機器學習和數據科學是復雜而相互關聯的概念。要想讓自己在技術緊跟趨勢，你必須消耗大量的時間進行知識的更新。

日復一日的重復勞動不等于學習，這樣仍有可能掉隊。

所以一方面我們需要學習新知識，一方面保持實操經驗。這樣的技能組合，才能幫助你在行業中取得成功。

盡管互聯網上存在大量的學習資源，但對于信息的選擇并不是一件容易的事情，所以，選擇幾本優秀的書籍尤為重要。

這里我們精選出六本好書，助你學好機器學習和大數據科學!

1. Machine Learning Yearning 認識機器學習，吳恩達著 

現代數據技術，大數據和數據科學過程開發和生產精確的機器學習系統不是什么新東西了。雖然它們不是同義詞，但是它們之間息息相關，因此，如果你在數據行業工作，那么提高對機器學習的理解和認識很有必要。

你可以從這本優秀的書籍中學到一些見解，例如應該多長時間收集一次培訓數據，如何使用端口到端口的深度學習以及如何利用你正在創建的系統來共享數據和統計信息。

2. Hadoop: The Definitive Guide 權威指南，Tom White著 

Apache Hadoop 是用于處理和管理大量數據的主要框架。任何從事編程或數據科學工作的人都熟悉這個平臺，因為它是開發可擴展系統最有效的方法之一。

恰好專家 Hadoop 顧問和 Apache 軟件基金會成員 Tom White 寫了一本明確的指南，里面包含了許多獨到的見解和有用的資源。大數據學習扣qun： 74零零加4yi3八一更重要的是，它將引導你完成使用Hadoop 集群的整個過程和設置。

另外，Apache Spark 也是你可以花點時間學習的另一個重要平臺。

3. Predictive Analytics 分析預測，Eric Siegel著 

本書詳細解釋了如何獲取大多數形式的數據和信息，并將其轉化為可操作的預測或見解。關鍵是要幫助專業的人員更好地了解他們的客戶。你將學習如何識別他們購買的產品和服務，他們訪問的地點，與他們共鳴的內容等等。

數據科學家的工作是用未經過濾的原始數據來確定可用的趨勢和模式。本書不僅可以幫助你做到這一點，而且還可以提出必要的預測算法來改進未來的操作和流程，可以說是預測分析的圣經。

4. Storytelling With Data 用數據講故事，KoleNussbaumer Knaflic著 

這是一本權威的可視化指南，可以讓你了解應該如何處理你收集的所有有用的數據。許多見解適用于常用技術，對于業界人士很有幫助。是業內任何人都必備的重要閱讀物，甚至行業外人士也合適一讀。

簡而言之，本書涉及大量數據的組織和提取。這意味著過濾掉大量不明確的數據，改進數據收集流程，并提出相關的和實際的數據可視化。

5. Inflection Point 拐點，Scott Stawski著 

本書副標題為 “How the Convergence of Cloud, Mobility, Apps and Data Will Shape the Future of Business(云、移動性、應用程序和數據的融合如何影響行業的未來)”，這本書對于了解當前數據分析和云計算行業的發展勢頭十分必要。

特別值得注意的是，Stawski直接關注原始數據的存儲、挖掘系統、如何部署以及如何進行實際應用。

它不僅僅是一個理論指南，還揭示了實際的工作系統，并描述了如何使它們適應你的企業。

最重要的一點是，你能夠從本書中清楚了解如何在企業中部署這些工具和平臺。

6. An Introduction to Statistical Learning With Applications in R 基于R語言的統計學習導論，Gareth James等著 

統計學習和相關的方法是數據科學工作所必需的。這本教科書能夠幫助從本科生到博士生了解這些概念。

另外，它也提供了很好的R語言算法，有詳細的解釋和演練。這樣做的原因是，你可以在練習數據科學的時候把它作為一個直接的資源，特別是在學習階段。

這是一本好書，值得定期回顧，這些概念和信息對于日常應用也是實用的。