Libri sulla "Scienza" in Data Science? [chiuso]

Quali sono i libri sulla scienza e la matematica dietro la scienza dei dati? Sembra che molti libri di "scienza dei dati" siano tutorial di programmazione e non tocchino cose come i processi di generazione dei dati e l'inferenza statistica. Posso già programmare, ciò su cui sono debole è la matematica / statistiche / teoria dietro ciò che sto facendo.

Se sono pronto a bruciare $ 1000 sui libri (quindi circa 10 libri ... sospiro), cosa potrei comprare?

Esempi: analisi categorica dei dati Agresti , modelli misti lineari per dati longitudinali , ecc ... ecc ...

introduttiva:

• Apprendimento automatico: l'arte e la scienza degli algoritmi che danno senso ai dati (Flach)
• Imparare dai dati (Abu-Mostafa et al.)
• Introduzione all'apprendimento statistico (James et al.)

Scavando più a fondo:

• Elementi di apprendimento statistico (Hastie et al.)
• Riconoscimento dei modelli e apprendimento automatico (vescovo)

Alcuni esempi di interesse speciale:

• Ottimizzazione convessa (Boyd)
• Ragionamento bayesiano e apprendimento automatico (barbiere)
• Modelli grafici probabilistici (Koller)
• Reti neurali per riconoscimento dei modelli (vescovo)

Un riferimento più ampio funziona sull'apprendimento automatico (non proprio quello che hai chiesto, ma per completezza):

• Apprendimento automatico: una prospettiva probabilistica (Murphy)
• Intelligenza artificiale: un approccio moderno (Russell & Norvig)

Carta bonus:

• Modellistica statistica: The Two Cultures (Breiman)

Se solo potessi consigliarne uno a te, sarebbe: Gli elementi di apprendimento statistico e previsione di Hastie, Tibshirani e Friedman. Fornisce la matematica / statistica alla base di molte tecniche comunemente utilizzate nella scienza dei dati.

Per le tecniche bayesiane, l'analisi dei dati bayesiana di Gelman, Carlin, Stern, Dunson, Vehtari e Rubin è eccellente.

Statistical Inference di Casella e Berger è un buon libro di testo di livello universitario sulle basi teoriche della statistica. Questo libro richiede un livello piuttosto elevato di conforto con la matematica (la teoria della probabilità si basa sulla teoria della misura, che non è banale da capire).

Per quanto riguarda i processi di generazione dei dati, non ho una raccomandazione per un libro. Quello che posso dire è che una buona comprensione dei presupposti delle tecniche utilizzate e la garanzia che i dati siano stati raccolti o generati in un modo che non viola tali presupposti fa molta strada verso una buona analisi.

Altre risposte hanno raccomandato una buona serie di libri sulla matematica alla base della scienza dei dati. Ma come hai detto, la sua non è solo matematica e attività come la raccolta e l'inferenza dei dati hanno le loro regole e teorie, anche se non sono rigorose come le basi matematiche (ancora).

Per queste parti, suggerisco il libro Beautiful Data: The Stories Behind Elegant Data Solutions che contiene venti casi di studio come capitoli scritti da persone realmente impegnate con problemi di analisi dei dati nel mondo reale. Non contiene alcuna matematica, ma esplora aree come la raccolta di dati, la ricerca di modi pratici di utilizzo dei dati nelle analisi, il ridimensionamento e la selezione delle soluzioni migliori molto bene.

Un altro libro davvero interessante è Thinking with Data: How to Transform Information in Insights , che non è neanche tecnico (= tutorial di programmazione), ma tratta argomenti importanti su come utilizzare davvero il potere della scienza dei dati nel processo decisionale e nei problemi del mondo reale.

Mi piacciono i suggerimenti di Amir Ali Akbari e ne aggiungerò alcuni dei miei, concentrandomi su argomenti e abilità che non sono adeguatamente coperti nella maggior parte dei libri di apprendimento automatico e analisi dei dati incentrati sulla matematica e / o sulla programmazione.

Pulizia dei dati:

• Osborne 2012, Best Practices in Data Cleaning
• McCallom 2012, Manuale sui dati errati: ripulire i dati in modo da poter tornare al lavoro

Analisi dei dati bayesiani (alternativa al test di significatività dell'ipotesi nulla in stile Fisher):

• Kruschke 2011, facendo analisi dei dati bayesiani

Inferenza di fronte a incertezza, incompletezza, contraddizioni, ambiguità, imprecisione, ignoranza, ecc .:

• Schum & Starace, 2001, Le basi probatorie del ragionamento probabilistico
• Bammer & Smithson 2008, Incertezza e rischio: prospettive multidisciplinari
• Smithson 1989, Ignoranza e incertezza
• CIA 2008, A Tradecraft Primer: tecniche analitiche strutturate per migliorare l'analisi dell'intelligence (GRATIS! In formato PDF)
• Morgan & Winship 2007, Controfattuali e inferenza causale: metodi e principi per la ricerca sociale

esperimenti:

• Glennerster & Takavarasha 2013, Esecuzione di valutazioni randomizzate: una guida pratica
• Dunning 2012, Natural Experiments in the Social Sciences

Simulazione:

• Epstein 2006, Scienze sociali generative: studi sulla modellistica computazionale basata su agenti
• Nelson 2010, Modellazione stocastica: analisi e simulazione

Richiesta di esperti, stima probabilistica:

• Hubbard 2014, Come misurare qualsiasi cosa: trovare il valore degli intangibili negli affari