致力于数据科学的页面如此之多，以至于很难在大量可用内容中找到最好的书。 但是，我们已经编制了自己的列表，也许对您来说也是一个很好的参考来源。
这并不是您在作为数据科学家的职业生涯中可能必须阅读的所有书的明确列表，但绝对包括经典，初学者的书，专业书籍（与数据科学或团队建设相关的更多书籍）当然，还有一些好的程序可以解释某些程序，语言或过程的复杂性。
所以，快来吧！ 找到适合自己的舒适躺椅或书桌，漂亮的老花镜（如果需要）和安静的思维方式，以培养数据驱动型思维。
- 加布里埃尔·加西亚·马克斯（Gabriel Garcia Marquez）与记忆的the变
- 欧内斯特·海明威（Ernest Hemingway）获得铜牌：古巴，1947年6月
- 为什么要写书的10个原因
- 您可能读过的最好的书– KeepIt112
- 重新阅读《哈利·波特》时遇到的所有问题
- 信号与噪声。 为什么这么多的预测会失败-但有些预测却不会，内特·西尔弗（Nate Silver）撰写
- 大数据@工作（作者Thomas H.Davenport）
- 预测分析（作者Eric Siegel）
- 大数据时代的隐私，Theresa M. Payton和Ted Claypoole
- 做数据科学，凯茜·奥尼尔和瑞秋·舒特
- 大数据革命将改变我们的生活，工作和思维方式，作者：Viktor Mayer-Schonberger和Kenneth Cukier
- Foster Provost和Tom Fawcett撰写的《商业数据科学》
- R Cookbook，Paul Teetor着
- 面向黑客的机器学习，Drew Conway和John Myles White
- Winston Chang撰写的R Graphics Cookbook
- 编程集体智慧，作者：Toby Segaran
- 大数据的人脸，Rick Smolan和Jennifer Erwitt
- 数据与巨人：收集数据和控制世界的隐藏式战斗第一版，作者布鲁斯·施耐尔（Bruce Schneier）
- 智慧城市-大数据，公民黑客和对新乌托邦的追求，作者Anthony M. Townsend
- Pythin用于数据分析，作者：Wes McKinney
- 敏捷数据科学：使用Hadoop构建数据分析应用程序，作者Russell Jurney
- 定量信息的可视化显示，Edward R. Tufte
- 美丽的数据：优雅数据解决方案背后的故事，作者：Toby Segaran，Robert Romano
- Hadoop，权威指南，汤姆·怀特（Tom White）
- 统计学习的要素：数据挖掘，推理和预测，作者Trevor Hastie，Robert Tibshirani，Jerome Friedman
- MapReduce设计模式：为Hadoop和其他系统构建有效的算法和分析，作者：Donald Miner
- 物联网— Raspberry Pi，Arduino和Beaglebones Black的家庭项目，作者Donald Norris
- DJ Patil的建筑数据科学团队
- 分析革命：如何通过使分析在大数据时代发挥作用来改善您的业务，作者：Bill Franks
- Meta S. Brown的傻瓜数据挖掘
- 假人数据科学，作者：Lillian Pierson
- 天才失败时：长期资本管理的兴衰
- 钱球，迈克尔·刘易斯（Michael Lewis）
- 构想信息，爱德华·塔夫特（Edward Tufte）
参见3Blades数据科学博客上发布的原始文章
如果您喜欢这篇文章，请点击“ recommend”按钮并发表评论。 谢谢！ —塞缪尔·诺列加（Samuel Noriega）
