书评及学习心得

相关内容后续将转移至豆瓣读书： https://book.douban.com/people/48675919/

非专业书籍

Excel/Vba

• Excel2010函数与公式
  强力推荐，看完真正Excel入门到精通。内容上覆盖绝大多数函数，并且挖掘出在各种场景和需求下，对应的函数组合公式。主要是实例。

• 谁说菜鸟不会数据分析
  分为入门篇和工具篇，内容比较基础，入门篇是一些基础的数据分析和函数知识。工具篇介绍了一些如水晶易表之类的数据分析工具。优点是图文并茂，有声有色，可读性比较高。

• 别怕，Excel函数其实很简单
  基础学习，一些入门级的Excel函数知识，覆盖日常主要使用的函数。优点是图文并茂，有声有色，可读性比较高。

观点

• 数学之美
  科普读物，对当前一些流行的算法做了比较通俗的解释，看完会有个大致的了解，并且激发对数据科学的兴趣。
  可读性比较高，基本也不需要任何统计学或者编程基础。

• 数据之美：一本书学会可视化设计
  主要讲的是一些可视化的方式和理念，并不太涉及如何实现，整本书看起来很赏心悦目。可以给读者一些对可视化方面新的思考和借鉴。

• 浪潮之巅
  吴军博士的著作真的是一本都不想错过。这是一本IT界的《大国崛起》，讲述了每一个伟大的IT公司的崛起和衰落。可贵的是，吴军博士还通过对硅谷、美国大学教育、投资银行等外部环境的描述，构建给读者一个完整立体的业态。更可贵的是，通过对一些客观规律的总结和一些独到的观点和剖析，给读者更深刻的理解和认识，并引发了充分的思考。

• 科技之巅：50大全球突破性技术深度剖析
  首先，这本书阅读体验很好，很多新技术的展现都让人惊异。简单总结一下，50大技术主要集中在：生物及基因科技、机器人、移动和物联网、新能源和商务智能，这也基本代表了时代的趋势，预示着下一个巨头的诞生方向。
  一本值得一读的科普书，尤其中间一些专家的解读，很接地气。

• 智能时代
  吴军老师的这部作品依然延续了一贯的高品质。全书描绘了机器智能的方方面面，从机器智能的基础-数据和数据思维，到智能时代的剖析-大数据化改造和新产业革命，以及对未来社会的展望-机遇和挑战。
  读完此书，禁不住内心丝丝的寒意，为自己能否在这场变革重成为那2%的人而担忧。智能时代，无论是对国家社会个人，都是一个逐渐逼近的威胁和挑战。所幸，有像吴军老师这样的有识之士，能如此抽丝剥茧的展现出这如画长卷。

数据挖掘

• 数据挖掘与数据化运营实战
  这本是一个阿里的数据运营人员，从业务层面具体讲了数据挖掘工作是如何展开的，还包括一些基础的数据挖掘知识。
  但这个领域发展比较快，仅做参考吧。

---

专业书籍

Excel/Vba

• ExcelVBA实战技巧精辟
  强力推荐，看完真正VBA入门到精通。ExcelHome的书都比较偏重与实例，这是优点也是缺点。优点在于，可以帮助读者更好的学习和理解在对应场景下实现对应功能的方法和技巧。缺点在于，没有系统的梳理知识点，所以不如一些白皮书工具书，把知识点都梳理的很清晰。

R语言

• R语言编程艺术
  R入门书籍，但其实R入门最好的还是原生的swirl包，这本可以辅助看看，加强记忆，当工具书查询比较方便。毕竟swirl对英文不好的同学比较吃力。

Python

• Python基础教程
  Python的入门级教程，内容编排上还可以。看完可以基本了解和使用Python进行编程。10个项目个人体验下来有点鸡肋，因为很多都是不实用的功能。
  网上的入门教材其实也不错
  Python中文入门指南http://www.pythondoc.com/pythontutorial27/index.html
  Python标准库官方英文https://docs.python.org/2/library/index.html

数据库

• SQL Server2000数据库 管理与开发实用教程
  同事买的书，优点是比较精练，薄薄一本，结合实践，可以基本学会主要的数据库操作和管理方法

数据挖掘

• 数据挖掘 概念与技术
  强力推荐，正统教材，从原理到算法(伪代码)到延展性，比较全面的讲解了常用的各种数据挖掘方法，还有丰富和课后习题。关于数据立方体的内容偏多。缺点是，因为涉及到的数据挖掘方法比较多，所以对每个点的讲解篇幅都比较有限，自学起来比较艰涩，需要有一些统计学和编程基础。还有就是内容上比较篇理论，所以说是教材。

• 数据挖掘导论
  正统教材，内容和结构设计上几乎和”数据挖掘 概念与技术”一致，重合度很高的两本书，优缺点也都差不多。貌似都是同一批作者。
  因为“数据挖掘导论”是后写的，所以，个人感觉这本的内容编排上可能会更好一点。

• 推荐系统实战
  强力推荐，系统完整的介绍了各种推荐系统算法，具体实现的代码、优缺点，结合如豆瓣、Hulu等知名网站等实例，形象的讲解了算法应用的方法、基础。并在文字提供了大量扩展阅读的渠道。
  另外，书中也提到一些实际构架推荐系统的方法，从网站整体、商业价值等角度进行分析，跳出了一般学院派的框架。

原型设计

• Axure Pro7 原型设计精髓
  一本面向原型初学这的专业书，完整的讲述了Axure软件的各种操作和使用场景，如果能够完整的按照书中的步骤一步步联系下来，一般的原型设计都可以搞定了。需要后续在工作中多练习。

---

网站、课程等

Excel/Vba

• ExcelHome
  国内最好的Excel资源分享和学习平台，论坛中深藏各路民间大神，微软Mvp（还有就是人大经济论坛）

语言

• R包“swirl”
  可能是最好的R语言入门教材了，利用原生的swirl包，讲解R的各个方面基础知识。

• Data Scinece
  coursera专项系列课程，含10门课程，主讲是约翰霍普金斯大学的Brian Caffo教授。由简入深的讲解，如何使用R软件，进行数据科学家的工作，包括：R编程、数据清理、探索分析、可重复性研究、统计指引、机器学习实践、开发数据产品等。只需要最基础的数学和编程基础，大部分课程全英文

• 零基础 Python 入门
  coursera专项系列课程，含5门课程，主讲是密歇根大学的Charles Severance讲授。这个讲授非常幽默，讲解的也很到位。最有价值的是整个课程的随堂网路旁测试平台和自动审阅功能。缺点是，课程的内容相对来说比较简单，应该是因为完全针对每月任何编程经验的初学者。包括：Python 数据结构，使用 Python 访问网络数据，Python 数据库开发，可视化。

大数据

• Big Data
  coursera专项系列课程，含6门课程，主讲是圣地亚哥超级计算机中心的几位教授。由简入深的讲解了，包括：什么是大数据、大数据系统搭建、大数据管理、大数据机器学习、大数据可视化分析等。只需要最基础的数学和编程基础，全英文课程。

数据挖掘

• Machine Learning
  coursera明星课程，主讲是斯坦福大学的Andrew Ng教授，百度首席科学家。讲解常见的机器学习算法的原理和应用场景，主要使用开源软件Octive（相当于Matlab的开源版）还原具体的实现代码。课程内容简洁清晰，对数据挖掘的初学者非常有帮助。只需要最基础的数学和编程基础，全中文字幕。

综合

• CSDN
  国内IT专业博客，上面有各路大神分享的关于前端开发、数据库、大数据系统架构、机器学习、深度学习等专业博文。