公众号：数据EDTA
欢迎大家点击关注
口号：让数据赋能每个人
前言介绍
学习的过程在于听、读、练：
实践的过程需要一步一个脚印；
读的过程笔者可以推荐如下精选，全是笔者读后的筛选读物，真心值得读一读，一定会有收获；
而听的过程可以关注公众号：数据EDTA
回复“python”即可获取python3视频基础教程；
回复“机器学习”即可获取机器学习精选视频教程；
希望大家学有所成。
ONE
《python数据分析与数据化运营》
经人介绍了解到这本书，买来才发现，作者竟是老乡，有幸认识作者，得以深入沟通，数据化运营在数据井喷的时代会逐渐凸显其价值，希望作者能再出版更多好的作品。
这是一部从实战角度讲解如何利用Python进行数据分析、挖掘和数据化运营的著作，不仅对数据分析的关键技术和技巧进行了总结，更重要的是对会员、商品、流量、内容4个主题的数据化运营进行了系统讲解。
作者是国内一线数据分析师和大数据专家，在数据分析和数据化运营领域有近10年的经验，在业内颇具知名度和影响力。本书不仅得到了宋星、黄成明、宫鑫等14位资深专家的好评和推荐，还得到了天善智能、中国统计网等多个数据科学相关机构的支持和高度认可。
TWO
《运营之光》
相信大家都知道《人人都是产品经理》这本书，作者在数据详细分享了产品与运营的关联和差异，如果有一定的技术基础，能够熟悉python环境，可以结合第一本书一起阅读，有业务，有技术，运营的思路相信很快就能上手。
在互联网行业内，“运营”这个职能发展到一定阶段后，往往更需要有成熟的知识体系和工作方法来给予行业从业者们以指引。
《运营之光：我的互联网运营方法论与自白》尤其难得之处在于：它既对“什么是运营”这样的概念认知类问题进行了解读，又带有大量实际的工作技巧、工作思维和工作方法，还包含了很多对于运营的思考、宏观分析和建议，可谓内容完整而全面，同时书中加入了作者亲历的大量真实案例，让全书读起来深入浅出、耐人寻味。
从内容的受众来说，它既有面向初入互联网行业的运营从业者们的具体工作方法讲解和建议，又有适合3～5年运营从业者们阅读的一些案例解析、思考方法分享，也有更适合创业者、互联网公司高管阅读的一些运营体系搭建、不同类型产品所适合的运营方法等更为宏观的问题的解读。
THREE
《交互设计的用户研究践行之路》
对于邻座soso美女老师的专业技能，笔者是非常佩服的，每每沟通，酣畅淋漓，十几年从业经验，浓缩成一本践行之路，是实实在在的践行大道。
在体验为王的时代，用户研究也成为了设计师、产品经理等人员需要具备的一项基本能力。两位作者认为“授人以鱼，不如授人以渔”，在参与过众多的互联网项目之后，她们将十多年来的项目经验与理论知识进行整合，最终形成了本书。本书从交互设计的角度出发，讲述了用户研究的基础知识以及问卷、访谈、用户画像、数据分析等最常用的研究方法，同时辅以案例讲解帮助读者理解和运用这些理论。书中大量案例来源于作者曾经服务过的企业产品，具有丰富的实操性和落地性。
本书结构清晰，深入浅出，是一本难得的经典之作。书中融入了作者宝贵的职业经验和专业思考，对于交互设计师，用户界面设计师，用户研究员，产品经理，运营、开发等用户体验相关人员具有一定参考价值和借鉴意义。本书也适合交互设计、用户体验及相关专业的学生阅读，还可作为相关专业培训机构的参考用书。
FOUR
《R语言与网站分析》
李明老师的这本网站分析不仅分析了网站的各个分析指标，而且深入数据模型，从数据挖掘、机器学习的角度完成了对网站的深度探索，本书建议与王彦平老师的《网站分析实战》一起阅读，一定会有所收获。
《R语言与网站分析》从互联网应用角度对R语言如何实现数据挖掘和指标分析等问题做了阐述。通过诸多真实应用案例的分析，作者试图为读者建立起一座沟通数学原理和互联网实际业务应用的桥梁。同时本书给出了案例中的完整代码以及分析过程，力图帮助读者充分理解R语言是如何实现算法的。
