神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：为方便对数据科学（DATA SCIENCE）感兴趣的爱好者和实操者的学习，本文作者分享了 8 类关于数据科学的书籍，包括统计/概率论类、机器学习类、数据可视化与分析类、深度学习类、自然语言处理（NLP）类、计算机视觉类、人工智能类和工具/语言类。在分享书籍的同时，作者还提出以下忠告：在数据科学领域有多种成功的途径，而我们要选择的途径应该是足够简单，足以帮助我们快速上手的。
我们之所以在选择学习方法上不知所措，往往是因为我们接触的信息量太大了。与其花更多的时间思考如何获得研究数据科学的技能，不如根据实际需要，从分享的书中挑选一本，然后开始学习。关键是要始终如一地采取行动，坚持阅读。阅读的目的是，学习和发现隐藏于书中的真实思想。对数据科学感兴趣的朋友们，如果你还没选好学习材料，就请阅读作者推荐的这些顶级书籍吧。本文来自编译，希望对您有帮助。因篇幅原因，本篇文章分三部分刊出，此为第一部分：
我们从某人的声音中不能找到的东西，很可能会在他（她）的作品中发现。——无名氏
在知识爆炸的今天，关于数据科学的学习资源太多了，这会让我们在选择时无从下手吧？不要紧，以下是最新的数据科学必读书籍集锦。
图1. 众多学习书源
我在网上自学时，总是更倾向于选择视频教程或讲座。因为我发现这种选择使学习变得更简单，不那么麻烦（和大多数人的选择一样）。
我一直都觉得在网络上自学时选择视频教程或讲座更加简便易行，直到几年前我偶然读到了一本关于统计学的书，才让我改变了对看书学习的看法（从“无聊”到“神奇而有趣”）。我要向这本书的作者和出版商致敬。
在挑选关于数据科学的顶级书籍之前，我事先做了广泛的研究。今天，我将这些书籍分享给所有有抱负的数据爱好者和实践者。大家在读了这些书之后，一定会让自己陷入深深的思考之中。
让我们开始看看这个书单吧……
我按这些书所涉及的领域将它们划分为以下 8 类来详细介绍，以方便大家选择：
*统计/概率论类书籍
*机器学习类书籍
*数据可视化和分析类书籍
*深度学习类书籍
*自然语言处理（NLP）类书籍
*计算机视觉类书籍
*人工智能类书籍
*工具/语言类书籍
1.统计/概率论类书籍
（1）《统计学学习概论》（Introduction to Statistical Learning）
作者：加雷斯·詹姆斯，丹妮拉·维滕，特来沃尔·黑斯蒂，罗伯特·蒂施莱尼（Gareth James, Daniela Witten, Trevor Hastie，Robert Tibshirani）.
一直以来，这本书都是经典书籍。它涵盖了基本的统计学知识以及机器学习技术。这本书吸睛的地方在于，每一个概念都用 R 语言做案例分析。所以，我们一旦掌握了编程的技巧，在读这本书时，就会快速回忆起每一个概念及其在程序中的操作方法。
图2. 《统计学学习概论》
（2）《思考统计：程序员的概率论和统计学》（Think Stats: Probability and Statistics for Programmers）
作者：艾伦·B·唐尼（Allen B. Downey）
这本书在众多数据科学书籍中是首选书籍。它提供了大量的资源。尤其是对于有一定 Python 基础知识的人，它特别实用，可以用来做数据分析。
图3. 《思考统计：程序员的概率论和统计学》
（3）《统计学的艺术：从数据中学习》（The Art of Statistics: Learning from Data）
作者：大卫·斯皮格尔霍尔特（David Spiegelhalter）
这本书最大的亮点是采用了浅显易懂的案例来讲解理论。这本书不仅层层剖析了特定的问题，还给问题提供了具有渐进性和一致性的统计解决方案。简而言之，它使统计学的学习变得简单了！
图4. 《统计学的艺术：从数据中学习》
（4）《概率论：狂热初学者入门》（Probability: For the Enthusiastic Beginner）
作者：大卫·莫兰（David Morin）
图5. 《概率论：狂热初学者入门》
这是一本概率论初学者的理想读物。它涵盖了所有的基础知识，包括组合学，概率规则，贝叶斯定理，期望值，方差，概率密度，公共分布，大数定律，中心极限定理，相关性，回归分析等等。
（5）《概率论入门》（Introduction to Probability）
图6. 《概率论入门》
作者：J·劳里·斯奈尔，查尔斯·米勒·格林斯特德（J. Laurie Snell，Charles Miller Grinstead）
这又是一本介绍概率概念的书籍。和《概率论：狂热初学者入门》一样，这本书是为研究生而写的综合教材。
（6）《赤裸裸的统计——从数据中剥离恐惧》（Naked Statistics — Stripping the Dread from the Data）
作者：查尔斯·韦兰（Charles Wheelan）
统计学有时候是一个令人生畏的话题。在这本书中，作者以一种风趣而简洁的方式阐明了关键概念，如推理、相关性和回归分析等。
图7. 《赤裸裸的统计——从数据中剥离恐惧》
2.机器学习类书籍
（1）《百页机器学习书》（The Hundred-Page Machine Learning Book）
图8. 《百页机器学习书》
作者：安德烈·博尔科夫（Andriy Burkov）
我真心喜欢这本书。在读到它之前，我阅读了大量的试图从不同角度和不同层面讲授机器学习的书籍。我绞尽脑汁地想从这些书中找到一个方法，希望它能够简洁地概括难以理解的话题和难以理解的方程式。可是，直到读了安德里·布尔科夫用大约 100 多页的篇幅写出来的这本书，我才找到了这个方法。这本书文笔优美，易于理解，已经得到了许多人的认可。
