数据分析从哪里开始入门学习，可以推荐的书有哪些

数据行业在迅速的发展，几乎每天都会出现新的技术和方法。因此，想要跟上这个行业的步伐是有挑战性的。之前CDA数据分析师曾列出了15位在科技和数据科学领域最具影响力人物，他们不仅仅是数据科学专业人士和关注该领域人群的灵感来源，同时关注他们也确保你能够了解该领域的发展动向。

除参考国外的数据分析工作外，CDA数据分析学院结合多年数据分析培训和教育经验，总结了个人在获得第一份工作以后，如何能在岗位上不断提升，真正实现自己在数据分析行业的职业规划提升。基于此，CDA数据分析研究院提供了科学的数据分析行业进阶规划如下：

统计概率基础：数据分析行业分析，数据挖掘经典流程，数据的描述性分析，数据的推断性分析，方差分析，回归分析，多元统计等系列理论课程，唯有掌握原理，方能驾驭工具。

数据分析工具学习：根据等级的要求，一般软件在学术界和企业界的应用广泛程度如下：

学术界 ：STATA>R >Matlab>SPSS>SAS ；

商业界：SPSS>R>SAS >PYTHON。

上手难度：SAS>R>PYTHON>SPSS>EXCEL工具的选择不在于多，而在于跟具体问题相结合，在学习的过程中可以选择1-2门的工具进行熟练使用。参考各大数据分析工具的区别。

数据分析建模：利用工具进行数据分析模型、数据挖掘算法建模运用，常用的数据分析方法有（回归分析法、主成分分析法、典型相关分析、因子分析法、判别分析法、聚类分析法、结构方程、Logistic模型等），常用的数据挖掘算法有（时间序列、Panel Data、关联法则、神经网络、决策树、遗传算法）以及可视化技术。

以上三部分皆为数据分析硬性技术，要想熟能生巧需要经常在学习和工作中运用，不断改善，不断优化模型，将技术与具体业务结合起来，经过长时间的积累方能成为高级数据分析师。

提升推荐书单《DEEP LEARNING深度学习》

作者:[美]Ian Goodfellow（伊恩·古德费洛）、[加]Yoshua Bengio（约书亚·本吉奥）、[加]Aaron Courville（亚伦·库维尔）

出版社：人民邮电出版社

AI圣经！深度学习领域奠基性的经典畅销书！长期位居美国亚马逊AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的必读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推荐！深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。

《Python Deep Learning》

“Take your machine learning skills to the next level by mastering Deep Learning concepts and algorithms using Python. About This Book ?Explore and create intelligent systems using cutting-edge deep learning techniques ?Implementdeep learning algorithms and work with revolutionary libraries in Python ?

《利用Python进行数据分析》

作者:（美）麦金尼著，唐学韬等译

出版社：机械工业出版社

本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。本书重点介绍了用于高效解决各种数据分析问题的Python语言和库。《利用Python进行数据分析》没有阐述如何利用Python实现具体的分析方法。

《机器学习》

作者：周志华

出版社：清华大学出版社

这是一本面向中文读者的机器学习教科书,为了使尽可能多的读者通过本书对机器学习有所了解,作者试图尽可能少地使用数学知识。

然而,少量的概率、统计、代数、优化、逻辑知识似乎不可避免.因此,本书更适合大学三年级以上的理工科本科生和研究生，以及具有类似背景的对机器学习感兴趣的人士.为方便读者,本书附录给出了一些相关数学基础知识简介。

数据挖掘导论(完整版)

作者:（美）陈封能等

出版社：人民邮电出版社

本书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章。前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。这样读者在透彻地理解数据挖掘的基础的同时，还能够了解更多重要的高级主题。

统计学（第六版）

作者：贾俊平

出版社：中国人民大学出版社

统计学》第六版是在第五版的基础上修改而成的。在广泛吸取读者意见的基础上，对第五版中的部分内容进行了修订。第六版在结构上与第五版基本相同，但对部分章节上进行了重新写和修订。其中，第13章进行了重新编写，更新了全部数据，并将季节型序列的预测一节合并到复合型序列的分解预测中。第5章对部分内容作了简化。第9章增加了SPSS的应用。