¿Libros sobre la "ciencia" en ciencia de datos? [cerrado]

¿Cuáles son los libros sobre la ciencia y las matemáticas detrás de la ciencia de datos? Parece que muchos libros de "ciencia de datos" son tutoriales de programación y no tocan cosas como procesos de generación de datos e inferencia estadística. Ya puedo codificar, en lo que soy débil es en matemáticas / estadísticas / teoría detrás de lo que estoy haciendo.

Si estoy listo para quemar $ 1000 en libros (unos 10 libros ... suspiro), ¿qué puedo comprar?

Ejemplos: análisis de datos categóricos de Agresti , modelos lineales mixtos para datos longitudinales , etc., etc.

Introductorio:

• Aprendizaje automático: el arte y la ciencia de los algoritmos que tienen sentido de los datos (Flach)
• Aprendiendo de los datos (Abu-Mostafa et al.)
• Introducción al aprendizaje estadístico (James et al.)

Cavar más profundo:

• Elementos de aprendizaje estadístico (Hastie et al.)
• Reconocimiento de patrones y aprendizaje automático (Bishop)

Algunos ejemplos de intereses especiales:

• Optimización convexa (Boyd)
• Razonamiento Bayesiano y Aprendizaje Automático (Barber)
• Modelos gráficos probabilísticos (Koller)
• Redes neuronales para el reconocimiento de patrones (Bishop)

Una referencia más amplia funciona en el aprendizaje automático (no es realmente lo que solicitó, sino lo completo):

• Aprendizaje automático: una perspectiva probabilística (Murphy)
• Inteligencia artificial: un enfoque moderno (Russell y Norvig)

Papel de bonificación:

• Modelado estadístico: las dos culturas (Breiman)

Si solo pudiera recomendarte uno, sería: Los elementos del aprendizaje y la predicción estadística de Hastie, Tibshirani y Friedman. Proporciona las matemáticas / estadísticas detrás de muchas técnicas comúnmente utilizadas en ciencia de datos.

Para las técnicas bayesianas, el análisis de datos bayesianos de Gelman, Carlin, Stern, Dunson, Vehtari y Rubin es excelente.

Inferencia estadística de Casella y Berger es un buen libro de texto de posgrado sobre los fundamentos teóricos de la estadística. Este libro requiere un nivel bastante alto de comodidad con las matemáticas (la teoría de la probabilidad se basa en la teoría de la medida, que no es trivial de entender).

Con respecto a los procesos de generación de datos, no tengo una recomendación para un libro. Lo que puedo decir es que una buena comprensión de los supuestos de las técnicas utilizadas y garantizar que los datos se recopilaron o generaron de una manera que no viola esos supuestos contribuye en gran medida a un buen análisis.

Otras respuestas recomendaron un buen conjunto de libros sobre las matemáticas detrás de la ciencia de datos. Pero como mencionó, no solo las matemáticas y actividades como la recopilación de datos y la inferencia de datos tienen sus propias reglas y teorías, incluso si no son tan rigurosas como los antecedentes matemáticos (todavía).

Para estas partes, sugiero el libro Beautiful Data: The Stories Behind Elegant Data Solutions que contiene veinte capítulos similares a casos de estudio escritos por personas realmente comprometidas con problemas de análisis de datos del mundo real. No contiene ninguna matemática, pero explora áreas como la recopilación de datos, encontrando formas prácticas de usar los datos en análisis, escalando y seleccionando muy bien las mejores soluciones.

Otro libro realmente interesante es Pensar con datos: cómo convertir la información en ideas , que tampoco es técnico (= tutorial de programación), pero cubre temas importantes sobre cómo usar realmente el poder de la ciencia de datos en la toma de decisiones y problemas del mundo real.

Me gustan las sugerencias de Amir Ali Akbari, y agregaré algunas propias, centrándome en temas y habilidades que no están cubiertos adecuadamente en la mayoría de los libros de aprendizaje automático y análisis de datos que se centran en matemáticas y / o programación.

Limpieza de datos:

• Osborne 2012, mejores prácticas en limpieza de datos
• McCallom 2012, Manual de datos incorrectos: limpiar los datos para que pueda volver al trabajo

Análisis de datos bayesianos (alternativa a las pruebas de significación de hipótesis nulas estilo Fisher):

• Kruschke 2011, haciendo análisis de datos bayesianos

Inferencia ante la incertidumbre, la incompletitud, las contradicciones, la ambigüedad, la imprecisión, la ignorancia, etc.

• Schum y Starace, 2001, Los fundamentos evidentes del razonamiento probabilístico
• Bammer & Smithson 2008, Incertidumbre y riesgo: perspectivas multidisciplinarias
• Smithson 1989, Ignorancia e incertidumbre
• CIA 2008, A Tradecraft Primer: Técnicas analíticas estructuradas para mejorar el análisis de inteligencia (¡GRATIS! Como PDF)
• Morgan & Winship 2007, Contrafactuals e inferencia causal: métodos y principios para la investigación social

Experimentos:

• Glennerster y Takavarasha 2013, Ejecución de evaluaciones aleatorias: una guía práctica
• Dunning 2012, Experimentos naturales en ciencias sociales

Simulación:

• Epstein 2006, Generative Social Science: Studies in Agent-Based Computational Modeling
• Nelson 2010, Modelado estocástico: análisis y simulación

Elicitación experta, estimación probabilística:

• Hubbard 2014, Cómo medir cualquier cosa: encontrar el valor de los intangibles en los negocios