بهترین کتاب‌های دیتاساینس برای کمک به رشد شما در سال 2020

در این پست می‌خواهیم بهترین کتاب‌های دیتاساینس برای کمک به رشد شما در سال 2020 را بررسی کنیم. این پست ترجمه شده مقاله‌ای از سایت towardsdatascience.com است (لینک مقاله). با هوسم همراه باشید…

بسیار سؤال می‌شود که چگونه می‌توان وارد دنیای علم داده (Data Science) شد. درگذشته منابع آموزشی کمی دردسترس بود و یافتن یک منبع آموزشی برای مطالعه، دغدغه‌ای اساسی بود. اما امروزه، منابع آنقدر زیاد است که یافتن منابع مناسب میان انبوهی از کتاب‌ها، ویدئوها و سایت‌ها به یک چالش تبدیل شده است! دوره‌های آموزشیِ ویدئویی و کلاس‌های حضوری زیادی درحال حاضر وجود دارند. اما توصیه ما به شما این است که در کنار آنها حتما کتاب بخوانید. اما سوال اینجاست که کدام کتاب را برای ورود به دنیای علم داده انتخاب کنیم. یا اگر قبلا در این حوزه وارد شده‌اید، چه کتابی را برای ارتقای سطح علمی خود انتخاب کنید. در سالهای اخیر تعداد زیادی کتاب را بررسی کردیم. در ادامه لیستی قرار دارد که به شما در طول سفر به سمت یک متخصص علم داده شدن، کمک کند.

فهرست مطالب نمایش

کتاب Data Science from Scratch

همان‌طور که از نام کتاب Data Science from Scratch (علوم داده از پایه) مشخص است، این کتاب برای شروع کار با علم داده مناسب است. زیرا تقریباً تمام اصول اساسی را که باید برای شروع علم داده بدانید، در عمل به شما می‌آموزد. این کتاب شامل یک دوره پایه‌ای آموزش پایتون و توضیحاتی عمیق از الگوریتم‌ها و تکنیک‌های رایج است که برای پیش‌برد سفر در علم داده باید بدانید. این کتاب‌ نه‌تنها به شما می‌آموزد که چگونه از کتابخانه‌های خاص علم داده استفاده کنید، بلکه آنچه را که در پشت صحنه اتفاق می افتد را هم توضیح می‌دهد. نگاهی عمیق به الگوریتم‌ها، مساله‌ای است که در اعلب اوقات افراد به دنبال آن نمی‌روند (دنبال تئوری نمی‌روند) و می‌خواهند علم داده را صرفا با برنامه‌نویسی بیاموزند که اشتباه است. هرکسی که ادعا می‌کند متخصص علم داده است، باید حداقل یک‌بار الگوریتم‌هایی مانند k-means، K-nearest neighbor و غیره را بدون استفاده از توابع آماده، خودش پیاده‌سازی کرده باشد! اگر شما چنین مهارتی ندارید، بنابراین این کتاب شروع مناسبی برای شما است.

نظر مهندس کریمی (مدرس دوره یادگیری ماشین هوسم) درباره کتاب Data Science from Scratch

برای فصل‌های اول دوره یادگیری ماشین از این کتاب استفاده کردم و برای افرادی که هیچ آشنایی با علم داده ندارند، این کتاب بسیار خوب است.

کتاب Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow

بعد از یادگیری اصول اولیه، وقت آن است که مهارت‌های عملی خود را محک بزنید. این همان چیزی است که در کتاب Hands-on Machine Learning از Aurélien Géron یاد خواهید گرفت. این کتاب برای ساخت سیستم‌های عملی مبتنی بر یادگیری ماشین نوشته شده و تئوری کمتر اما تعداد زیادی مثال و تمرین عملی دارد. بر خلاف کتاب Data Science from Scratch، شما در این کتاب کار با دو فریمورک شاخص یادگیری ماشین Scikit-Learn و Tensorflow را می‌آموزید. این کتاب از رگرسیون خطی (مساله‌ای ساده) تا شبکه‌های عصبی عمیق را شامل می‌شود. مطالعه این کتاب برای هر متخصص علم داده ضروری است و باید این کتاب را در کتابخانه خود داشته باشید!

نظر مهندس کریمی (مدرس دوره یادگیری ماشین هوسم) درباره کتاب Hands-On Machine Learning

مرجع اصلی دوره یادگیری ماشین هوسم، این کتاب ارزشمند هست. این کتاب نسبت به کتاب قبل سنگین‌تر و کمی پیشرفته‌تر هست. درهرصورت، مطالعه این کتاب و بررسی کدهای آن را به همه علاقه‌مندان به علوم داده توصیه می‌کنم.

کتاب Python for Data Analysis

کتاب python for Data Analysis از وس مک مکینی (خالق فریمورک پاندا) احتمالاً رکورددار بیشترین مطالعه در زمینه علوم داده در پایتون است. این کتاب به شما می‌آموزد که چگونه از پاندا، نامپای و کتابخانه‌های متداول برای کار با داده‌ها در پایتون استفاده کنید. با این کتاب هیچ اشتباهی در شروعِ علم داده با پایتون نمی‌توانید انجام دهید. کار با داده‌ها (تبدیل و خلاصه‌سازی داده‌ها) بخش مهمی از کار روزانه هر دانشمند داده است و این کتاب به شما کمک می کند تا خطوط داده (data pipeline) بهتری ایجاد کنید.

کتاب Deep Learning (Adaptive Computation and Machine Learning series)

در آخر باید کتاب ارزشمند هوش مصنوعی یعنی Deep Learning را توصیه کنم. این کتاب مقدمه‌ای مناسب در اصول یادگیری عمیق مانند شبکه‌های عصبی Feedforward، شبکه‌های عصبی کانولوشنی (CNN)، شبکه‌های عصبی بازگشتی (RNN) ارائه می‌کند. کتاب Deep Learning بیشتر یک مقدمه تئوریک است. اما اگر می خواهید تئوری و اصول پشت پرده تغییر تکنولوژی در چند سال گذشته را درک کنید، این کتاب بهترین است. این کتاب در اینجا بصورت آنلاین و رایگان موجود است (لینک).

نظر مهندس اشرفی (مدرس دوره یادگیری عمیق هوسم) درباره کتاب Deep Learning

این کتاب به یادگیری عمیق (از بهترین رهیافت‌های امروز در یادگیری ماشین) اختصاص دارد. برای هر دانشجویی که با یادگیری عمیق آشنایی دارد، اما به دنبال عمیق‌تر شدن در مباحث آن است، مطالعه این کتاب را توصیه می‌کنم.

همیشه به یادگیری ادامه دهید

در صنعتی که دائماً در حال تغییر است، هرگز یادگیری را متوقف نکنید. کتاب‌ها روش بسیار مناسبی برای وارد شدن به یک موضوع جدید هستند. برای به روز ماندن، من تمایل دارم هر ماه یک کتاب بخوانم. راحت باشید و اگر توصیه‌ای دارید بفرمایید!

در این پست به بررسی بهترین کتاب‌های دیتاساینس برای کمک به رشد شما در سال 2020 پرداخته شد. نظرات مدرسان هوسم درمورد هرکدام از این کتاب‌ها نیز آورده شد. امیدوارم که این پست مورد توجه شما قرار گرفته باشد.