身處于一個大資料時代，大資料無疑是近期最時髦的詞彙了。
不管是雲計算、社交網絡，還是物聯網、移動網際網路和智慧城市，都要與大資料搭上聯系。
随着雲計算、移動網際網路和物聯網等新一代資訊技術的創新和應用普及。學習大資料，除了網課，一些經典的技術書籍是非常實用且有幫助的。
為了跟上技術更疊的節奏，不落人後，最好的方式是繼續重新整理自己的知識，同時保持上手的經驗。在這行業中要取得成功，需要完美的項目經驗和技能組合。盡管網上有大量的資源，我們仍要專門推薦一些好的實體書籍。
大資料書單
《Machine Learning Yearning》
by 吳恩達
由現代資料，大資料和資料科學開發并生産出的機器學習系統已經不是什麼秘密。雖然它們不一定是同義詞，但卻是互相關聯的，是以如果你在資料行業工作，那麼提高對機器學習的了解和認識是個不錯的想法。
很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入了解，想學習的同學歡迎加入大資料學習qq群：458345782，有大量幹貨（零基礎以及進階的經典實戰）分享給大家，并且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國内最完整的大資料高端實戰實用學習流程體系。
從本書中你可以學到一些洞察能力，例如你應該多長時間收集一次訓練資料集，如何使用端到端的深度學習，以及如何利用你正在建立的系統來共享資料和統計資訊。
《資料之巅》
by塗子沛
這本書中，從小資料時代到大資料的崛起，作者以宏大的曆史觀、文化觀、大資料觀，給我們描繪了一幅資料科學、智慧文化的全景圖。
《為資料而生》
by周濤
書中分别闡述在大資料1.0、大資料2.0和大資料3.0時代下，相對應的資料分析需要做到分析、外化、內建。作者提供了一套基本的大資料分析架構：确定問題和名額, 清洗資料, 特征提取和選擇, 模型訓練, 模型融合。
《智能時代》
by吳軍
回顧了科學研究發展的四個範式，用執行個體證明了資料在科學發現中的位置。這本書作者分七章從不同角度對大資料進行介紹，分别以技術和思維方式的改變為主線，從工業革命這個角度嵌入，順理成章的延伸出大資料與智能化，但是沒有将過多筆墨放在技術的深究上，而是選擇從應用層面展現大資料的理念。大資料應用則會滲透到各行各業，這正是作者的用心之處。
這本書作者分七章從不同角度對大資料進行介紹，分别以技術和思維方式的改變為主線，從工業革命這個角度嵌入，順理成章的延伸出大資料與智能化，但是沒有将過多筆墨放在技術的深究上，而是選擇從應用層面展現大資料的理念。大資料應用則會滲透到各行各業，這正是作者的用心之處。
《Hadoop：權威指南》
by Tom White
Apache Hadoop是用于處理和管理大量資料的主要架構。任何從事程式設計或資料科學工作的人都有必要熟悉這個平台。事實上，這是開發可擴充系統最有效的方法之一。身為Hadoop顧問和Apache軟體基金會成員的Tom White寫了這本标準指南，其中包羅作者的個人見解和一些有用的資源。更重要的是，它将引導你完成Hadoop的設定并且過一遍整體流程。
Apache Spark是你可能需要花時間學習的另一個重要平台。
《預測分析》
by Eric Siegel
本書詳細解釋了如何擷取多種形式的資料和資訊，并将其轉化為可實施的預測或見解的方法。本書的核心目的是幫助專業人員更好地了解他們的閱聽人。你将學會如何識别他們購買的産品和服務，通路的地點，與他們産生共鳴的内容等等。
衆所周知，資料科學家的工作是檢視未經過濾的原始資料，并發現可用的趨勢和模式。本書不僅可以幫助你做到這一點，而且還提出必要的預測算法來改進未來的操作和流程。本書可以算是預測分析的聖經。
《大拐點》
by Scott Stawski
