【IT168 评论】机器学习和数据科学是一组复杂而又相互关联的概念，想要深入的学习，就必须花时间下功夫研究。编程就像打游戏，需要不断的打怪升级，学习也是一样的道理。保持与时俱进的有效方式就是不断刷新自己的知识库，但是当今互联网上关于机器学习和数据科学的资料非常多，哪些才是值得一看的书籍呢?

　　《机器学习的渴望》——吴恩达

　　大数据和数据科学虽然不一定是同义词，但它们之间是相互关联的。如果你从事数据行业的工作，那么通过这本书能刷新你对机器学习的新的认知。

　　从这本书中你可以了解到如果使用端到端的深入学习、如何利用你正在创建的系统统计数据共享信息等。

　　获取地址：http://www.mlyearning.org/

　　《Hadoop权威指南》——Tom White

　　Apache Hadoop是用于处理和管理大量数据的主要框架，任何在编程或数据科学方面工作的人都熟悉Hadoop。事实上，它也是开发可扩展系统的最有效工具之一。

　　为了让更多的人熟悉使用Hadoop，Hadoop专家顾问和Apache软件基金会成员Tom White这本书，《Hadoop权威指南》充满了洞察力以及大量有用的资源。更重要的是，这本书可以引导你完成使用Hadoop集群的整个过程和设置。

　　此外，Apache Spark可能也是你能想花时间去学习的另一个重要平台。

　　试读地址：http://wenku.it168.com/d_001732212.shtml

　　《Predictive Analytics》——Eric Siegel

　　这本书详细的说明并解释了如何将数据和信息转化成为可操作的预见和预测。数据科学家的工作是查看原始的、未加工过滤的数据，并识别可用的趋势和模式。本书不仅可以帮助你识别可用的模式和趋势，还会提出必要的预测算法来改进未来的运营和流程等。

　　获取地址：http://www.predictiveanalyticsworld.com/book/overview.php

　　《用数据讲故事》——Kole Nussbaumer Knaflic

　　本书使用数据进行故事讲解，分享了业务专业人员的数据可视化指南，通过处理大量的数据提出改进数据收集和提取过程的方法。

　　了解你所收集的数据的价值以及如何处理这些数据是这本书的主要解决的内容，适用于一般读者，对专业人士也非常有帮助。

　　试读地址：http://wenku.it168.com/d_001732213.shtml

　　《大拐点》——Scott Stawski

　　《大拐点》的另一个标题是“混合云、移动、应用程序和数据如何塑造业务未来”，这本书有助于了解当前的数据分析和云计算行业的发展。特别值得一提的是本书的作者Scott Stawski直击原始的数据存储系统，帮助读者解决如何在组织内部部署相关的工具和平台。

　　这本书不仅仅是一个理论指导，还揭示了实际的工作系统的如何适应自己业务或企业的方法。

　　获取地址：https://www.scottstawski.com/publications

　　《统计学习导论 基于R应用》——Gareth James

　　掌握相关的统计学习和方法对于从事数据科学工作的人是必要的，本书旨在帮助了解相关概念。通过提供大量的R实验和实践，详细的进行讲解和演练。

　　你可以将这本书当做数据科学实践过程中的资源直接利用，而且，书中的信息和概念对于日常生活都是非常实用的。

　　获取地址：http://www-bcf.usc.edu/~gareth/ISL/