（2）《数据科学介绍》（Introducing Data Science）
作者：戴维·西伦（Davy Cielen）等
出版商：曼宁（Manning）
图9. 《数据科学介绍》
我喜欢这本书有一个特殊的原因，那就是，这些书不仅包含了我们常见的关于数据科学的主题，它还包括了数据科学整个领域的其他方面。我强烈推荐阅读这本书，它会或多或少地会让我们熟悉数据科学的全貌。
（3）《从头开始的数据科学》（Data Science from Scratch）
作者：乔尔·格鲁斯（Joel Grus）
出版商：奥莱利（O’Reilly）
图10. 《从头开始的数据科学》
这本书的第二版已经发布了，因为它囊括了各种基本原理。也是因此，它已经成为一本倍受欢迎的书。这相当于是一个完整的一揽子交易，读了一本就等于读了很多本，十分推荐本书。
（4）《Python数据科学手册》（Python Data Science Handbook）
作者：杰克·范德普拉斯（Jake VanderPlas）
出版商：奥莱利
图11. 《Python数据科学手册》
这本书最适合那些刚开始做数据分析或数据科学的人阅读，这正是他们所需要的那本能够参见所有技术的书。本书能够强化你对 python 的掌握程度，并可促进你在数据科学上的工作。
（5）《在数据科学领域建立职业生涯》（Build a Career in Data Science）
作者：艾米丽·罗宾逊，杰奎琳·诺里斯（Emily Robinson，Jacqueline Nolis）
出版商：曼宁
图12. 《在数据科学领域建立职业生涯》
这本书于2020年出版，主要陈述了与学习数据科学相关的技术内容。我们必读这本书的原因是，它教我们如何在数据科学行业工作。
（6）《数据科学的艺术——给任何与数据打交道的人的指南》（The Art of Data Science — A Guide for Anyone Who Works With Data）
作者：罗杰·D·彭，伊丽莎白·松井（Roger D. Peng， Elizabeth Matsui）
这本书不仅对数据分析工作流程做了完美的概述，还清楚地阐述了一个观点——尽管存在许多工具、复杂的一步步的信息迭代过程，数据分析从根本上讲依然是一门艺术。
图13. 《数据科学的艺术——给任何与数据打交道的人的指南》
3.数据可视化与分析类书籍
（1）《数据可视化的基础——信息丰富且引人注目的数字制作入门》（Fundamentals of Data Visualization — A Primer on Making Informative and Compelling Figures）
作者：克劳斯·沃克（Claus O. Wilke）
本书采用举出正面和反面例子加以对比的方式，介绍了数据可视化的基本原则。它可以帮助我们理解有效的可视化背后的基本原理，并教会我们设计更有意义的模块来传达正确的信息。
图14. 《数据可视化的基础——信息丰富且引人注目的数字制作入门》
（2）《美丽的可视化，通过专家的眼睛看数据》（Beautiful Visualization, Looking at Data Through the Eyes of Experts）
作者：朱莉·斯蒂尔，诺亚·伊林斯基（Julie Steele, Noah Iliinsky）
网站：奥莱利媒体|亚马逊（O "Reilly Media| Amazon）
图15. 《美丽的可视化，通过专家的眼睛看数据》
“可视化”是让数据说话的一种新方式，通过颜色等视觉指标达到沟通的目的，并通过一定的研究方法将数据和视觉指标整合在一起。
这本书讲述了一些著名的可视化设计和开发产品。
（3）《周一改头换面——每次用一张图表改进我们可视化和分析数据的方式》（MakeoverMonday — Improving How We Visualize and Analyze Data, One Chart at a Time）
作者：安迪·克里贝尔（Andy Kriebel）
此书是周一改头换面（MakeOverMonday）项目的扩展，在这个项目中，数据可视化社区的成员可以分享他们对现有图表和数据的改进。它强调，虽然在设计可视化中存在可变性，但有一些关键技术可以遵循，以确保自己的图表是有作用和有意义的。
图16. 《周一改头换面——每次用一张图表改进我们可视化和分析数据的方式》
（4）《用数据讲故事——商务专业人士的数据可视化指南》（Storytelling with Data — A Data Visualization Guide for Business Professionals）
作者：科尔·努斯鲍默·克纳菲奇（Cole Nussbaumer Knaflic）
对于任何一个想要更好地以清晰、简洁和图形化的方式呈现信息的人来说，这是一本必读的书。这本书教给我们数据可视化的基础知识，以及如何有效地使用数据，并举出了大量现实的例子。
图17. 《用数据讲故事——商务专业人士的数据可视化指南》
（5）《更好的数据可视化：学者、研究人员和书虫的学习指南》（BETTER DATA VISUALIZATIONS: A Guide for Scholars, Researchers, and Wonks》
作者：乔纳森·施瓦比什（Jonathan Schwabish）
此书包括三个部分。第一部分简要介绍了数据可视化的最佳实操方式。第二部分是本书的主要部分，讲述了图表类型。施瓦比什深入研究了不同类型的图表，这些图表远远超出了直线和条形的标准。
图18. 《更好的数据可视化：学者、研究人员和书虫的学习指南》
相关阅读：学习数据科学的8类必读书籍（中）
学习数据科学的8类必读书籍（下）
译者：甜汤