本書對于了解目前資料分析和雲計算行業的發展勢頭十分有幫助。特别值得注意的是，Stawski主要關注原始資料存儲和挖掘系統、如何部署以及在現實世界中的使用情況。
它不僅是一個理論指南，還揭示了實際的工作系統，并且提到如何把相應模式套用到你的企業或公司。更重要的一點是，你可以從本書中清楚了解如何在組織内部署這些工具和平台。
《統計學習導論·基于R應用》
by Gareth James等人
統計學習和相關的方法是資料科學工作所必需的概念。這本教科書旨在幫助每個人——從大學到博士，了解這些統計概念。
當然，它也提供了一些很好的R-lab與練習，其中有詳細的解釋和攻略。你可以在學習階段直接用它來練習資料科學。他還能在你的日常應用中作為工具書反複查閱。
《R語言預測實戰》
by遊皓麟
R語言橫跨了金融、生物、醫學、網際網路等多個領域，主要用于統計、模組化及可視化。由于上手快、效率高，備受技術人員青睐。預測是大資料挖掘的主要作用之一,借助R語言來做大資料預測，可以兼具效率與價值于一身。
市面上為數不多的系統講解R語言預測專題的書籍，可以get到做R語言預測時的基本步驟和方法思路，還有更多技術細節
《商業中的資料分析》
by Foster Provost, Tom Fawcett
本書由著名資料科學專家Foster Provost和Tom Fawcett撰寫，介紹了資料科學的基本原理，讓你從收集的資料中提取有用的知識和業務價值所需的“資料分析思維”，并可幫助你了解當今使用的許多資料挖掘技術。
這本書有趣的地方，是會特别标記出較困難的技術部分，并深入淺出的介紹資料挖掘中的重要的幾個概念：分類，聚類和回歸。更重要的是書中包含了這些概念在商務上的的直接應用。
《資料科學實戰》
by Cathy O'Neil, Rachel Schutt
這本以哥倫比亞大學的資料科學入門課為基礎，包含了Google，Microsoft和eBay等公司的資料科學家的經驗，通過介紹案例研究和他們使用的代碼的經曆，分享了新的算法，方法和模型。
如果你熟悉線性代數，機率和統計，并具有程式設計經驗，本書是你對資料科學的理想介紹。主題包括：統計推斷、探索性資料分析和資料科學過程算法、垃圾郵件過濾器、樸素貝葉斯和資料處理邏輯回歸、财務模組化、推薦引擎和因果關系資料可視化、社交網絡和資料新聞、資料工程、MapReduce。
《Show Me the Numbers》
by Stephen Few
在BI産業有30多年的經驗之後，Stephen Few并不針對哪一種可視化工具進行鑽研，而是從更高層次的去讨論，什麼圖形該怎麼使用，來傳達什麼樣的訊息是最有效的，以及資料分析産業的發展與趨勢。
這本書中，他介紹了可視化的起源和背後的應用，為讀者提供實際的設計指導，針對不同資料使用者的不同使用場景給出建議，在一些現在流行卻有潛在問題的可視化設計上做出改進。
《精益資料分析》
by Alistair Croll / Benjamin Yoskovitz
本書延續了新創企業文化中MVP(Most Valuable Product)概念和商業畫布架構，展示了如何利用資料的方式，分析六個産業中（電子商務、SaaS、免費移動應用、媒體網站、使用者生成内容與雙邊市場）的資料，驗證創業者自己的設想、找到真正的客戶、打造能賺錢的産品，以及提升企業知名度。
有趣的地方是，就算新創企業的資料沒有成熟企業來的多，作者認為每種不同的産業仍有必須關注的名額數字。根據這些數字新創公司可以更有效的管理和拓展生意。
很多初學者，對大資料的概念都是模糊不清的，大資料是什麼，能做什麼，學的時候，該按照什麼線路去學習，學完往哪方面發展，想深入了解，想學習的同學歡迎加入大資料學習qq群：458345782，有大量幹貨（零基礎以及進階的經典實戰）分享給大家，并且有清華大學畢業的資深大資料講師給大家免費授課，給大家分享目前國内最完整的大資料高端實戰實用學習流程體系。