全网首发!UC Berkeley发布Data专业必看书单,这10本太猛了
01
图/US News 2024美国高校学科排名
书单一共包括10本书籍,全部出自顶级名校教授、Data行业资深从业者之手,涵盖机器学习、大数据、人工智能、数据科学、Python、商业智能、深度学习、预测等Data行业所需学习的各方面内容。
UC Berkeley推荐 数据分析阅读清单
UC Berkeley推荐 数据分析阅读清单
作者: Andriy Burkov
该书由同时拥有机器学习和人工智能博士学位的加拿大专家Andriy Burkov撰写。
作者根据自己在人工智能和计算机科学领域近二十年的实践行业经验,浓缩提炼了机器学习的基本概念、算法和应用,并提供了实际案例研究。
书本内容紧凑、有序,但又不会牺牲掉高质量的信息,如果你是Machine Learning的初学者,该书将帮助你在几小时内快速获取机器学习的核心原理。
A Practitioner’s Guide to Business Analytics
书中介绍了如何使用数据分析工具来改善组织的决策和战略。它涵盖了商业分析的基本概念、技术和方法,并提供了实际的案例和示例,帮助读者学习如何收集、清洗、分析和解释数据,以支持组织的决策过程。
非常适合想要从事商业分析的同学提前阅读,了解实际工作内容。
The Model Thinker: What You Need to Know to Make Data Work for You
作者: Scott E. Page
该书介绍了如何运用模型思维来理解和分析复杂的现实问题,并利用数据来支持决策和解决方案。
作者: Dan Bader
本书作者在软件设计和开发方面拥有超过15年的经验,每年都有超过50万开发人员参与他的视频培训。
该书介绍了各种Python的强大功能和技巧,帮助读者更加高效地编写Python代码。它涵盖了Python的各个方面,包括语法、数据结构、函数、类、模块、并发编程等。
书中提供了许多实用的示例和案例,展示了如何利用Python的特性解决实际问题。
读者可以通过这本书学习到一些高级的编程技巧和最佳实践,提升自己在Python开发中的能力和效率。
Data Analytics Made Accessible
作者: Anil K. Maheshwari, Ph.D
Too Big to Ignore: The Business Case for Big Data
作者: Phil Simon
大数据正在以前所未有的速度向我们袭来,而这种情况在未来几年只会加剧,其对未来商业的影响怎么强调都不为过。
在人类历史上,我们从未见过如此数量、速度和种类的数据。因此,大家急需理解大数据时代的商业运行规则。
本书充满了来自现实世界大数据从业者的案例研究、例子、分析和引言,是数据分析入门的必读之作。
Business unIntelligence
作者: Barry Davlin
The Quick Python Book
作者: Naomi Ceder
Developing Analytic Talent:
作者: Vincent Granville
作者: Matt Teddy
读书只是第一步!如果想在阅读之外
了解更多求职面试原题、技巧和陷阱
与各名企Data相关岗位在职导师1对1交流
即可预约导师1V1打造提升计划!
*封面图源自网络,侵删
微信扫码关注该文公众号作者