学数据分析看什么课程书

学习数据分析，可以根据自己的需求和背景来选择适合的课程和书籍。以下是我推荐的一些数据分析相关的课程和书籍：

1. 数据分析入门：

   • 《Python 数据科学手册》作者：Jake VanderPlas
   • 《Python 程序设计》作者：John V. Guttag
   • 《Python 数据分析基础》作者：Wes McKinney

2. 数据清洗和准备：

   • 《数据清洗：概念、原则与方法》作者：林子雄
   • 《Python 数据清洗》作者：Michael Heydt

3. 数据可视化：

   • 《基础数据可视化》作者：Toshihiko Kimura
   • 《Python 数据可视化》作者：Cyrille Rossant

4. 统计学：

   • 《统计学导论》作者：Richard A. Johnson
   • 《概率论与数理统计》作者：吴喜之
   • 《统计学基础》，作者：苏勇

5. 机器学习：

   • 《机器学习实战》作者：Peter Harrington
   • 《机器学习之路》作者：周志华
   • 《统计学习方法》作者：李航

6. 数据科学：

   • 《数据驱动：从数据到洞察到决策》作者：法拉第(Foster Provost)和陈可钰
   • 《数据科学实战》作者：Joel Grus

以上书籍和课程可以帮助你建立数据分析的基础知识，并且逐步提升数据分析技能。同时，还可以结合实际项目和实践进行学习，以更好地理解和应用数据分析技术。祝你学习顺利，掌握数据分析技能！

学习数据分析是一个很有前景的选择，因为数据分析在各个行业中都有广泛的应用。以下是学习数据分析时你可以参考的一些课程书籍：

1. "Python for Data Analysis" by Wes McKinney：这本书是学习数据分析的经典之作，作者是Pandas库的创建者。通过这本书，你可以学习如何使用Python语言进行数据分析和处理，学习如何使用Pandas等重要的数据处理库进行数据清洗、可视化和统计分析。

2. "Introduction to Statistical Learning" by Trevor Hastie and Robert Tibshirani：这本书介绍了统计学习的基础知识，包括一些常用的统计学和机器学习算法。通过学习这本书，你可以掌握一些重要的数据分析技术，例如线性回归、逻辑回归、决策树等等。

3. "Data Science for Business" by Foster Provost and Tom Fawcett：这本书介绍了如何将数据科学应用于商业领域。学习这本书可以帮助你了解数据分析在商业中的应用方式，学习如何通过数据分析提升业务决策的效率和准确性。

4. "Data Analysis using SQL and Excel" by Gordon S. Linoff and Michael I. Jordan：这本书介绍了如何使用SQL和Excel进行数据分析。虽然Python和R在数据科学领域中更为流行，但是SQL和Excel在数据处理和分析中仍然有很大的作用。通过学习这本书，你可以了解如何使用SQL和Excel完成各种数据处理和分析任务。

5. "Practical Statistics for Data Scientists" by Peter Bruce and Andrew Bruce：这本书介绍了数据科学家在实践中常用的统计学知识和技术。学习这本书可以帮助你掌握一些实用的统计学概念，例如假设检验、方差分析、聚类分析等等，从而更好地进行数据分析工作。

以上是一些适合学习数据分析的课程书籍，通过学习这些书籍，你可以掌握一些重要的数据分析技术和工具，为将来从事数据分析工作打下坚实的基础。希望对你有所帮助！

学习数据分析，可以选择从基础概念到实际操作的课程和书籍。以下是建议的课程和书籍推荐：

1. 基础知识篇

书籍推荐

• "统计学习方法"（李航著）：系统介绍机器学习的基本概念、方法和原理。
• "Python数据分析基础教程"（Wes McKinney著）：介绍用Python进行数据分析的基本知识和技巧。
• "R语言实战"（Hadley Wickham著）：介绍R语言的数据分析应用。
• "数据科学导论"（Avrim Blum、John Hopcroft、Ravi Kannan著）：讲解数据科学的基础知识和方法。

2. 数据获取与清洗

课程推荐

• Coursera平台上的《数据科学导论》课程：介绍数据获取和清洗的基本方法。
• Udacity平台上的《数据分析师纳米学位》课程：包含数据清洗等相关内容。

书籍推荐

• "Python数据科学手册"（Jake VanderPlas著）：介绍如何用Python进行数据清洗和整理。

3. 数据分析与可视化

课程推荐

• Coursera平台上的《数据分析与统计建模》课程：讲解数据分析的基本方法和工具。
• edX平台上的《R语言数据分析》课程：介绍如何用R语言进行数据分析和可视化。

书籍推荐

• "Python数据分析"（Wes McKinney著）：详细介绍了Python在数据分析领域的应用方法。
• "R语言数据分析与数据科学"（Hadley Wickham、Garrett Grolemund著）：讲解R语言在数据分析和数据科学方面的应用。

4. 机器学习与深度学习

课程推荐

• Coursera平台上的《机器学习》课程（Andrew Ng主讲）：介绍了机器学习的基本概念和算法。
• edX平台上的《深度学习基础》课程：讲解深度学习的基本原理和应用。

书籍推荐

• "机器学习"（周志华著）：系统介绍了机器学习的基本理论和方法。
• "深度学习"（Ian Goodfellow、Yoshua Bengio、Aaron Courville著）：介绍了深度学习的基本概念和应用。

通过学习以上课程和书籍，可以系统地掌握数据分析的基础知识、方法和技能，为未来在数据分析领域的发展打下良好的基础。