資料科學實驗室

關於 資料科學、巨量資料、開放資料、資料探勘、商業分析、預測分析,將個人的觀察與學習分享於此。

顯示具有 MATLAB 標籤的文章。 顯示所有文章
顯示具有 MATLAB 標籤的文章。 顯示所有文章

2014年5月20日 星期二

12本免費的巨量資料分析書籍

幾本由專家提供的免費巨量資料分析書籍,包含R、Python、MATLAB等語言。也可以從這些書籍中發現目前巨量資料分析的理論主要還是以統計、資料探勘與機器學習為主。

  1. An Introduction to Statistical Learning with Applications in R
  2. The Elements of Statistical Learning
  3. A Programmer’s Guide to Data Mining
  4. Probabilistic Programming & Bayesian Methods for Hackers
  5. Think Bayes, Bayesian Statistics Made Simple
  6. Data Mining and Analysis, Fundamental Concepts and Algorithms
  7. An Introduction to Data Science
  8. Machine Learning
  9. Machine Learning – The Complete Guide
  10. Bayesian Reasoning and Machine Learning
  11. A Course in Machine Learning
  12. Information Theory, Inference and Learning Algorithms

本文同步刊載於Data Science Program 資料科學計畫
張貼者: 資料科學實驗室 於 晚上10:34 沒有留言:
以電子郵件傳送這篇文章BlogThis!分享至 X分享至 Facebook分享到 Pinterest
標籤: 巨量資料, Big data, data mining, data mining tools, Data science, Data scientist, Machine Learning, MATLAB, Python, R
較舊的文章 首頁
查看行動版
訂閱: 文章 (Atom)

關於作者

資料科學實驗室
Jerry是一名資深部落客,目前是Google機器學習開發專家(GDE)、APMIC OpenTalk創辦人兼執行長。
檢視我的完整簡介

支持老師的機器學習課程

follow us in feedly

熱門文章

  • R語言從「初學」到「進階」到「跨界」的32本書籍推薦
    R語言一直是數據分析界的熱門語言,也因此R語言相關的書籍也相當的多。筆者在學R的過程也看過許多R語言的書籍,筆者也收集相當多的R書籍,但大多參差不齊,有些寫得很好,有些則寫的較為艱澀,最近看到網路上大家在討論由淺入深的學習參考書籍,因此筆者也想做個小整理,包括初級、中級...
  • 資料探勘軟體Weka之安裝篇
    最近在準備資料探勘相關課程,為了讓大家能快快上手玩資料,這邊就寫整理一篇 Weka 的安裝篇給大家。 Weka 是以 Java 為基礎的資料探勘 (Data mining ) 與 (Machine learning) 軟體,也是自由軟體 (Open Sourc...
  • 情緒分析(Sentiment Analysis)的作法與商業價值
    情緒分析(Sentiment Analysis)是繼文字探勘(Text Mining)之後,近年被熱烈討論的議題。過去學者普遍探討的是如何把一句話非結構化轉結構化的方法,像是各式演算方法,包含監督式學習(Supervised learning)、半監督式學習(Sem...
  • 【R軟體】基本數學函數指令
    這邊將一些在R裡面的基本數學函數指令整理如下,供大家方便查閱,也放在GitHub: GitHub: https://github.com/rippleblue/Blog_R_code/blob/master/Mathematical%20functions.R 功能:...
  • 透過Python與Spark做氣象大數據分析
    In this project, we applied Spark in weather data analysis. This application includes uploading data to Object Storage, establishing RDD, ma...
  • 必學的10個R套件
    最近非常的忙碌,終於逮到一個機會在除夕夜前,將幾個月前想要寫的文章整理一番。 圖: R de jeu R軟體已在這兩年如黑馬般,串升到十大必學語言之一。從各種數據可以觀察到,由於R的開發者專注做資料分析這塊,因此資料分析的資源非常豐富,也奠定R這個工具在處理資料的...
  • 什麼是大數據的新架構「資料湖泊」?
    隨著資訊科技的發達,企業開始面臨大量數據的儲存問題。過去許多企業從導入資料庫,到導入 資料倉儲,甚至商業智慧。以面對不斷增長的資料以及資料的應用問題,但資料持續增加,傳統架構將可能不敷使用。 因此有個新名詞「資料湖泊(Data Lake)」(又稱數據湖泊、DL)因應而生。該名...
  • 60本免費的資料科學書籍
    資料科學(Data Science)這個名詞是近幾年非常流行的概念,它其實講的是跨領域(Interdisciplinary)的組成,這些學科包含如下: 數學 (Mathematics) 統計 (Statistics) 化學計量學 (Chemometric...
  • 一天上手SparkR
    Spark是近幾年在數據分析領域非常火紅的技術,繼上一次「 透過Python與Spark做氣象大數據分析 」的文章,筆者這次希望分享的是原生Spark 在 R上面的改變,從Spark 1.4版開始對R有較完整的支持,而今年推出的Spark 1.6版上面,可以看到Spark 已經特...
  • 透過雲端工具快速實作情緒分析(Sentiment Analysis)
    最近實在是太忙,終於有一點時間可以發文,情緒分析一直是筆者的研究之一。自從兩年前「 情緒分析(Sentiment Analysis)的作法與商業價值 」獲得高度迴響之後,就一直要找時間分享相關的研究。而剛好這兩年Google推出的自然語言技術越來越成熟,筆者就把使用心得給記錄在這...

