데이터 과학의 "과학"에 관한 책? [닫은]

데이터 과학의 과학과 수학에 관한 책은 무엇입니까? 너무 많은 "데이터 과학"책은 프로그래밍 튜토리얼이며 데이터 생성 프로세스 및 통계적 추론과 같은 것을 다루지 않는 것 같습니다. 나는 이미 코딩 할 수 있는데 약한 것은 내가하고있는 수학 / 통계 / 이론입니다.

책에 $ 1000를 구울 준비가되어 있다면 (약 10 권의 책 ... 한숨), 무엇을 살 수 있습니까?

예 : Agresti의 범주 형 데이터 분석 , 세로 데이터에 대한 선형 혼합 모형 등 ...

입문 :

• 기계 학습 : 데이터를 이해하는 알고리즘의 예술과 과학 (플래 치)
• 데이터로부터 배우기 (Abu-Mostafa et al.)
• 통계 학습 소개 (James et al.)

더 깊이 파고 들기 :

• 통계 학습의 요소 (Hastie et al.)
• 패턴 인식 및 기계 학습 (Bishop)

몇 가지 특별한 관심사 예 :

• 볼록 최적화 (Boyd)
• 베이지안 추론 및 기계 학습 (이발사)
• 확률 적 그래픽 모델 (콜러)
• 패턴 인식을위한 신경망 (Bishop)

머신 러닝에 대한 광범위한 참조 (실제로 요청한 것이 아니라 완전성)

• 기계 학습 : 확률 적 관점 (머피)
• 인공 지능 : 현대적인 접근 방식 (Russell & Norvig)

보너스 종이 :

• 통계 모델링 : 두 문화 (Breiman)

내가 당신에게 하나만 추천 할 수 있다면, Hastie, Tibshirani 및 Friedman 의 통계 학습 및 예측의 요소 가 될 것 입니다. 데이터 과학에서 일반적으로 사용되는 많은 기술 뒤에있는 수학 / 통계를 제공합니다.

베이지안 기법의 경우 Gelman, Carlin, Stern, Dunson, Vehtari 및 Rubin의 베이지안 데이터 분석 이 우수합니다.

Casella와 Berger의 통계적 추론 은 통계의 이론적 기초에 대한 훌륭한 대학원 수준의 교과서입니다. 이 책은 수학에 대해 매우 높은 수준의 편의를 요구합니다 (확률 이론은 측정 이론에 기초하며 이해하기 쉽지 않습니다).

데이터 생성 프로세스와 관련하여 책에 대한 권장 사항이 없습니다. 내가 말할 수있는 것은 사용 된 기술의 가정을 잘 이해하고 이러한 가정을 위반하지 않는 방식으로 데이터를 수집하거나 생성했는지 확인하는 것이 좋은 분석을 향한 먼 길입니다.

다른 답변은 데이터 과학의 수학에 관한 좋은 책을 추천했습니다. 그러나 언급했듯이 데이터 수집 및 데이터 추론과 같은 수학과 활동은 수학 배경 (아직)만큼 엄격하지는 않지만 자체 규칙과 이론을 가지고 있습니다.

이 부분들에 대해서는 ' 실제 데이터 분석 문제에 실제로 종사하는 사람들이 쓴 20 개의 사례 연구를 포함하는 Beautiful Data : Stories Behind Elegant Data Solutions' 책을 제안합니다 . 여기에는 수학이 포함되어 있지 않지만 데이터 수집, 분석에서 데이터를 사용하는 실제적인 방법 찾기, 최상의 솔루션 확장 및 선택과 같은 영역을 탐색합니다.

또 다른 흥미로운 책은 데이터 로 생각하기 : 정보를 통찰력으로 바꾸는 방법으로 , 기술적 인 (= 프로그래밍 튜토리얼) 것은 아니지만 의사 결정 및 실제 문제에서 데이터 과학 능력을 실제로 사용하는 방법에 대한 중요한 주제를 다룹니다.

나는 Amir Ali Akbari의 제안을 좋아하며 수학 및 / 또는 프로그래밍에 중점을 둔 대부분의 기계 학습 및 데이터 분석 서적에서 다루지 않는 주제와 기술에 중점을 둔 몇 가지 주제를 추가 할 것입니다.

데이터 청소 :

• Osborne 2012, 데이터 정리 모범 사례
• McCallom 2012, 나쁜 데이터 핸드북 : 데이터 정리를 통해 작업을 다시 시작할 수 있습니다

베이지안 데이터 분석 (피셔 스타일의 귀무 가설 유의성 검정과 대체) :

• Kruschke 2011, 베이지안 데이터 분석

불확실성, 불완전 성, 모순, 모호성, 부정확성, 무지 등에 직면 한 추론 :

• Schum & Starace, 2001, 확률 론적 추론의 증거 기반
• Bammer & Smithson 2008, 불확실성과 위험 : 다 분야 학문적 관점
• 스미스 슨 1989, 무지와 불확실성
• CIA 2008, Tradecraft Primer : 지능 분석 향상을위한 구조화 된 분석 기법 (FREE! as PDF)
• Morgan & Winship 2007, 반 사실 및 인과 추론 : 사회 연구를위한 방법과 원리

실험 :

• Glennerster & Takavarasha 2013, 무작위 평가 실행 : 실용 가이드
• 독촉 2012, 사회 과학 자연 실험

시뮬레이션:

• Epstein 2006, Generative Social Science : 에이전트 기반 전산 모델링 연구
• Nelson 2010, 확률 적 모델링 : 분석 및 시뮬레이션

전문가 추출, 확률 론적 추정 :

• Hubbard 2014, 무엇이든 측정하는 방법 : 비즈니스에서 무형 자산의 가치 찾기