大數據入門學習必讀好書推薦，請收藏！
身處于一個大數據時代，大數據無疑是近期最時髦的詞匯了。
不管是云計算、社交網絡，還是物聯網、移動互聯網和智慧城市，都要與大數據搭上聯系。
隨著云計算、移動互聯網和物聯網等新一代信息技術的創新和應用普及。學習大數據，除了網課，一些經典的技術書籍是非常實用且有幫助的。
為了跟上技術更迭的節奏，不落人后，合適的方式是繼續刷新自己的知識，同時保持上手的經驗。在這行業中要取得成功，需要豐富的項目經驗和技能組合。盡管網上有大量的資源，我們仍要專門推薦一些好的實體書籍。
大數據書單
《Machine Learning Yearning》
by 吳恩達
由現代數據，大數據和數據科學開發并生產出的機器學習系統已經不是什么秘密。雖然它們不一定是同義詞，但卻是互相關聯的，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是個不錯的想法。
《數據之巔》
by涂子沛
這本書中，從小數據時代到大數據的崛起，作者以宏大的歷史觀、文化觀、大數據觀，給我們描繪了一幅數據科學、智慧文化的全景圖。
《為數據而生》
by周濤
書中分別闡述在大數據1.0、大數據2.0和大數據3.0時代下，相對應的數據分析需要做到分析、外化、集成。作者提供了一套基本的大數據分析框架：確定問題和指標, 清洗數據, 特征提取和選擇, 模型訓練, 模型融合。
《智能時代》
by吳軍
回顧了科學研究發展的四個范式，用實例證明了數據在科學發現中的位置。這本書作者分七章從不同角度對大數據進行介紹，分別以技術和思維方式的改變為主線，從工業革命這個角度嵌入，順理成章的延伸出大數據與智能化，但是沒有將過多筆墨放在技術的深究上，而是選擇從應用層面體現大數據的理念。大數據應用則會滲透到各行各業，這正是作者的用心之處。
這本書作者分七章從不同角度對大數據進行介紹，分別以技術和思維方式的改變為主線，從工業革命這個角度嵌入，順理成章的延伸出大數據與智能化，但是沒有將過多筆墨放在技術的深究上，而是選擇從應用層面體現大數據的理念。大數據應用則會滲透到各行各業，這正是作者的用心之處。
《Hadoop：權威指南》
by Tom White
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有必要熟悉這個平臺。事實上，這是開發可擴展系統最有效的方法之一。身為Hadoop顧問和Apache軟件基金會成員的Tom White寫了這本標準指南，其中包羅作者的個人見解和一些有用的資源。更重要的是，它將引導你完成Hadoop的設置并且過一遍整體流程。
Apache Spark是你可能需要花時間學習的另一個重要平臺。
《預測分析》
by Eric Siegel
本書詳細解釋了如何獲取多種形式的數據和信息，并將其轉化為可實施的預測或見解的方法。本書的核心目的是幫助專業的人員更好地了解他們的受眾。你將學會如何識別他們購買的產品和服務，訪問的地點，與他們產生共鳴的內容等等。
眾所周知，數據科學家的工作是查看未經過濾的原始數據，并發現可用的趨勢和模式。本書不僅可以幫助你做到這一點，而且還提出必要的預測算法來改進未來的操作和流程。本書可以算是預測分析的圣經。
《大拐點》
by Scott Stawski
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有幫助。特別值得注意的是，Stawski主要關注原始數據存儲和挖掘系統、如何部署以及在現實世界中的使用情況。
它不僅是一個理論指南，還揭示了實際的工作系統，并且提到如何把相應模式套用到你的企業或公司。更重要的一點是，你可以從本書中清楚了解如何在組織內部署這些工具和平臺。
《統計學習導論·基于R應用》
by Gareth James等人
統計學習和相關的方法是數據科學工作所必需的概念。這本教科書旨在幫助每個人——從本科到博士，了解這些統計概念。
當然，它也提供了一些很好的R-lab與練習，其中有詳細的解釋和攻略。你可以在學習階段直接用它來練習數據科學。他還能在你的日常應用中作為工具書反復查閱。
《R語言預測實戰》
by游皓麟
R語言橫跨了金融、生物、醫學、互聯網等多個領域，主要用于統計、建模及可視化。由于上手快、效率高，備受技術人員青睞。預測是大數據挖掘的主要作用之一,借助R語言來做大數據預測，可以兼具效率與價值于一身。
市面上為數不多的系統講解R語言預測專題的書籍，可以get到做R語言預測時的基本步驟和方法思路，還有更多技術細節
《商業中的數據分析》
by Foster Provost, Tom Fawcett
本書由著名數據科學專家Foster Provost和Tom Fawcett撰寫，介紹了數據科學的基本原理，讓你從收集的數據中提取有用的知識和業務價值所需的“數據分析思維”，并可幫助你了解當今使用的許多數據挖掘技術。
這本書有趣的地方，是會特別標記出較困難的技術部分，并深入淺出的介紹數據挖掘中的重要的幾個概念：分類，聚類和回歸。更重要的是書中包含了這些概念在商務上的的直接應用。
《數據科學實戰》
by Cathy O'Neil, Rachel Schutt
這本以哥倫比亞大學的數據科學入門課為基礎，包含了Google，Microsoft和eBay等公司的數據科學家的經驗，通過介紹案例研究和他們使用的代碼的經歷，分享了新的算法，方法和模型。
如果你熟悉線性代數，概率和統計，并具有編程經驗，本書是你對數據科學的理想介紹。主題包括：統計推斷、探索性數據分析和數據科學過程算法、垃圾郵件過濾器、樸素貝葉斯和數據處理邏輯回歸、財務建模、推薦引擎和因果關系數據可視化、社交網絡和數據新聞、數據工程、MapReduce。
《Show Me the Numbers》
by Stephen Few
在BI產業有30多年的經驗之后，Stephen Few并不針對哪一種可視化工具進行鉆研，而是從更高層次的去討論，什么圖形該怎么使用，來傳達什么樣的訊息是最有效的，以及數據分析產業的發展與趨勢。
這本書中，他介紹了可視化的起源和背后的應用，為讀者提供實際的設計指導，針對不同數據使用者的不同使用場景給出建議，在一些現在流行卻有潛在問題的可視化設計上做出改進。
《精益數據分析》
by Alistair Croll / Benjamin Yoskovitz
本書延續了新創企業文化中MVP(Most Valuable Product)概念和商業畫布架構，展示了如何利用數據的方式，分析六個產業中(電子商務、SaaS、免費移動應用、媒體網站、用戶生成內容與雙邊市場)的數據，驗證創業者自己的設想、找到真正的客戶、打造能賺錢的產品，以及提升企業知名度。
有趣的地方是，就算新創企業的數據沒有成熟企業來的多，作者認為每種不同的產業仍有必須關注的指標數字。根據這些數字新創公司可以更有效的管理和拓展生意。