搜尋此網誌

網誌存檔

  • ▼  2024 (6)
    • ▼  8月 (1)
      • Google I/O Connect 2024 速記
    • ►  7月 (2)
    • ►  4月 (1)
    • ►  3月 (1)
    • ►  1月 (1)
  • ►  2023 (4)
    • ►  9月 (2)
    • ►  5月 (2)
  • ►  2022 (2)
    • ►  11月 (1)
    • ►  6月 (1)
  • ►  2020 (8)
    • ►  10月 (1)
    • ►  7月 (1)
    • ►  5月 (1)
    • ►  3月 (4)
    • ►  2月 (1)
  • ►  2019 (1)
    • ►  9月 (1)
  • ►  2018 (1)
    • ►  1月 (1)
  • ►  2017 (2)
    • ►  5月 (1)
    • ►  3月 (1)
  • ►  2016 (5)
    • ►  7月 (1)
    • ►  5月 (1)
    • ►  3月 (1)
    • ►  2月 (1)
    • ►  1月 (1)
  • ►  2015 (10)
    • ►  12月 (1)
    • ►  11月 (1)
    • ►  10月 (1)
    • ►  9月 (1)
    • ►  8月 (1)
    • ►  7月 (1)
    • ►  5月 (1)
    • ►  4月 (1)
    • ►  3月 (1)
    • ►  2月 (1)
  • ►  2014 (15)
    • ►  12月 (1)
    • ►  10月 (1)
    • ►  9月 (2)
    • ►  8月 (2)
    • ►  7月 (2)
    • ►  6月 (1)
    • ►  5月 (2)
    • ►  2月 (1)
    • ►  1月 (3)
  • ►  2013 (12)
    • ►  12月 (3)
    • ►  11月 (3)
    • ►  8月 (1)
    • ►  5月 (2)
    • ►  4月 (3)
  • ►  2012 (1)
    • ►  9月 (1)

