UC San DiegoX数据科学入门课程介绍

本书单为有志于从事数据科学的读者提供了全面指南，涵盖了从基础理论到实践应用的各个领域。

数据科学入门的那点事儿，总得有人讲得明白点、轻松点。《intro-to-datascience.pdf》就是这么个还挺实在的材料。文件一上来就提了 1996 年“datascience”这个词的由来，还带了点八卦味儿，挺吸引人。后面讲到 H2O 这个 AI 平台，适合你玩 Python 或 R 语言的同学试试水。里面还有安装指导，基本不用你瞎猜怎么配环境。 数据科学家的“独角兽”说法也挺形象，意思就是这类人不常见，但有料。文件里把团队结构也梳理清楚了，像数据工程、、建模这几类角色分别是干嘛的，看完你就心里有数了。更好的是，机器学习、深度学习、集成学习这些也都有提到，虽然是入门内容，但覆盖面还蛮

这是一本全面介绍数据分析领域的入门书籍，重点以Python语言为主线，涵盖了numpy、Pandas和scikit-learn等数据分析库，以及可视化工具Orange 3。内容包括kNN、Kmeans、决策树、随机森林等常用算法的实际应用，还涉及特征工程和深度学习中的自动编程器。此外，书籍还介绍了在大数据环境中如何使用Hadoop、Hive和Spark的ML/MLlib库进行分布式机器学习。通过大量的实战案例，读者可以全面掌握数据科学的各个方面。

SQL Server最近两个版本才开始全面支持数据科学。如果您同时熟悉SQL Server和数据科学，并有兴趣在项目中使用SQL Server和机器学习（ML）服务，那么这本书非常适合您。本书是使用Microsoft SQL Server和内置ML服务进行数据科学的理想入门指南，涵盖从业务和数据理解、数据概述、数据准备、建模和算法使用、模型评估到部署的所有数据科学项目阶段。您将学习使用SQL Server附带的引擎和语言，包括R和Python语言的ML服务以及Transact-SQL。还将了解如何选择哪种算法用于哪项任务，以及每种算法的工作原理。

入门数据科学不想太烧脑？《Data Science For Dummies》还挺合适。全书偏实战，讲得清楚不绕，像老朋友带你一步步捋顺什么是数据清洗、什么是可视化、怎么理解机器学习。没有太多数学公式，比较适合前端转型或者想做数据相关项目的开发者看一看。哦，它还会提到 MapReduce、Hadoop、Spark 这些大数据工具，虽然只是入门级，但了解下架构思路还是蛮有用的。

ORACLe数据库讲义简要介绍了Oracle的基础知识，适合初学者了解和学习。

关系型数据库和 Hadoop 之间的数据搬家，Sqoop干这个事儿还是蛮顺手的。你要是正好搞大数据，又想从 MySQL、Oracle 之类的数据库导点数据进 HDFS，这份入门到进阶的 PDF 教程还挺合适。Sqoop支持全量、增量导入导出，性能也不错，适合批量任务。教程里直接给了安装步骤，环境用的是 CentOS 6.6，JDK 1.7 配 Hadoop 1.1，适合老系统实验，路径、用户权限这些也讲得挺细。讲到Sqoop 1 和 2的区别时，也没绕弯子。简单说，Sqoop 2多了 Web UI、REST API、安全性也上去了，就是部署稍微麻烦点。PDF 里还贴心地整理了几个常见场景，比如

该指南提供MATLAB最简单的代码，供DataScience_finalTask 2020数据科学项目使用。它涵盖从数据处理到心态分析的各种任务。

弹性分布式数据集的核心概念，挺适合刚上手 Spark 的你。RDD就是 Spark 里搞数据最常用的那套东西，能分区、能并行，支持内存缓存，还能自动容错。简单说，你写一堆转化操作，数据就在内存里转来转去，响应也快，效率也高，挺香的。 RDD的懒加载机制也蛮好玩，你定义完操作链不立马跑，等你执行collect()或者count()这类 action 时才真正开始算。这样一来，性能就能压榨得比较极致。嗯，缓存用得好，查询飞快不说，还能少跑不少无谓逻辑。 而且，出错了也不怕，RDD有血统信息，可以靠日志和依赖关系自动恢复，挺有安全感的。像日志、用户行为这类事儿，用RDD是老搭档了。如果你追求速度优先