✅入门篇
深入浅出数据分析
- 以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术。
- 豆瓣评分：7.5
数据之美
- 这本书的好处在于简单，没有讨论技术细节，也是一本内行看门道，外行看热闹的书。
- 豆瓣评分：7.1
数学之美
- 对一些算法，数学模型，数据的用途有一些初步了解。开始有点明白那些做算法的朋友都在干些什么了。
- 豆瓣评分：8.9
深入浅出统计学
- 此书比较通俗易懂，适合非专业人士的统计学入门；书中的很多案例和习题比较好，能从简单的角度阐述复杂的概率统计的理论知识；
- 豆瓣评分：8.5
✅基础篇
MySQL必知必会
- 不到250页的小册子，教会你怎么用SQL语句操作MySQL。看完这本书基本就可以说是入门了。
- 豆瓣评分：8.4
Python for Data Analysis
- 这本书是Pandas的模块作者写的书。主要介绍了numpy和pandas模块，逻辑挺清晰的，实操性应该挺强。
- 豆瓣评分：8.4
谁说菜鸟不会数据分析
- 给初学者看的书，很全面，能学到很多东西，系统性很强，对于职场很有指导性。
- 豆瓣评分：7.4
集体智慧编程
- 好书,介绍一些常用算法的使用方法,如神经网络,支持向量机,模拟退火,遗传算法等.对普通读者已经够了。
- 豆瓣评分：9.0
✅中级篇
数据挖掘导论
- 这本书基本上涵盖了数据挖掘的许多经典算法，分类，聚类，关联规则。比较适合对数据挖掘感兴趣的人，这本书看完之后基本上就可以进行对数据的分析，挖掘了。
- 豆瓣评分：8.2
SciPy and NumPy
- 50多页的小册子，非常易读。内容上是引导性的，适于入门者。
- 豆瓣评分：7.0
Machine Learning in Action
- 长度适中，举例形象，概念浅显通俗。难得有一个条理清楚 逻辑不迷糊 不堆砌代码打哈哈的书。
- 豆瓣评分：8.5
推荐系统实践
- 学习推荐系统的朋友们唯一推荐的一本书，书中内容浅显易懂，网上也有很多配套的代码可供参考。
- 豆瓣评分：8.1
R IN ACTION
- R的应用，领域比较基础和广泛，作为入门教材配合R语言核心技术手册。
- 豆瓣评分：9.1
The Wall Street Journal Guide to Information Graphics
- 如何增强图表的表现力，传递有效信息，影响读者？这本书提供了很多法则，规范和常识。和大多优秀的设计相关书籍一样，读起来很轻松。
- 豆瓣评分：8.9
Storytelling with Data
- 作者是前Google人力分析团队经理，曾任银行和私募基金分析师，曾在马里兰艺术学院教授信息可视化课程，书写的非常好。
- 豆瓣评分：9.2
