21 Cuốn Sách Khoa Học Dữ Liệu Nên Đọc Năm 2021 (Phần 2)

Dữ liệu và Trí tuệ nhân tạo tiếp tục thống trị trong báo cáo Báo cáo về việc làm nổi bật năm 2020 của LinkedIn – LinkedIn’s 2020 Emerging Jobs Report, cho thấy rằng Chuyên gia về trí tuệ nhân tạo và Nhà khoa học dữ liệu lần lượt là những công việc mới nổi bật hàng đầu ở Mỹ.

Với việc các công ty nhận ra giá trị to lớn của dữ liệu, chúng ta hoàn toàn có thể trông chờ vào một tương lai 2021 nơi mức lương trong ngành Khoa học Dữ liệu và AI sẽ tiếp tục tăng trưởng.

Nối tiếp Phần 1, bài viết này sẽ giúp bạn gợi ý một số cuốn sách hữu ích nhất mà bạn có thể đọc để nâng cao trình độ khoa học dữ liệu của mình.

Xem chi tiết Phần 1 tại: 21 Cuốn Sách Khoa Học Dữ Liệu Nên Đọc Năm 2021 (Phần 1)

Machine Learning

Nếu bạn đã sẵn sàng để dấn thân sâu hơn và thế giới của dữ liệu, những cuốn sách dưới đây sẽ cung cấp cho bạn kiến thức chuyên sâu về các khái niệm học máy với ứng dụng thực tế và các ví dụ thực hành.

12. Introduction to Machine Learning with Python

Tác giả: Andreas C Muller and Sarah Guido

Cuốn sách này là một nguồn tài nguyên tuyệt vời có thể giúp bạn bắt kịp kiến thức cơ bản về các thuật toán học máy được sử dụng rộng rãi nhất, bao gồm các kỹ thuật về cách xử lý dữ liệu, các phương pháp nâng cao để đánh giá mô hình và điều chỉnh tham số cũng như các nguyên tắc tạo quy trình làm mô hình của bạn. Nó thân thiện với người mới bắt đầu mà không đòi hỏi người đọc có một nền tảng lập trình quá chuyên sâu. Chưa kể, không thể phủ nhận kho GitHub đi kèm rất hữu ích cho việc học.

13. The Hundred Page Machine Learning Book

Tác giả: Andriy Burkov

Đây là một cuốn sách khá cô đọng về các khái niệm học máy, hoàn hảo như một cẩm nang dành cho các nhà quản lý hoặc nhà phát triển phần mềm đang tìm cách tích hợp các công nghệ ML vào các dự án của họ.

14. Hands-On Machine Learning with Scikit Learn, Keras, and TensorFlow

Tác giả: Aurelien Geron

Một trong những cuốn sách khác của O’Reilly cung cấp hướng dẫn thực tế để học ML cùng với giải thích khái niệm rõ ràng và triển khai code. Nó giúp bạn xây dựng sự hiểu biết vững chắc về học máy thông qua một loạt các bài tập thực hành được triển khai với Scikit-Learn và TensorFlow.

15. AI and Machine Learning for Coders — A Programmer’s Guide to Artificial Intelligence

Tác giả: Laurence Moroney

Một cuốn sách cần có cho các lập trình viên mới bước vào lĩnh vực Trí tuệ nhân tạo hoặc cho bất kỳ ai có nền tảng kỹ thuật vững chắc đang tìm cách áp dụng AI trong các dự án. Chủ yếu dựa trên TensorFlow, tác giả Laurence Moroney hướng dẫn bạn qua các khái niệm AI và ML phổ biến như được áp dụng trong thị giác máy tính, xử lý ngôn ngữ tự nhiên, mô hình trình tự, cho đến một vài khái niệm.

16. The Elements of Statistical Learning — Data Mining, Inference, and Prediction

Tác giả: Trevor Hastie, Robert Tibshirani.

Đây có lẽ là một trong những cuốn sách học thuật hơn trong danh sách. Tuy nhiên, chúng ta không thể phủ nhận những kiến thức vô cùng phong phú có trong cuốn sách này. Đây là một nguồn tài nguyên có giá trị cho các nhà thống kê hoặc bất kỳ ai quan tâm đến việc khai thác dữ liệu, đủ kỹ thuật và có thể là một tài liệu tham khảo lâu dài tốt mà bạn chắc chắn nên giữ trên giá sách của mình.

Deep Learning

DL có lẽ là khía cạnh nóng nhất của khoa học dữ liệu hiện nay. Tập hợp con của công nghệ máy học này chịu trách nhiệm cho nhiều ứng dụng cao cấp mà chúng ta thấy ngày nay từ ô tô tự lái, hàng deep fake cho đến nhận dạng hình ảnh. Những cuốn sách sau đây là nguồn tài liệu tuyệt vời để giúp bạn bắt đầu với chủ đề này.

