Что представляет собой анализ данных, и как этому можно научиться, не расскажешь в двух словах. Поэтому представляем вам подборку книг с которых можно начать изучение этой области:
1) "Вы, конечно, шутите, мистер Фейнман!", Ричард Фейнман.
С помощью забавных историй это автобиография помогает попасть в увлекательный мир научных экспериментов и понять, почему так важно уметь рассказывать о сложных вещах как можно проще.
2) "Фрикономика", Стивен Левитт
Настоящий прикладной инструмент, который поможет мыслить без стереотипов и предубеждений, а также увидеть привычные вещи с нового ракурса.
3) "The Elements of Statistical Learning", Джером Гарольд Фридман, Робер Тибширани, Тревор Хасти.
Рассказывает о математических основах теории машинного обучения, анализирует методологию сбора данных и условия их применимости.
4) "Deep Learning", Ян Гудфеллоу
Познакомит с основными методами и алгоритмами машинного обучения, а также подскажет, как внедрить их на практике
5) "Pattern Recognition and Machine Learning", Кристофер М. Бишоп
Ёмко описывает теоретическую и практическую сторону Deep Learning. Для знакомство с этой книгой опыт Data Science не обязателен, но математический бэкграунд пригодится.
6) "Machine Learning Yearning", Эндрю Ын
Максимально практическое пособие, которое научит вас измерять и исправлять ошибки в моделях, а также поможет развить свои навыки в создании AI-систем.
7) "Mathematics for Machine Learning", Марк Питер Дейзенрот, Чэн Сун Онг
В книге собрано 95% актуальных математических дисциплин, необходимых для прокачки практических навыков в машинном обучении и Data Science.