標籤

人工智慧 (4) 大型語言模型 (1) 大語言模型 (1) 大數據 (10) 大數據課程 (3) 不確定性建模 (1) 文字探勘 (1) 文字探勘課程 (3) 可解釋AI (1) 巨量資料 (11) 巨量資料課程 (3) 市場研究 (1) 交通 (1) 百度 (2) 自然語言處理 (2) 自然語言模型 (1) 行銷 (3) 車聯網 (2) 物聯網 (4) 空間資料 (1) 金融 (1) 計量經濟學 (1) 航空資料分析 (2) 強化學習 (1) 情緒分析 (3) 深度學習 (3) 視覺化 (1) 統計學習 (2) 開放資料 (5) 集群 (1) 雲端 (3) 雲端機器學習 (4) 意見分析 (1) 落地模型 (1) 資料工程 (1) 資料安全 (2) 資料治理 (2) 資料長 (1) 資料科學 (3) 資料科學工具 (4) 資料科學團隊 (3) 資料科學課程 (5) 資料倉儲 (1) 資料庫 (2) 資料探勘 (3) 資料視覺化 (7) 資料湖泊 (1) 資料壓縮 (1) 資訊科學 (1) 電腦科學 (1) 預測分析 (1) 演算法 (4) 數據科學 (1) 數據湖泊 (1) 模式識別 (3) 課程 (3) 機率學 (1) 機器學習 (7) 職缺 (1) 醫學資料分析 (1) 醫學影像 (1) Algorithm (4) APMIC (1) Aviation (2) Azure (1) BERT (1) BF16 (1) Big data (31) bluemix (2) Cloud Natural Language API (1) CRN (1) data analysis (1) Data governance (2) Data Lake (1) Data matching (2) data mining (18) data mining tools (9) Data science (15) Data scientist (19) Data security (2) Data visualization (2) deep learning (2) devfest2020 (1) DGX (1) DICOM (1) DuetAI (1) EEG (1) Elasticsearch (3) explainable ai (1) Fairness Indicators (1) GCP (1) Gemini (2) Gemma (3) GenAI (1) Go (1) google (3) Google Cloud Platform (5) google developer (1) Google I/O (2) google機器學習開發專家 (1) GoogleIO (1) GoogleML (2) GPU (3) GTC (1) GTC2024 (1) H100 (1) H200 (1) Hadoop (7) HGX (1) Hive (4) Huggingface (1) IBM (2) Image mining (1) Inception Program (1) Independent software vendor (1) Internet of Things (3) Internet of Things Platform (1) Internet of Vehicles (2) ISV (1) Java (1) JAX (2) Jupyter Notebooks (1) k-means (1) Keras (1) LLMs (4) Machine Learning (15) machine learning visualization (1) Marketing (2) MATLAB (1) Medical (1) Medical Data Mining (3) Medical Image Analysis (1) Microsoft (1) ML (3) ML Study Jam (1) MRI (1) MySQL (1) NCP (1) NeMo (1) NIfTI (1) NLP (2) Node.js (2) NoSQL (4) NVIDIA (3) Object Storage (1) open data (5) PaLM (1) PET (1) Pig (3) Postgres (1) Python (10) Pytorch (1) R (16) R軟體 (9) R語言 (7) RAG (1) RDD (1) Redis (1) responsible ai (1) RHadoop (3) Riak (1) ringpop (1) Semi-supervised learning (1) Sentiment Analysis (2) Spark (6) SQL (1) Supervised learning (1) TChannel (1) tensorboard (1) TensorFlow (5) TensorFlowHub (1) TensorRT-LLM (1) Text Mining (1) Thrift (1) TPU (3) Unsupervised learning (1) Vertex AI (1) Web Data Mining (1) Weka (1)

本站推薦文章

載入中…

Talks

MLDM Monday -- Optimization Series Talk from Jerry Wu

相關連結

  • APMIC OpenTalk
  • DSP智庫驅動部落格
  • DSP智庫驅動(資料科學計畫DSP)

Translate

總網頁瀏覽量

小額贊助


如果您喜歡本部落格文章,歡迎每月小額贊助,給予作者鼓勵。
付款方式
資料科學實驗室內容由Jerry 撰寫。以創用CC 姓名標示-非商業性-相同方式分享 3.0 台灣 授權條款釋出。. 圖片視窗主題. 技術提供:Blogger.