شخصاً علاقه‌ی بسیار زیادی به مطالعه کردن دارم و همچنین کتاب‌هایی که اخیرا خوانده‌ام را به کسانی که با داده سر و کار دارند توصیه می‌کنم؛ شاید برای آن‌ها مفید یا سرگرم‌کننده باشد. علاوه بر این تعدادی از کتاب‌ها تخصصی هستند و تعدادی دیگر سرگرم‌کننده و صد البته جذاب‌تر. مطمئنم کتابی را که نیاز دارید در اینجا پیدا خواهید کرد.

 1- Artificial Intelligence: A Guide for Thinking Humans

این کتاب را نه تنها برای دانشمندان علوم داده، بلکه برای هر کسی که به هوش مصنوعی علاقه دارد توصیه می‌کنم. چون هدف این کتاب برای عموم است و زمان زیادی را صرف بینایی و نحوه‌ی فکر کردن کامپیوترها می‌کند و یک نمای کلی روشن و گسترده در مورد این موضوع ارائه می‌دهد. علاوه بر این در مورد چشم‌اندازهای هوش مصنوعی در آینده و انتظاراتی که در سال‌های بعد باید از آن داشت صحبت می‌کند. همچنین گاهی اوقات پتانسیل هوش مصنوعی ممکن است ما را بترساند چون نسبت به سال‌های گذشته درحال پیشرفت زیادی است.

 2- Statistics: a Very Short Introduction

اگر شما یک دانشمند داده در زمینه‌ی فناوری اطلاعات یا کسب و کار هستید این کتاب بسیار مفید است. همچنین اگر بخواهید تکنیک‌های آماری را از پایه و بدون وارد شدن به جزئیات درک کنید. این کتاب مفاهیم توزیع احتمال تا تجزیه و تحلیل رگرسیون و درخت تصمیم را پوشش می‌دهد. همانطور که از نام این کتاب مشخص است بسیار کوتاه است و خواندن آن چند روز بیشتر طول نمی‌کشد.

3- Lean Analytics

اگر در یک استارتاپ با داده کار می‌کنید یا صاحب یک استارتاپ هستید و می‌خواهید پتانسیل داده‌ها را توسعه دهید این کتاب به شدت به شما توصیه می‌شود. همچنین این کتاب به شما کمک می‌کند باتوجه به مدل کسب و کار خود در دسته‌ی انبوهی از معیارهای کم اهمیت، مهم‌ترین معیارها را شناسایی و مدل کسب و کار خود را بهینه‌سازی کنید.

4- The Man Who Solved the Marke

یک کتاب غیر تخصصی است که داستان ریاضیدان جیم سایمونز را بیان می‌کند که در معاملات سهام از آمار استفاده می‌کرد. علاوه بر این در زمان‌های قبل افراد از غریزه و تجزیه و تحلیل‌های ابتدایی در بازار استفاده می‌کردند. واضح است که در ابتدا همه به روش‌های او بدبین بودند، اما با گذشت چند سال و دیدن نتایج شگفت انگیز از مدیریت صندوق توسط سایمونز، افراد تسلیم شدند و شروع به قدردانی از او کردند. این مطالعات، این روزها نقش بزرگی در صنعت مالی بازی می‌کند.

 5- The Business Forecasting Deal

این کتاب یک شروع‌کننده‌ی هنر پیش‌بینی کسب و کار است. همچنین در برنامه‌های تجاری از متداول‌ترین روش‌ها در داده‌ها و آمار استفاده می‌کند. علاوه بر این اگر دانشی در زمینه‌ی آمار و سری زمانی داشته باشید و بخواهید در محل کار پیش‌بینی انجام دهید مانند پیش‌بینی درآمد، این کتاب خیلی کمک کننده است. همچنین اصول و مفاهیم اساسی را با رویکرد کاربردی بیان می‌کند اگر چه ممکن است تکنیک‌هایی که در این کتاب وجود دارد قدیمی باشد ولی در مقایسه با تکنیک‌های یادگیری ماشین بطور شگفت‌آوری خوب کار می‌کند.

  6- Storytelling with Data

این کتاب برای هر کسی که در محل کار خود با اعداد سر و کار دارد تا ایده‌ای را به فروش برساند ضروری است چون نتایج بصورت داستان ارائه شده است. این کتاب برای تحلیل‌گران کسب و کار مناسب است و همچنین دانشمندان علوم داده با استفاده از تکنیک‌‌های مصورسازی داده که در این کتاب موجود هست می‌توانند نتایج مدل خود را به نمایش بگذارند و مدل خود را ترسیم کنند که خیلی به آنها کمک خواهد کرد. این کتاب از نوع کتاب‌هایی است که همیشه به آن نیاز خواهیم داشت.

7- The Book of Why

اغلب به ما می‌گویند که  “همبستگی دلالت بر علیت ندارد”  با این حال، وقتی به آن فکر می‌کنید مفهوم علیت خیلی واضح و شفاف نیست. دقیقاً به چه معناست؟ این کتاب مفهوم علیت را با نگرشی فلسفی بیان می‌کند و همچنین به معرفی ابزار‌ها و مدل‌ها‌ی ریاضی برای درک آن می‌پردازد.

8- Moneyball

این کتاب درمورد بیلی بین و پل دپودستا است که توانستند یک تیم کوچک بیسبال را که از بازیکنان با مزد کم تشکیل شده بود، با استفاده از یک کمپین برجسته در لیگ برتر بیسبال به ارمغان بیاورند. آنها چطوری این کار را انجام دادند؟ استفاده از داده‌ها بطور کلی نحوه‌ی انتخاب بازیکنان تیم را تغییر داد که قبل از آن فقط بازیکنان را با غریزه‌ی خود انتخاب می‌کردند. این کتاب الهام بخش فیلمی با همین نام است.

9- Data Strategy

موضوع این کتاب بیشتر درباره‌ی کسب و کار است. همچنین برای مدیران اجرایی و حتی افراد با سطح پایین می‌تواند مفید باشد که بفهمند چطور قدرت داده‌ها را در سازمان‌ها بکار ببرند. علاوه بر این به استخراج اطلاعات مفید از داده‌ها تا طریقه‌ی کسب درآمد از آن می‌پردازد. اگر هم دانشمند علم داده هستید این کتاب می‌تواند به شما دید وسیع‌تری بدهد.

10- Feature Engineering for Machine Learning

اگر چه مهندسی ویژگی یکی از مهم‌ترین گام‌ها در گردش‌ کار علم داده است ولی گاهی اوقات نادیده گرفته می‌شود. این کتاب یک دید خیلی خوبی درمورد تکنیک‌ها و کاربرد‌های عملی به شما می‌دهد. همچنین شامل توضیحات ریاضی و کدهای پایتون برای اکثر روش‌ها است.

منبع: بسوی علم داده