今天要和大家推荐5本每个数据科学家都应该阅读的书籍：
1. 《The Data Science Handbook》
这本书绝对应该放在每个数据科学家的书架上，它包含了对25位来自不同公司、行业和经验水平的数据科学家的采访。他们会给你一些宝贵的意见，告诉你如何长远规划自己的职业生涯，为哪家公司工作，如何保持学习，以及他们如何看待未来几年这个领域的变化。这本书里还有很多很有价值的见解，尤其如果你是一个初学者。
建议你从书中找到一些些有趣的问题，然后在你真正想为之工作的公司工作的数据科学家提问，这样你也可以得到不一样的见解，但还是要根据你的实际情况而定。
2. 《面向数据科学家的实用统计学》
如果你有一定的技术背景，需要了解更多关于统计数据，或者你有一定的学术背景，掌握一定的统计相关的理论知识，但在实践中并不常用，这本书将带你过一遍统计的主要概念，如分布和机器学习，并向你展示如何使用Python，这是一本很好的中级水平的书，重点是应用，而不是理论。
我强烈建议你仔细阅读这本书中的代码，尝试复制其中的一些代码片段，并对它们进行调整，看看它们是如何运行的。
3. 《精通特征工程》
特征工程可以说是数据科学工作流程中最重要的步骤之一。一旦你对工作流程和主要算法有了良好的总体认识，你就应该开始提高你的功能工程技能。这基本上意味着要掌握许多不同的工具以及何时使用它们，这取决于你的数据和目标。
这本书很好地结合了理论、应用，我建议你一边阅读一边做笔记，然后它放在身边作为参考指南。
4. 《机器学习精讲》
这是了解数学背后的主要ML算法最好的书籍之一，全书概念解释清楚，介绍精简，它应该是你开始机器学习之旅时首先要读的书之一，尤其是当你已经有一定数学基础的时候。如果你真的想详细研究这本书，我建议你尝试用自己熟悉的编程语言来实现其中的算法，从而帮助自己巩固知识。
5. 《贝叶斯思维》
一旦你开始学习统计学，你就会经常读到贝叶斯和某些贝叶斯算法，如果你不知道这两种方法的区别，一旦你理解了这种区别，学习贝叶斯统计就会非常有用，以便掌握贝叶斯算法并将其添加到你的工具库当中去，我特别推荐这本书，如果你有统计学背景，但之前从未详细学习过贝叶斯方法，它没有深入这个主题，但它已经足够让你在Python中使用贝叶斯统计。
原文地址：https://mp.weixin.qq.com/s?__biz=MzA5NDMzOTExMw==&mid=2455359691&idx=2&sn=e9513b29e92dc7929c2607f1918c5d94&chksm=87fd598db08ad09b276a4e1a34270ef4e704dd290af8f3e8798f705215fa80d2cf4a83779474&mpshare=1&s