《R语言与网站分析》是目前为止国内唯一一本阐述如何使用R语言来分析和挖掘互联网数据的应用性书籍。书中使用大量的实际案例，把数学原理同R语言实现方案有机结合起来。力图通过案例分析达到举一反三的效果，进而指导读者在日后的实际工作中进行应用。同时书中也阐述众多常用的数据分析和挖掘的方法和原理，对于非互联网的从业人员也很有指导意义。
FIVE
《数据挖掘与数据化运营实战》
作者卢辉是阿里巴巴的商业智能部数据分析专家，从事数据化运营多年，拥有丰富的互联网行业数据化运营项目经验。本书可以说是卢辉对过去十几年数据挖掘职业生涯的自省、总结和提炼。
《数据挖掘与数据化运营实战:思路、方法、技巧与应用》是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，全方位整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。
《数据挖掘与数据化运营实战:思路、方法、技巧与应用》共19章，分为三个部分：基础篇（第1～4章）系统介绍了数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的核心，以及实践中常见分析项目类型；实战篇（第6～13章）主要介绍实践中常见的分析挖掘技术的实用技巧，并对大量的实践案例进行了全程分享展示；思想意识篇（第5章，第14～19章）主要是有关数据分析师的责任、意识、思维的培养和提升的总结和探索，以及一些有效的项目质控制度和经典的方法论介绍。
SIX
《女士品茶》
之前读过吴军老师的《数学之美》，感慨竟然有人能将枯燥的数据知识讲的如此生动，认为应该无人能出其右了吧，直到遇到这本书，又做感慨“还真有”。风趣幽默的文字，丰富的统计学历史故事，把人带入一个有趣的数据世界。
★统计学入门首选读本，科学松鼠会强力推荐！
这是一本经典的入门级读物，每介绍一个新的概念，都会进行大量的背景介绍，再辅以相关奇闻异事。就算是对于一个门外汉来说，也能读懂一个特定概念是做什么用的。
★像小说一样的科普书，堪称统计学领域的《苏菲的世界》
在作者笔下，固执的皮尔逊、低调的戈塞特、天才的费舍尔，一如武林高手一样，在统计学的思想领域激烈交锋。他们和后续各个时代代表性的天才，共同演绎了二十世纪这场绚丽多彩又跌宕起伏的统计学革命。有读者评论，本书之于统计学，一如《苏菲的世界》之于哲学。
★了解统计学的人，运气都不会太差。大数据时代，你需要懂点统计学思想。
统计学从不猜想，而是测量未来！从买乐透到大数据，全都需要统计学，不懂统计学，你就等着被骗吧！
SEVEN
《数据天才：数据科学家修炼之路》
这是一本跟数据科学和数据科学家有关的“手册”，它还包含传统统计学、编程或计算机科学教科书中所没有的信息。是一本相对较全的数据宝典，笔者是在学习机器学习过程中遇到这本书，读来畅快淋漓，受益匪浅，特推荐给大家。
《数据天才：数据科学家修炼之道》有3个组成部分：一是多层次地讨论数据科学是什么，以及数据科学涉及哪些其他学科；二是数据科学的技术应用层面，包括教程和案例研究；三是给正在从业和有抱负的数据科学家介绍一些职业资源。《数据天才：数据科学家修炼之道》中有很多职业和培训相关资源（如数据集、网络爬虫源代码、数据视频和如何编写API），所以借助《数据天才：数据科学家修炼之道》，你现在就可以开始数据科学实践，并快速地提升你的职业水平。
《数据天才：数据科学家修炼之道》是写给数据科学家和相关专业人士的（如业务分析师、计算机科学家、软件工程师、数据工程师和统计学家），也适合有兴趣转投大数据科学事业的人阅读。
EIGHT
《漫画算法：小灰的算法之旅》
与小灰老师的结识实在是巧合，无意间关注了“程序员小灰”的公众号，满篇的漫画让算法以一种非常轻松的方式呈现在读者面前，迫不及待的阅读每一篇文章，等小灰老师出书时第一时间便买来拜读，一了解作者才发现，小灰老师竟然是微信好友，真是罪过，能把算法写的如此通俗，也是没谁了～
《漫画算法：小灰的算法之旅》通过虚拟的主人公小灰的心路历程，用漫画的形式讲述了算法和数据结构的基础知识、复杂多变的算法面试题目及算法的实际应用场景。