17. Deep Learning with Python

Tác giả: Francois Chollet

Được viết bởi người tạo ra Keras, DL với Python giúp bạn xây dựng hiểu biết về DL ngay từ đầu. Nó chứa các ví dụ chi tiết với các khuyến nghị thực tế và giải thích chi tiết để cho phép bất kỳ người mới bắt đầu nào bắt đầu DL học sâu của họ.

18. Foundations of Deep Reinforcement Learning — Theory and Practice in Python

Tác giả: Laura Graesser và Wah Loon Keng

Một cuốn sách giáo khoa khá nâng cao về DRL, nơi các tác nhân nhân tạo học cách giải quyết việc ra quyết định theo trình tự. Một cuốn sách khá hay dành cho bất kỳ ai có kiến thức làm việc về máy học và muốn giải quyết các vấn đề bằng cách sử dụng Deep RL.

19. Deep Learning Illustrated — A Visual, Interactive Guide to Artificial Intelligence

Tác giả: John Krohn, Grant Beyleveld, và Aglae Bassens

Đây là tài liệu tham khảo thực tế có thể giúp bạn xây dựng hiểu biết của mình về các thuật toán học sâu. Trong cuốn sách với những ví dụ trự quan và tương tác này, bạn sẽ học lý thuyết cùng với các ví dụ mà bạn có thể xem qua trên sổ ghi chép đi kèm.

Lập trình

Phần này là một ngoại lệ so với tiêu đề. Mặc dù những cuốn sách này ban đầu đến từ lĩnh vực kỹ thuật phần mềm và được viết với các ví dụ từ các ngôn ngữ khác ngoài Python và R, các khái niệm ở đây là phổ biến và có thể được sử dụng để nâng cao trình độ lập trình của bạn.

Nhiều nhà khoa học dữ liệu đến từ các nền tảng không phải là công nghệ. Do đó, không có gì lạ khi bạn thấy codelộn xộn khi xem lại sổ ghi chép ML. Hai cuốn sách còn lại để hoàn thành danh sách này là tài liệu tham khảo cổ điển được nhiều lập trình viên sử dụng để suy nghĩ lại và cải thiện cách họ viết code.

20. The Pragmatic Programmer — Your Journey To Mastery

Tác giả: David Thomas and Andrew Hunt

Đây là một cuốn sách vượt thời gian “xem xét bản chất của phát triển phần mềm, không phụ thuộc vào bất kỳ ngôn ngữ, khuôn khổ hoặc phương pháp luận cụ thể nào”. Nó không chỉ thảo luận về các kỹ thuật để giữ cho code của bạn có thể thích nghi và dễ dàng sử dụng lại, mà còn khám phá các chủ đề về trách nhiệm cá nhân và phát triển nghề nghiệp.

21. Clean Code — A Handbook of Agile Software Craftsmanship

Tác giả: Robert C. Martin

Cuốn sách này giải thích các nguyên tắc và các phương pháp hay nhất để viết code sạch được minh họa bằng cách sử dụng một số nghiên cứu điển hình. Quan trọng đối với các chuyên gia dữ liệu làm việc trong môi trường cộng tác, viết code sạch là một kỹ năng có thể chuẩn bị cho bạn và nhóm của bạn để tạo ra các sản phẩm dữ liệu tốt hơn.

Một số cuốn sách hữu ích khác bạn có thể sẽ quan tâm:

• Everybody Lies — Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are – Seth Stephens-Davidowitz, Timothy Andres Pabon.
• Big Data — A Revolution That Will Transform How We Live, Work, and Think – Victor Mayer-Schonberger
• How Chart’s Lie — Getting Smarter About Visual Information – Alberto Cairo
• Calling Bullshit — The Art of Skepticism in a Data-Driven World – Carl T. Bergstrom và Jevin D. West
• Stories That Stick — How Storytelling Can Captivate Customers, Influence Audiences, and Transform Your Business – Kindra Hall
• The Book of Why — The New Science of Cause and Effect – Judea Pearl
• Deep Learning – Ian Goodfellow, Yoshua Bengio-.
• Design Patterns — Elements of Reusable Object-Oriented Software – Erich Gamma, Richard Helm, Ralph Johnson, và John Vissides

Nguồn: 

https://codelearn.io/sharing/21-cuon-sach-khdl-nen-doc-nam-2021-p2

https://towardsdatascience.com/21-data-science-books-you-should-read-in-2021-db625e97feb6