7本書帶你掌握資料科學中的數學基礎（附下載）
作者：Ajit Jaokar
翻譯：李海明
本文約1500字，建議閱讀6分鐘。
想要精通資料科學，學好數學功不可沒。
微信後臺回覆“7本書”獲取文章內的書籍資源
關鍵詞：書，資料科學，Ian Goodfellow，機器學習，數學， Robert Tibshirani, Vladimir Vapnik
想要精通資料科學，學好數學功不可沒。基於這一常識，現推薦7本好書。
很多人在學習資料科學的時候都非常重視程式設計的學習。然而，如若有意精通資料科學（亦或是機器學習）這一門類，我們絕不能忽視資料科學的數學背景。所以，接下來我會推薦我在學習資料科學的過程中非常享受的7本數學基礎方面的書。說“享受“可能不是特別準確，因為要非常非常努力才行！
那麼問題來了，為什麼你需要去學好資料科學中的數學基礎呢？
以下幾條原因一直激勵著我這樣去做：
人工智慧技術一直處於高速更迭中。良好的數學基礎有助於你理解人工智慧技術的進化，同時也能讓你更深入地去理解並使用人工智慧技術，而不是停留在AI技術的表面。另外，這樣做也可以幫助你更好地去看待AI智慧財產權的問題。最後，職業規劃方面，一旦你掌握了資料科學背後的數學基礎，便可去從事更高階的AI和資料科學方面的工作。
與這7本書打交道時，我還有另外兩個動因：
首先，其內容可以作為我在牛津大學教授網際網路資料科學課程的一部分，另外我本人還教授AI應用課程，在這些課程中我都要涉獵一些基礎的數學方法。
其次，我還在寫一本從數學角度簡化AI的書，目的是讓14到18歲年齡段的讀者也能看懂。理解資料科學和AI中的數學基礎，你需要知道4類知識：線性代數，概率論，多變數微積分以及優化。這些知識大多數（至少是一部分）都來自於高中課本，因此我正在嘗試通過強調數學建模的意義，將高中數學和AI、資料科學聯絡起來。也歡迎評論我的方法。
以下是書單以及我對這7本書的評價：
1. 《統計學習理論的本質》Vladimir Vapnik. 【有中、英文版】
沒有涵蓋這位偉大的俄羅斯數學家Vladimir Vapnik著作的數學推薦書單都是無稽之談。所以，我把Vladimir Vapnik的《統計學習理論的本質》放在首位。在我的書單中，他的書是最難找到的。我有一本較早前的印度版本。他是支援向量機的發明者，維基百科中涵蓋了很多關於他的成就的介紹。
2. 《Richard O Duda教你模式分類》（2007-12-24） Richard O Duda 【有英文版】
與Vapnik博士的書類似，Duda的書是另一個時代的經典力作。這本書最早發行於1973年，後改版了25次（至2000年），是一部有份量的數學學習資源。該書採用了模式識別方法，並提供了廣泛的演算法覆蓋。
3. 《機器學習：從演算法出發》第二版 (Chapman & Hall/Crc 機器學習與模式識別) Stephen Marsland 【有英文版】
Stephen Marsland的書已經有了第二版。Stephen Marsland的這本是同類書中我讀的最早的一批中的一本（我只有第一版）。兩個版本都非常好。我認為該書的第二版會有更多的python程式碼。就像前兩本一樣，這本書非常強調演算法。
4. 《統計學習基礎：資料探勘，推斷與預測》 第二版 Trevor Hastie, Robert Tibshirani, Jerome Friedman 【有英文版】
又是一本經典之作。我有的這本書是彩色列印的，非常精美，可以作為學習的一本參考書。
5. 《模式識別與機器學習》（資訊科學與統計學） Christopher M. Bishop 【有英文版】
Christopher M. Bishop的力作《模式識別與機器學習》（資訊科學與統計學）是一本深入淺出的學習參考書。
6. 《機器學習：資料門類中演算法的科學與藝術》Peter Flach 【有英文版】
雖然這本書在amazon上有評論說多文字而少程式碼，但我喜歡Peter Flach的書，特別是演算法的分組（邏輯模型，線性模型，概率模型）以及其對主題的整體處理風格。
最後，是我最最推薦的一本：
7. 《深度學習》Goodfellow, Bengio and Corville 【有中文 draft版、英文版】
這是一本值得你從一字不落頭讀到尾的好書。該書既詳細又現代，涵蓋了你能想到的所有問題。
還有兩本也值得閱讀：
1. 《機器學習第一課》第二版 （機器學習與模式識別） Simon Rogers，Mark Girolami
這是我看的第一本AI和資料科學的書。他不太適合初學者，但是仍然是一本不錯的書（特別是第二版）
2.《機器學習：從概率出發》 Kevin Murphy
這本書評價頗高，但是我自己還沒有讀過（所以沒有列在7本書的範圍之內）
如果我錯過了一些好書，正好你又有其他推薦，也請讓我瞭解。
總結評論
