dataframe 的功能，能够处理结构比较复杂的数据。这本书其实 analysis 讲得不多，说成数据处理应该更合适。掌握了这本书，处理各种糟心的数据就问题不大了。 Introduction to Python for Econometrics, Statistics and Data Analysis：这本书第一章就告诉你要
10、安装 Numpy, Scipy, Matplotlib, Pandas, IPython 等等。然后接下来的十好几章就是逐一介绍这几个库该怎么用。很全面，但读起来比较枯燥，可以用来当工具书。Practical Data Analysis：这本书挺奇葩，貌似很畅销，但作者把内容安排得东一榔头西一棒子，什么都讲一点，但一个都没讲透。这本书可以作为我们学习数据分析的一个索引，看到哪块内容有意思，就顺着它这个藤去摸更多的瓜。Python Data Visualization Cookbook：用 Python 做可视化的教材肯定不少，我看过的也就这一本，觉得还不错。其实这类书差别都不会很大，咬住一本啃
11、下来就是王道。Exploratory Data Analysis 和 Data VisualizationExploratory Data Analysis：John Tukey 写于 1977 年的经典老教材，是这一领域的开山之作。如今 EDA 已经是统计学里的重要一支，但当时还是有很多人对他的工作不屑一顾。可他爱数据，坚信数据可以以一种出人意料的方式呈现出来。正是他的努力，让数据可视化成为一门无比迷人的技术。但这本书不推荐阅读了，内容略过时。要想完整地了解 EDA，推荐下一本：Exploratory Data Analysis with MATLAB：这本书虽然标题带了个MATLAB，但实
12、际上内容几乎没怎么讲 MATLAB，只是每讲一个方法的时候就列出对应的 MATALB 函数。这本书的重要之处在于，这是我读过的讲 EDA 最系统的一本书，除了对 visualization 有不输于 John Tucky 的讲解外，对于高维的数据集，通过怎样的方法才能让我们从中找到潜在的 pattern，这本书也做了详尽的讲解。全书所以案例都有对应的 MATALB 代码，而且还提供了 GUI(图形用户界面)。所以这本书学起来还是相当轻松愉悦的。Visualize This：中译本叫“鲜活的数据”，作者是个“超级数据迷”，建立了一个叫 http:/ 的网页展示他的数据可视化作品，这本书告诉你该
13、选择什么样的可视化工具，然后告诉你怎样 visualize 关系型数据、时间序列、空间数据等，最后你就可以用数据讲故事了。如果你只想感受一下数据可视化是个什么，可以直接点开下面这个链接感受下吧!A tour through the visualization zoo(A Tour Through the Visualization Zoo )Machine Learning & Data Mining这一块就不多说了，不是因为它不重要，而是因为它太太太重要。所以这一部分就推两本书，都是”世界名著“，都比较难读，需要一点点地啃。这两本书拿下，基本就算是登堂入室了。其实作为机器学习的延伸和深化，概
14、率图模型(PGM)和深度学习(deep learning)同样值得研究，特别是后者现在简直火 得不得了。但 PGM 偏难，啃 K.Daphne 那本大作实在太烧脑，也没必要，而且在数据领域的应用也不算很广。deep learning 目前工业界的步子迈得比学术界的大，各个 domain 的应用如火如荼，但要有公认的好教材问世则还需时日，所以 PGM 和 deep learning 这两块就不荐书了。The Element of Statistical Learning：要学机器学习，如果让我只推荐一本书，我就推荐这本巨著。Hastie、Tibshirani、Friedman 这三位大牛写书写得
15、太用心了，大厦建得够高够大，结构也非常严谨，而且很有前瞻性，纳入了很多前沿的内容，而不仅仅是一部综述性的教材。(图表也做得非常漂亮，应该是用 R 语言的 ggplot2 做的。)这本书注重讲解模型和算法本身，所以需要具备比较扎实的数理基础，啃起这本书来才不会太吃力。事实上掌握模型和算法的原理非常重要。机器学习(统计学习)的库现在已经非常丰富，即使你没有完全搞懂某个模型或算法的原理和过程，只要会用那几个库，机器学习也能做得下去。但你会发现你把数据代进去，效果永远都不好。但是，当你透彻地理解了模型和算法本身，你再调用那几个库的时候，心情是完全不一样的，效果也不一样。Data Mining: Con
16、cepts and Techniques, by Jiawei Han and Micheline Kamber 数据挖掘的教材汗牛充栋，之所以推荐这本韩家炜爷爷的，是因为虽然他这本书的出发点是应用，但原理上的内容也一点没有落下，内容非常完整。而且紧跟时代，更新的很快，我看过的是第二版，就已经加进去了 social network analysis 这种当时的前沿内容。现在已经有第三版了，我还没看过，但应该也加入了不少新内容。其实这本书并不难读，只是篇幅较长，啃起来比较耗时。其实这两本书里单拎出来一块内容可能又是几本书的节奏，比如 bayesian方法，再拿出两三本书来讲也不为过，我个人用到的比较多，而且也确实有不少好书。但并非是所有 data scientist 都要用