第1章 介绍了算法和数据结构的相关概念，告诉大家算法是什么，数据结构又是什么，它们有哪些用途，如何分析时间复杂度，如何分析空间复杂度。
第2章 介绍了最基本的数据结构，包括数组、链表、栈、队列、哈希表的概念和读写操作。
第3章 介绍了树和二叉树的概念、二叉树的各种遍历方式、二叉树的特殊形式——二叉堆和优先队列的应用。
第4章 介绍了几种典型的排序算法，包括冒泡排序、快速排序、堆排序、计数排序、桶排序。
第5章 介绍了10余道职场上流行的算法面试题及详细的解题思路。例如怎样判断链表有环，怎样计算大整数相加等。
第6章 介绍了算法在职场上的一些应用，例如使用LRU算法来淘汰冷数据，使用Bitmap算法来统计用户特征等。
NINE
《机器学习（西瓜书）》
周志华老师的西瓜书就不用多介绍了吧，但凡学习机器学习，貌似都越不过这本书，本书与李航老师的《统计学习方法》被并称为机器学习入门教科书，必读科目。
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介。
全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书。
书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考。
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
TEN
《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》
此书也是数据挖掘领域的经典读物，详细描述了数据挖掘的相关技术与在销售等场景下的应用，不过读来需要一定的数据技术基础，笔者第一次阅读是在刚开始接触数据挖掘时，原以为读完这本书，不是牛人也几本入门了，结果读完云里雾里，但是等学习完对应数据挖掘的一些技术与算法之后，再次拿起此书，才发现书中的价值，真是：初读不识书中味，再读已羡书中人。
《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》内容简介：谁将是忠实的客户？谁将不是呢？哪些消息对哪些客户细分最有效？如何最大化客户的价值？如何将客户的价值最大化？《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》提供了强大的工具，可以从上述和其他重要商业问题所在的公司数据库中提取它们的答案。自《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》第1版问世以来，数据挖掘已经日益成为现代商业不可缺少的工具。在这个最新版本中，作者对每个章节都进行了大量的更新和修订，并且添加了几个新的章节。《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》保留了早期版本的重点，指导市场分析师、业务经理和数据挖掘专家利用数据挖掘方法和技术来解决重要的商业问题。在不牺牲准确度的前提下，为了简单起见，即使是复杂的主题，作者也进行了简洁明了的介绍，并尽量减少对技术术语或数学公式的使用。每个技术主题都通过案例研究和源自作者经验的真实案例进行说明，每章都包含了针对从业者的宝贵提示。书中介绍的新技术和更为深入的技术包括：线性和逻辑回归模型、增量响应（提升）建模、朴素贝叶斯模型、表查询模型、相似度模型、径向基函数网络、期望值最大化（EM）聚类和群体智慧。新的章节专门讨论了数据准备、派生变量、主成分分析和其他变量减少技术，以及文本挖掘。
在建立了全面的数据挖掘应用业务环境，并介绍了所有数据挖掘项目通用的数据挖掘方法论的各个方面之后，《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》详细介绍了每个重要的数据挖掘技术。
end
公众号：数据EDTA
欢迎大家点击关注
口号：让数据赋能每个人