1. 除了《深度學習》，我不建議大家通讀其他書籍。我更傾向於需要學習哪類知識就去讀哪本書。我還喜歡不同作者在書中舉的不同例子，比如Duda的魚分類；Hastie的廣告資料銷售電視與廣播；Flach假設空間概念與海洋動物的例子等等。
2. 我發現這些書還賦予了我一點點的謙卑，讓我們知道這個世界浩瀚無垠，錯綜複雜，而我們實在是知之甚少。
3. 這些書也不會過時。Vladimir已經81歲高齡了，Duda的這本書釋出於1973年，我希望50年後，整個行業仍然會去讀它們。就像老朋友能經得起時間的考驗一樣，令人欣慰。同時，這也顯示出數學方法的長壽與價值。
原文標題：
7 Books to Grasp Mathematical Foundations of Data Science and Machine Learning
原文連結：
https://www.kdnuggets.com/2018/04/7-books-mathematical-foundations-data-science.html
微信後臺回覆“7本書”獲取文章內的書籍資源
譯者簡介
李海明 中國科學院大學在讀研究生，鐵人三項業餘運動員，熱愛音樂、藝術、生活。喜歡結交各路神仙～一起坐馳神遊，一起南轅北轍
翻譯組招募資訊
工作內容：需要一顆細緻的心，將選取好的外文文章翻譯成流暢的中文。如果你是資料科學/統計學/計算機類的留學生，或在海外從事相關工作，或對自己外語水平有信心的朋友歡迎加入翻譯小組。
你能得到：定期的翻譯培訓提高志願者的翻譯水平，提高對於資料科學前沿的認知，海外的朋友可以和國內技術應用發展保持聯絡，THU資料派產學研的背景為志願者帶來好的發展機遇。
其他福利：來自於名企的資料科學工作者，北大清華以及海外等名校學生他們都將成為你在翻譯小組的夥伴。
點選文末“閱讀原文”加入資料派團隊~
轉載須知
如需轉載，請在開篇顯著位置註明作者和出處（轉自：資料派ID：datapi），並在文章結尾放置資料派醒目二維碼。有原創標識文章，請傳送【文章名稱-待授權公眾號名稱及ID】至聯絡郵箱，申請白名單授權並按要求編輯。
釋出後請將連結反饋至聯絡郵箱（見下方）。未經許可的轉載以及改編者，我們將依法追究其法律責任。
點選“閱讀原文”擁抱組織
相關推薦
業界 | 5個步驟開啟你的資料科學職業生涯！（附連結）
大資料文摘授權轉載自資料派THU 作者：Thomas 翻譯：王雨桐 校對：丁楠雅 資料科學已經成為21世紀最熱門的工作領域，但如何才能成為資料科學家呢？作為一名有抱負的資料科學家，或是準備從事資料科學工作的學生，你應該做好哪些準備？需要什麼技能？不要擔心！本
中國旅遊研究院：2018中日韓旅遊大資料報告（附下載）
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2018中日韓旅遊大資料報告】即可！ 報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【20
手把手帶你打造一個 Android 熱修復框架（上篇）
本文來自網易雲社群作者：王晨彥前言熱修復和外掛化是目前 Android 領域很火熱的兩門技術，也是 Android 開發工程師必備的技能。目前比較流行的熱修復方案有微信的 Tinker，手淘的 Sophix，美團的 Robust，以及 QQ 空間熱修復方案。QQ 空間熱修復方
《設計模式》之一文帶你理解策略模式、原型模式（深淺拷貝）、觀察者模式、裝飾模式
原型模式 什麼是原型模式 原型模式是一個建立型的模式。原型二字表明瞭該模式應該有一個樣板例項，使用者從這個樣板物件中複製一個內部屬性一致的物件，這個過程也就是我們稱的“克隆”。被複制的例項就是我們所稱的“原型”，這個原型是可定製的。原型模式多用於建立複雜
沒有基礎小編帶你，用python畫機器貓（有程式碼）
小編帶你玩python 沒有基礎小編帶你，用python畫機器貓。只需要python3和小編的程式碼即可。python3小編送，程式碼文章有，現在就差個你了。 執行不了的找小編，小編包教會你。 重要的事情說三遍： python3小編送，程式碼文章有。 python3小編送，程式碼文章有。 python
使用C++獲取資料夾中所有檔名（windows環境）
由於經常有讀取一個資料夾中的很多隨機編號的檔案，很多時候需要讀取某些特定格式的所有檔案。 下面的程式碼可以讀取指定檔案家中的所有檔案和資料夾中格式為jpg的檔案 windows平臺程式碼：#if 1 #include <io.h> #include
一步一步帶你實現自定義圓形進度條（詳解）
每次看到別人做出炫酷的都會想，這個應該很難吧？這是心理上先入為主的就這麼認為了，其實實現很簡單，下面一步一步的詳細剖析自定義圓形進度條的步驟。 首先看效果圖： 篇幅有點長，耐心看完肯定get新技能。 看每一個檢視都包含了些什麼。 最
