一、入門的過癮是能【咻~的一下看完】

《深入淺出數據分析》

資料分析入門第一本。通俗簡單,卻能夠讓你對資料分析的相關概念有大致的瞭解,要去體會作者傳達出來的思想邏輯和分析原則,這對你以後的學習有很大的幫助。

《深入淺出統計學》

號稱[文組也能看懂]的統計書。儘管閱讀容易,但所講的知識在資料分析中都是常見且必須掌握的,比如基本的統計量,基本上每個分析專案中都會用到;比如基本的概率分佈,總體與樣本的概念、置信區間、假設檢驗、回歸分析,都是關於資料分析的統計學知識。

《Python for Data Analysis》

Python資料分析必看,適合入行不久的資料分析師。作者有多年的Python資料分析工作經驗,對各種Pyhon包iPython,NumPy,pandas,matpotlib等有著很深的理解。看完這本,敲完程式碼,Python資料分析就算入行了。

《精通 Python:運用簡單的套件進行現代運算》

一本容易理解也很有趣的書,非常適合程式設計初學者以及剛要開始學習這個語言的讀者。作者 Bill Lubanovic 會引領你從基礎開始,循序進階到較複雜且多樣的主題,並在教學過程中,融入食譜式的程式說明Python 3概念。最後透過每章結束的練習題來驗證所學到的技巧。

《R 錦囊妙計》

如果你是R的初學者,《R錦囊妙計》將讓你起步更快。如果你對R已具備中等程度的理解,本書對於你擴展R的學習視野與鞏固記憶將有實質的幫助。經由本書,你將能使分析工作更快速地完成,而且學習更多善用R的技巧。

《R語言實戰》

如果要用R語言做資料分析,建議讀完《深入淺出資料分析》之後,就開始讀這本。從工具的安裝,到具體分析方法在R語言中的實現,講解詳細,可操作性極強,是一本非常值得讀的資料分析書。

《小數據獵人》-發現大數據看不見的小細節,從消費欲望到行為分析,創造品牌商機

你會在N個排行榜的前五看到它,好評無數。本書作者以訪問2000戶家庭的形式,探索人類與消費趨勢,讓你從細微的資料分析得到全新見解。

《演算法圖鑑》-26種演算法 + 7種資料結構,人工智慧、數據分析、邏輯思考的原理和應用全圖解

適合初心者的書籍,入門磚。內文內容簡單易懂,利用圖形一步步表示其演算法概念或者加密系統問題的所在,也以時間複雜度表示執行效率,相當容易理解。

《數據、謊言與真相》-Google資料分析師用大數據揭露人們的真面目

作者敘事功力非常強,用語幽默風趣,尤其是作者在書中所研究的案例,和現實生活相當貼近(意識形態、同性伴侶和種族歧視等等的議題)。如果像我一樣,對於「大數據」既有興趣,卻又感到困惑的人,不妨看看這本書,會有全新的思考角度與收穫。

《工業大數據:工業4.0時代的智慧轉型與價值創新》

第一本結合各國發展策略與臺灣案例的工業4.0專書,探索適合臺灣工業4.0的創新轉型之路。本書結合國外領先企業與臺灣的案例,對臺灣產業政策提出建議,深入分析臺灣企業該做什麼,以及該如何做到。

《赤裸裸的統計學》

這本書是結合生活講解統計知識,生動有趣。作者年輕時是個追求學習意義的學霸,後來自己從統計學中發掘了很多可以應用到生活的地方。

可以避免統計學一上來就大講貝葉斯概率和隨機分析的枯燥

《Data Analytics for Beginners: Basic Guide to Master Data Analytics》

入門五星推薦。2016新書,裡面很多圖表實例,手把手教你如何EXCEL畫圖,對各種知識點(平均值,模式,中值,方差,標準差)的講解相當的到位,比起大學裡的各種課本靠譜幾何級倍數。

二、進階的過癮是要【專業知識豐富到爽】

《精益數據分析》

“此書優勢在於將企業分成了幾個大的行業類別,並分門別類的講解了每個行業的商業模式特點及分析技巧,對使用者的分析能力要求較高,且必須具備相應的業務知識。”
書中並沒有講到具體的資料分析技術,主要分析了各種產品中用到的指標、模型和“資料驅動型產品”的一些思路。

《The Wall Street Journal Guide to Information Graphics》

華爾街日報負責商業分析的人做的視覺化指南,精華且實用。圖表製作的標杆。

《ggplot2:數據分析與圖形藝術》

ggplot2 是最優秀的資料分析視覺化工具之一,這本書系統地講解了 ggplot2 的基本原理和具體操作,書中有大量的例子,也可以下載原始程式碼。更建議直接學習英文版的教材(如果英文過關的話)。

《數據科學實戰》

“對於做了一段時間資料分析工作的人,這無疑是進階更高維度的好書,很難有一本書,能夠讓你從簡單的資料分析平滑地過渡到機器學習和資料採擷,這本書我認為是這方面做的最好的一本。”

這本書是資料分析和機器學習之間的橋樑。從探索性的資料分析,引出了機器學習的基本演算法:回歸分析、k近鄰、k均值,並介紹了不同應用場景中最常見的機器學習演算法。

《Doing Data Scienc》

作者Cathy O’Neil是哈佛大學的博士,MIT的資料博士後,曾今作為一名Quant在對沖基金D.E. Shaw 工作,目前是一家紐約初創公司的Data scientist 。這本書需要有一定的程式設計和理論基礎,作為入門教材來說有點難,雖然只有400來頁,但是涉及的知識點很全面。每一章節的核心內容都附有程式設計案例,R/Python/Shell三種語言任君挑選。

《Data Science for Business》

很多大神為之作序,資料科學如何與商業結合,相信這本書會給你一些啟發。

《Python Data Science Handbook》

2016年6月出版的,500頁保質保量,作者(Jake VanderPlas)是華盛頓大學電子科學研究所的高級資料科學研究員,研究領域包括天文統計學、機器學習和可擴展計算。書的前半部分介紹了用於資料分析和一般的科學計算的基本Python庫,後面從實際應用的角度使用Python庫scikit-learn開始機器學習實踐。適合有一定Python基礎人(或者R基礎),並且想學習如何使用Python進行資料分析的人。

《Storytelling with Data》

作者Cole NussbaumerKnaflic,私募分析師,前Google人力分析團隊總監。本書展示了如何高效率展示量化資訊,如何用豐富的資料講故事。Google內部的資料視覺化課程講師,之前也在Maryland Institute College of Art兼職講師。如果你想知道如何以圖敘事,這本好書不容錯過。

感謝閲讀!
點擊獲取免費版FineReport10.0>

獲得帆軟最新動態:數據分析,報表實例,專業的人都在這裡!加入FineReport臉書粉絲團

相關文章:

書單 | 從入門到精通,數據分析不得不看的10本「好書」!