如果不喜欢看视频学习，看书籍也是一个很好的选择。毕竟纸质感的书籍允许我们在上面写写画画，做读书笔记和归纳总结。
但是做读书笔记的时候要注意，不要在第一遍的时候归纳知识点，因为第一遍的时候什么都不会就很容易变成抄书了。
回归正题，推荐几本经典的数据分析书籍，这几本书都不会很深奥，但对学习数据分析一定有帮助。
1.《深入浅出数据分析》
这本书非常浅显易懂，以类似“章回小说”的活泼形式向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；
其中统计知识如果不会可以跳过，这个需要有部分统计学基础，建议从头开始系统性的学习。
2.《利用Python进行数据分析》
大家都知道Python的应用领域非常广泛，不仅可以爬虫，在数据可视化、以及数据分析还有人工智能库领域应用也比较多。像我就是用Python做的数据分析，这本书里面有大量具体的实践建议，以及大量综合应用方法，可以说是Python领域中技术计算的权威指南。
看这本书籍需要掌握Python的基础知识，建议还要学习一些Python爬虫。
3.《精益数据分析》
这本书更侧重于商业的数据分析和数据模型，他展示了如何用数据分析验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。里面有30多个案例分析，说白了就是如何实现用数据驱动增长。
这本书学习的不是知识和技术，我们需要从中学习的是他们数据分析的思维模式以及其中的商业模型。更简易偏向金融类数据分析领域的数据分析人员学习。
评论0
加载中...
大数据学习路线及各阶段学习书籍推荐！废话不多说，直接切入主题，有需要的小伙伴可以参考学习！
阶段一、大数据基础——java语言基础方面
（1）Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类
（2） HTML、CSS与JavaScript
PC端网站布局、HTML5+CSS3基础、WebApp页面布局、原生JavaScript交互功能开发、Ajax异步交互、jQuery应用
（3）JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
推荐书籍：
《Effective Java中文版》（第2版）
本书为我们带来了共78条程序员必备的经验法则，针对你每天都会遇到的编程问题提出了有效、实用的解决方案。
书中的每一章都包含几个“条目”，以简洁的形式呈现，自成独立的短文，它们提出了具体的建议，对于Java平台精妙之处的独到见解，以及优秀的代码范例。每个条目的综合描述和解释都阐明了应该怎么做，不应该怎么做，以及为什么。
阶段二、 Linux&Hadoop生态体系
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架
推荐书籍：
1、《Big Data》
在大数据的背景下，我很少看到关于数据建模，数据层，数据处理需求分析以及数据架构和存储实现问题。这本书却提供了令人耳目一新的全面解决方案。
2、《Hadoop权威指南》
《Hadoop权威指南(中文版)》从Hadoop的缘起开始，由浅入深，结合理论和实践，全方位地介绍Hadoop这一高性能处理海量数据集的理想工具。
3、《Hive编程指南》
《Hive编程指南》是一本Apache Hive的编程指南，旨在介绍如何使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。
阶段三、 分布式计算。
（1）分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统（某一线公司真实项目）、实战二：新浪网（www.sina.com.cn）
（2）storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战
推荐书籍：
1、《Learning Spark》
《Spark 快速大数据分析》是一本为Spark 初学者准备的书，它没有过多深入实现细节，而是更多关注上层用户的具体用法。不过，本书绝不仅仅限于Spark 的用法，它对Spark 的核心概念和基本原理也有较为全面的介绍，让读者能够知其然且知其所以然。
2、《Spark机器学习：核心技术与实践》
本书采用理论与大量实例相结合的方式帮助开发人员掌握使用Spark进行分析和实现机器学习算法。通过这些示例和Spark在各种企业级系统中的应用，帮助读者解锁Spark机器学习算法的复杂性，通过数据分析产生有价值的数据洞察力。
阶段四、 大数据项目实战（一线公司真实项目）
数据获取、数据处理、数据分析、数据展现、数据应用
阶段五、 大数据分析 —AI（人工智能）
主要是讲解Data Analyze数据分析基础、数据可视化、sklearn中三类朴素贝叶斯算法以及python机器学习等提升个人能力的内容！
目前就整理到这里，大家有好的学习资料欢迎评论分享！
评论0
加载中...0
回答1
回答9
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答
