Книги про «Наука» в науці даних? [зачинено]

Які книги про науку та математику стоять за наукою даних? Складається враження, що так багато книг з наукових даних програмують навчальні посібники і не торкаються таких речей, як процеси генерування даних та статистичні умовиводи. Я вже можу кодувати, що я слабкий - це математика / статистика / теорія, що лежить в основі того, що я роблю.

Якщо я готовий записати 1000 доларів на книги (тобто близько 10 книг ... зітхну), що я можу придбати?

Приклади: категоричний аналіз даних Agresti , лінійні змішані моделі для поздовжніх даних тощо, тощо ... тощо.

Вступне:

• Машинне навчання: Мистецтво та наука алгоритмів, що спричиняють сенс даних (Флач)
• Навчання з даних (Абу-Мостафа та ін.)
• Вступ до статистичного навчання (Джеймс та ін.)

Копати глибше:

• Елементи статистичного навчання (Хасті та ін.)
• Розпізнавання образів та машинне навчання (Єпископ)

Деякі приклади особливих інтересів:

• Опукла оптимізація (Boyd)
• Байесівське розумування та машинне навчання (Перукарня)
• Імовірнісні графічні моделі (Коллер)
• Нейронні мережі для розпізнавання візерунків (Єпископ)

Ширші довідники щодо машинного навчання (не дуже того, про що ви просили, але для повноти):

• Машинне навчання: ймовірнісна перспектива (Мерфі)
• Штучний інтелект: сучасний підхід (Рассел і Норвіг)

Бонусний папір:

• Статистичне моделювання: дві культури (Брейман)

Якби я міг вам запропонувати лише одну, це були б: Елементи статистичного навчання та прогнозування Хасті, Тібширані та Фрідмана. Він надає математику / статистику, що стоїть за багатьма часто використовуваними методами в науці даних.

Для Bayesian Techniques відмінно підходить Bayesian аналіз даних Гельмана, Карліна, Стерна, Дансона, Трансарі та Рубіна.

Статистичні висновки Казелла та Бергера - це хороший підручник на рівні випускників про теоретичну основу статистики. Ця книга вимагає досить високого рівня комфорту з математикою (теорія ймовірностей базується на теорії мір, що не тривіально для розуміння).

Щодо процесів генерування даних, я не маю рекомендацій щодо книги. Що я можу сказати, це те, що добре розуміння припущень використовуваних методів та забезпечення того, що дані були зібрані чи створені таким чином, що не порушує цих припущень, проходить довгий шлях до хорошого аналізу.

Інші відповіді рекомендували гарний набір книг про математику, що стоїть за наукою даних. Але, як ви вже згадували, у його математиці та таких діях, як збір даних і висновок з даних, є свої правила і теорії, навіть якщо вони не такі суворі, як математичний фон (поки що).

Для частин тез я пропоную книгу « Прекрасні дані: історії за елегантними рішеннями даних», яка містить двадцять випадків на зразок розділів, написаних людьми, які справді займаються проблемами аналізу даних у реальному світі. Він не містить жодної математики, але досліджує такі сфери, як збір даних, знаходить практичні способи використання даних для аналізу, масштабування та вибору найкращих рішень.

Ще одна справді цікава книга - Думка з даними: Як перетворити інформацію в статистику , яка також не є технічною (= навчальний посібник з програмування), але охоплює важливі теми щодо того, як реально використовувати силу науки в галузі прийняття рішень та проблеми реального світу.

Мені подобаються пропозиції Аміра Акбарі, і я додам кілька своїх власних, зосередившись на темах та навичках, які недостатньо висвітлені у більшості книг машинного навчання та аналізу даних, орієнтованих на математику та / або програмування.

Очищення даних:

• Осборн 2012, кращі практики з очищення даних
• McCallom 2012, Посібник з поганими даними: Очищення даних, щоб ви могли повернутися до роботи

Байєсівський аналіз даних (альтернатива тестуванню значущості гіпотези в стилі Фішера):

• Kruschke 2011, Проведення аналізу даних Байєса

Висновок перед невизначеністю, незавершеністю, суперечливістю, неоднозначністю, неточністю, незнанням тощо:

• Schum & Starace, 2001, Доказові основи ймовірнісного міркування
• Bammer & Smithson 2008, Невизначеність та ризик: мультидисциплінарні перспективи
• Смітсон 1989, Невігластво і Невизначеність
• ЦРУ 2008, буквар для торговельних апаратів: структуровані аналітичні методи вдосконалення аналізу інтелекту (БЕЗКОШТОВНО! Як PDF)
• Morgan & Winship 2007, контрфактики та причинно-наслідкові умовиводи: методи та принципи соціальних досліджень

Експерименти:

• Glennerster & Takavarasha 2013, Запуск рандомізованих оцінок: практичний посібник
• Данінг 2012, Природні експерименти в соціальних науках

Моделювання:

• Епштейн 2006, Генеральна суспільна наука: Дослідження в обчислювальному моделюванні на основі агентів
• Нельсон 2010, Стохастичне моделювання: аналіз та моделювання

Експертиза, імовірнісна оцінка:

• Хаббард 2014, як виміряти що-небудь: пошук цінностей нематеріальних речей у бізнесі