每个数据科学家都该读的五本无关技术的书

2010年，我在华盛顿大学的一节课上写了我的第一行R代码。当我意识到代码比电子表格更强大时，我立马就迷上了。在过去十年中，我目睹了“数据科学”一词的广泛使用，并看到了大数据、商业智能、数据分析和现在的人工智能等流行语的兴衰。在华盛顿大学开启我人生新阶段的这一课程是“金融计量学”，就像今天的深度学习课程一样，很大的教室也坐的满满当当。当时，金融危机在每个人心中仍然历历在目。

财富公式：这是关于凯利标准早期麻省理工学院诞生的故事。据说凯利标准来自巨大的财务成功。您将了解信息理论之父ClaudeShannon以及后来EdThorpe的BeatingtheMakers中着名的制卡恶作剧的起源。索普现在被认为是定量对冲基金的教父。最重要的是，这本书展示了一个好的模型如何永远不会被忽视，但一个糟糕的模型可能会毁了你。

混乱：开启新科学：本书包含最新科学的详细历史。既有混沌理论的历史，也有关于这个主题的评论。本书将让读者了解我们模拟现实世界的能力的局限性。由于非线性过程的性质，许多正在开发和使用的深度学习模型尚未真正被理解。本书将帮助您了解这些限制。此外，对BenoitMandelbrot的生活和工作进行全面评估，使本书成为任何数据科学家必读的内容。

《不会死的理论》：本书主要讲述贝叶斯公式和贝叶斯统计的历史以及它的竞争对手——频率统计。统计历史和用平实的语言评论关键技术主题使得本书变得至关重要。你将了解历史上一些最伟大的思想家，如PierreLaplace和R.A.Fischer，以及他们的哲学在几个世纪以来如何塑造了世界的数据处理方法。这五本书虽然不详尽，但将有助于为处理现实问题的数据科学家建立哲学基础。