學習數據分析，做大數據緊缺人才
【贈書】上海CPDA數據分析、挖掘的好書贈送（系列五）
一、書單如下：
1. 深入淺出數據分析
這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最后談到了R是大加分。
難易程度：非常易。
2.啤酒與尿布
通過案例來說事情，而且是最經典的例子。
難易程度：非常易。
3.數據之美
一本介紹性的書籍，每章都解決一個具體的問題，甚至還有代碼，對理解數據分析的應用領域和做法非常有幫助。
難易程度：易。
4.集體智慧編程
難易程度：中。
5.Machine Learning in Action
用人話把復雜難懂的機器學習算法解釋清楚了，其中有零星的數學公式，但是是以解釋清楚為目的的。而且有Python代碼，大贊！目前中科院的王斌老師（微博： @王斌_ICTIR）已經翻譯這本書了 機器學習實戰 (豆瓣)。這本書本身質量就很高，王老師的翻譯質量也很高。
難易程度：中。
6.推薦系統實踐
這本書不用說了，研究推薦系統必須要讀的書，而且是第一本要讀的書。
難易程度：中上。
7.數據挖掘導論
難易程度：中上。
8.The Elements of Statistical Learning
這本書有對應的中文版：統計學習基礎 (豆瓣)。書中配有R包，非常贊！可以參照著代碼學習算法。
難易程度：難。
9.統計學習方法
李航老師的扛鼎之作，強烈推薦。
難易程度：難。
10.Pattern Recognition And Machine Learning
經典中的經典。
11.Machine Learning
去年出版的新書，作者Kevin Murrphy教授是機器學習領域中年少有為的代表。這書是他的集大成之作，寫完之后，就去Google了，產學研結合，沒有比這個更好的了。
12.Bayesian Reasoning and Machine Learning
看名字就知道了，徹徹底底的Bayesian學派的書，里面的內容非常多，有一張圖將機器學習中設計算法的關系總結了一下，很棒。
13.Machine Learning for Hackers
也是通過實例講解機器學習算法，用R實現的，可以一邊學習機器學習一邊學習R。
14.Probabilistic Graphical Models
鴻篇巨制，這書誰要是讀完了告訴我一聲。
15.Convex Optimization
凸優化中最好的教材，沒有之一了。課程也非常棒，Stephen老師拿著紙一步一步推到，圖一點一點畫，太棒了。
16.Graphical Models, Exponential Families, and Variational Inference
這個是Jordan老爺子和他的得意門徒 Martin J Wainwright 在 Foundation of Machine Learning Research上的創刊號，可以免費下載，比較難懂，但是一旦讀通了，graphical model的相關內容就可以踏平了。
17.Introduction to Semi-Supervised Learning
半監督學習必讀必看的書。
18.Learning to Rank for Information Retrieval
微軟亞院劉鐵巖老師關于LTR的著作，啥都不說了，推薦！
19.Learning to Rank for Information Retrieval and Natural Language Processing
李航老師關于LTR的書，也是當時他在微軟亞院時候的書，可見微軟亞院對LTR的研究之深，貢獻之大。
20.SciPy and NumPy
這本書可以歸類為數據分析書吧，因為numpy和scipy真的是非常強大啊。
21.Python for Data Analysis
作者是Pandas這個包的作者，看過他在Scipy會議上的演講，實例非常強，用pandas做數據分析！
22.Bad Data Handbook
未來的制造業要的不是石油，它最大的能源是數據.