一文帶你瞭解微服務架構和設計（多圖）
 最近幾年微服務很火，大家都在建設微服務，如果不懂點微服務相關的技術，都不好意
收藏！超全機器學習資料合集！（附下載）
最近在群裡發現一些小夥伴在尋找資料的時候總是無處可找，網上出現很多收集免費資料再去打包收錢的人，我看不慣這樣的人，所以把自己收集的檔案分享給大家。 百度雲經常抽風，如果大家遇到了失效的連結，請在評論區給我評論，我會很快的更新。 1：資料探勘：概念與技術（中文第三版） 連結: https
CBNData：2018年輕人租房大資料報告（附下載）
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2018年輕人租房大資料報告】即可！ 房子一直是安全感與歸屬感的象徵，但這屆年輕人對於“租房”與“穩定”的觀念，已於往屆產生了巨大的差異，他們提倡“房子是租來的，但生活不是”。 第一財經商業資料中心（CBNData
天巡：2018十一黃金週出境自由行大資料報告（附下載）
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2018十一黃金週出境自由行大資料】即可！ Skyscanner天巡聯合攜程、飛常準釋出了《2018十一黃金週出境自由行大資料報告》。該資料報告基於Skyscanner天巡的國際機票預訂資料、攜程對於國內使用者行為的洞察
11月26日雲棲精選夜讀 | 機器學習高質量資料集大合輯（附連結）
在機器學習中，尋找資料集也是非常重要的一步。質量高或者相關性高的資料集對模型的訓練是非常有幫助的。 那麼用於機器學習的開放資料集有哪些呢？我們給大家推薦一份高質量的資料集，這些資料集或者涵蓋範圍廣泛（比如 Kaggle），或者非常細化（比如自動駕駛汽車的資料）。 熱點熱議 資源 | 機器學習高質量資料
獨家 | 手把手教你用Python進行Web抓取（附程式碼）
作為一名資料科學家，我在工作中所做的第一件事就是網路資料採集。使用程式碼從網站收集資料，當時對我來說是一個完全陌生的概念，但它是最合理、最容易獲取的資料來源之一。經過幾次嘗試，網路抓取已經成為我的第二天性，也是我幾乎每天使用的技能之一。 在本教程中，我將介紹一個簡單的例子，說明如何抓取一個網站，
機器學習高質量資料集大合輯（附連結）
在機器學習中，尋找資料集也是非常重要的一步。質量高或者相關性高的資料集對模型的訓練是非常有幫助的。 那麼用於機器學習的開放資料集有哪些呢? 我們給大家推薦一份高質量的資料集，這些資料集或者涵蓋範圍廣泛(比如 Kaggle)，或者非常細化(比如自動駕駛汽車的資料)。 首先，在搜尋資料集時，
Spring Boot中使用JdbcTemplate（附原始碼）
最後附原始碼。 Spring Boot中使用JdbcTemplate 個人覺得JdbcTemplate相較於MyBaits，Hibernate等資料庫框架更容易上手，對SQL的操作也更為直觀方便，所以在專案中也是一個不錯的選擇。在Spring Boot開啟JdbcTemplate
Spring Boot中使用MyBatis（附原始碼）
Spring Boot中使用MyBatis 整合MyBatis之前，先搭建一個基本的Spring Boot專案開啟Spring Boot。然後引入mybatis-spring-boot-starter和資料庫連線驅動（這裡使用關係型資料庫Oracle 11g） 關係型mysql:
spring應用中多次讀取http post方法中的流（附原始碼）
一、問題簡述 先說下為啥有這個需求，在基於spring的web應用中，一般會在controller層獲取http方法body中的資料。 方式1： 比如http請求的content-type為application/json的情況下，直接用@RequestBody接收。 方式2： 也有像目前我們在做的
基於java社會化海量資料採集爬蟲框架搭建（附程式碼）
小數點2014-10-31 9:49:08大資料技術評論(2) 隨著BIG DATA大資料概念逐漸升溫，如何搭建一個能夠採集海量資料的架構體系擺在大家眼前。如何能夠做到所見即所得的無阻攔式採集、如何快速把不規則頁面結構化並存儲、如何滿足越來越多的資料採集還要在有限時間內採
中國信通院：2018年中國大資料發展調查報告（附下載）
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2018年中國大資料發展調查報告】即可！ 2015年，大資料席捲全球，時至今日，大資料已經迎來了第4個年頭。國家政策不斷髮布，推動了政府和企業大資料發展；建設模式不斷成熟，奠定了企業大資料基礎；行業應用不斷深入，提升了大資料價值顯現。中國資訊通訊