Livros sobre a “ciência” em ciência de dados? [fechadas]

Quais são os livros sobre ciência e matemática por trás da ciência de dados? Parece que muitos livros sobre "ciência de dados" são tutoriais de programação e não tocam em coisas como processos de geração de dados e inferência estatística. Eu já posso codificar, o que eu sou fraco é a matemática / estatísticas / teoria por trás do que estou fazendo.

Se eu estiver pronto para queimar US $ 1000 em livros (cerca de 10 livros ... suspiro), o que eu poderia comprar?

Exemplos: análise de dados categóricos da Agresti , modelos mistos lineares para dados longitudinais , etc ... etc ...

Introdutório:

• Aprendizado de máquina: a arte e a ciência dos algoritmos que entendem os dados (Flach)
• Aprendendo com dados (Abu-Mostafa et al.)
• Introdução à Aprendizagem Estatística (James et al.)

Indo mais fundo:

• Elementos de aprendizagem estatística (Hastie et al.)
• Reconhecimento de Padrões e Aprendizado de Máquina (Bispo)

Alguns exemplos de interesse especial:

• Otimização convexa (Boyd)
• Raciocínio Bayesiano e Aprendizado de Máquina (Barbeiro)
• Modelos Gráficos Probabilísticos (Koller)
• Redes Neurais para Reconhecimento de Padrões (Bispo)

Uma referência mais ampla funciona no aprendizado de máquina (não exatamente o que você solicitou, mas a integridade):

• Aprendizado de máquina: uma perspectiva probabilística (Murphy)
• Inteligência Artificial: Uma Abordagem Moderna (Russell & Norvig)

Papel bônus:

• Modelagem Estatística: As Duas Culturas (Breiman)

Se eu pudesse apenas recomendar um para você, seria: Os Elementos de Aprendizagem e Previsão Estatística de Hastie, Tibshirani e Friedman. Ele fornece a matemática / estatística por trás de muitas técnicas comumente usadas em ciência de dados.

Para as técnicas bayesianas, a análise de dados bayesiana de Gelman, Carlin, Stern, Dunson, Vehtari e Rubin é excelente.

Inferência estatística de Casella e Berger é um bom livro de pós-graduação sobre os fundamentos teóricos da estatística. Este livro exige um nível bastante alto de conforto com a matemática (a teoria da probabilidade é baseada na teoria da medida, o que não é trivial de entender).

Com relação aos processos de geração de dados, não tenho uma recomendação para um livro. O que posso dizer é que um bom entendimento das suposições das técnicas utilizadas e a garantia de que os dados foram coletados ou gerados de uma maneira que não viole essas suposições contribuem muito para uma boa análise.

Outras respostas recomendaram um bom conjunto de livros sobre a matemática por trás da ciência de dados. Mas, como você mencionou, não são apenas matemáticas e atividades como coleta e inferência de dados têm suas próprias regras e teorias, mesmo que não sejam tão rigorosas quanto as experiências matemáticas (ainda).

Para essas partes, sugiro o livro Beautiful Data: The Stories Behind Elegant Data Solutions, que contém vinte estudos de caso, como capítulos escritos por pessoas realmente envolvidas com problemas de análise de dados do mundo real. Ele não contém matemática, mas explora áreas como a coleta de dados, encontrando maneiras práticas de usar dados em análises, dimensionando e selecionando muito bem as melhores soluções.

Outro livro realmente interessante é Pensando com Dados: Como Transformar Informações em Insights , que também não é técnico (= tutorial de programação), mas aborda tópicos importantes sobre como realmente usar o poder da ciência de dados na tomada de decisões e nos problemas do mundo real.

Gosto das sugestões de Amir Ali Akbari e adicionarei algumas, concentrando-me em tópicos e habilidades que não são abordados adequadamente na maioria dos livros de aprendizado de máquina e análise de dados que se concentram em matemática e / ou programação.

Limpeza de dados:

• Osborne 2012, Melhores práticas em limpeza de dados
• McCallom 2012, Bad Data Handbook: Limpando os dados para que você possa voltar ao trabalho

Análise de dados bayesiana (alternativa ao teste de significância de hipótese nula no estilo Fisher):

• Kruschke 2011, Fazendo análise de dados bayesiana

Inferência diante de incertezas, incompletude, contradições, ambiguidade, imprecisão, ignorância, etc .:

• Schum & Starace, 2001, Os fundamentos evidenciais do raciocínio probabilístico
• Bammer & Smithson 2008, Incerteza e Risco: Perspectivas Multidisciplinares
• Smithson 1989, Ignorância e Incerteza
• CIA 2008, A Tradecraft Primer: Técnicas Analíticas Estruturadas para Melhorar a Análise de Inteligência (GRÁTIS! Como PDF)
• Morgan & Winship 2007, Contrafactuais e inferência causal: métodos e princípios para pesquisa social

Experiências:

• Glennerster & Takavarasha 2013, Executando Avaliações Aleatórias: Um Guia Prático
• Dunning 2012, Experimentos Naturais nas Ciências Sociais

Simulação:

• Epstein 2006, Ciências Sociais Generativas: Estudos em Modelagem Computacional Baseada em Agentes
• Nelson 2010, Modelagem Estocástica: Análise e Simulação

Elicitação de especialistas, estimativa probabilística:

• Hubbard 2014, Como medir qualquer coisa: descobrindo o valor dos intangíveis nos negócios