数据科学是一项艺术
- 可以帮企业赚更多的钱
- 个人而言，工作充满了挑战，同时也很有意思
那么对于数据科学来说，应该掌握的软硬技能有哪些呢？这个 repo 记录了值得推荐的在线书籍或视频地址。
- 数据科学中的 R 语言：四川师范大学研究生公选课《数据科学中的R语言》的课程内容，对初学者，非常友善，包含了基础性介绍、统计图形、探索性数据分析、模型初步、网络分析等。作者王敏杰
- shiny 工业级别的开发指南：很多分析师在开发 shiny 的过程中因为自身的背景原因还是相对较为松散，这本指南给出了完整的工业级 shiny 开发指引，作者为 Colin Fay, Vincent Guyader, Cervan Girard, Sébastien Rochette
- 现代统计图形：针对于 R 图形的全面讲解，对 R 传统绘图方式感兴趣的同学建议阅读，谢益辉早期著作。
- What They Forgot to Teach You About R：一些 R 工程化的技巧，可以一看。
- Hands-On Machine Learning with R：介绍了在 R 中如何实现常见的机器学习方法。
- Awesome R-shiny：Shiny 相关的汇总，很值得经常浏览。
- R 语言教程：北京大学李东风老师的《R语言教程》的草稿，
- 可解释性机器学习故事（XAI Stories）：University of Warsaw 和 the Warsaw University of Technology 的案例课程。R 和 Python 为主要工具。
- 使用 R 做空间计算：空间数据分析、可视化和建模。
- Introduction to Modern Statistics (2nd Ed)：经典的内容能读老外的就读老外的。
- Data Science: Theories, Models, Algorithms, and Analytics：使用 R 语言完成数据科学项目的课程资料，较为全面。
- Introduction to Data Science：哈佛大学的同名课程，适用于没有 R 基础的入门小白。
对于非统计系背景的同学稍有些难度的：
- 数理统计讲义：华南理工大学数学学院何志坚老师的作品，已经是能找到最通俗易懂的讲义了
- 现代科研指北：于淼博士大作，很神奇的关于如何做科研的系统思考。
- Supervised Machine Learning for Text Analysis in R：作者 EMIL HVITFELDT AND JULIA SILGE，原书的线上版。
- High-Dimensional Probability:An Introduction with Applications in Data Science：一本 trick 合集，实用。