学界 | 斯坦福数据科学Phd新课放出阅读清单，你读过哪些？

大数据文摘作品

编译：蒋宝尚

不同于以往的授课式课堂风格，这次斯坦福大学的教授Hadley Wickham开设了一门论文讨论课。课程名为：Readings in Applied Data Science。要求学生每周阅读3~4篇论文，并给出反馈。

考虑到内向和不善表达的学生，课程采用Stephen D. Brookfield和Stephen Preskill的讨论手册中的技巧来确保每个人都有机会参与课堂讨论。课程成绩的评判也没有采用传统的结课考试，而是由课堂参与、讨论准备、课外阅读笔记三部分得分构成。

Hadley Wickham教授已在网上贴出了这门课程的阅读清单推荐，下面这些论文，你读过哪些？

什么是数据科学

• 数据科学家大多只做算术,这是件好事—— Noah Lorang（2016）

  https://m.signalvnoise.com/data-scientists-mostly-just-do-arithmetic-and-that-s-a-good-thing-c6371885f7f6

• 企业数据分析和可视化：面试研究——Sean Kandel，Andreas Paepcke，Joseph Hellerstein，Jeffrey Heer（2012）

  https://idl.cs.washington.edu/papers/enterprise-analysis-interviews

• 50年的数据科学（OA预印本）——David Donoho（2017）（注：这是一份讨论文件，许多着名的统计人员对评论做出了贡献。）

  https://www.tandfonline.com/doi/abs/10.1080/10618600.2017.1384734

数据收集和协作

• 整洁的数据——Hadley Wickham（2013）

  https://www.jstatsoft.org/article/view/v059i10/

• 电子表格中的数据结构——Karl W Broman，Kara Woo（2017）

  https://peerj.com/preprints/3183/

• 在数据项目中使用Google表格的最佳做法——Matthew Lincoln (2018)

  https://matthewlincoln.net/2018/03/26/best-practices-for-using-google-sheets-in-your-data-project.html

  
  

软件工程

• 数据科学家的软件开发技能——Trey Causey（2015）
  

  http://treycausey.com/software_dev_skills.html
  

• 打扰一下，你有没有时间谈论版本控制？——Jennifer Bryan (2017)

  https://peerj.com/preprints/3159/

• 足够好的科学计算实践——Greg Wilson，Jennifer Bryan，Karen Cranston，Justin Kitzes，Lex Nederbragt，Tracy K. Teal（2017）
  

http://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1005510

DevOps

• 介绍Docker进行可重复研究，并以R环境为例——Carl Boettiger（2014）

  https://arxiv.org/abs/1410.0846

• 机器学习:技术债务的高利息信用卡——D.Sculley，Gary Holt，Daniel Golovin，Eugene Davydov，Todd Phillips，Dietmar Ebner，Vinay Chaudhary，Michael Young（2015）

  https://research.google.com/pubs/pub43146.html

教学

• 统计学入门课程：托勒密体系？——George W Cobb (2013)

  https://escholarship.org/uc/item/6hb3k0nz

• 数据科学教育的民主化——Sean Kross，Roger D Peng，Brian S Caffo，Ira Gooding，Jeffrey T Leek（2017）

  https://peerj.com/preprints/3195/

• 教授数据科学统计——Danny Kaplan (2017)

  https://peerj.com/preprints/3205/

数据道德

• 伦理数据科学家——Cathy O'Neil (2016)

  http://www.slate.com/articles/technology/future_tense/2016/02/how_to_bring_better_ethics_to_data_science.html

• 大数据，机器学习和社会科学——Hannah Wallach（2014）

  https://medium.com/@hannawallach/big-data-machine-learning-and-the-social-sciences-927a8e20460d

• 数据科学道德准则——DJ Patil（2018）

  https://medium.com/@hannawallach/big-data-machine-learning-and-the-social-sciences-927a8e20460d

• 统计实践的道德准则——美国统计协会职业道德委员会（2016年）

  http://www.amstat.org/ASA/Your-Career/Ethical-Guidelines-for-Statistical-Practice.aspx

  
  

可复用性

• 计算科学最佳实践——Victoria Stodden, Sheila Miguez (2014)

  https://openresearchsoftware.metajnl.com/articles/10.5334/jors.ay/

• rOpenSci如何使用代码评审来促进可复用的科学——Noam Ross，Scott Chamberlain，Karthik Ram，MaëlleSalmon（2017）

  https://ropensci.org/blog/2017/09/01/nf-softwarereview/

工作流程

• 平易近人的社会科学导论——Kieran Healy (2016)

  http://plain-text.co/
  

• 打开笔记本历史——Caleb Daniels（2013）

  http://wcm1.web.rice.edu/open-notebook-history.html
  

• 如何成为现代科学家——Jeff Leek（2016）
  

  https://leanpub.com/modernscientist

业界

• 在Twitter上做数据科学——Robert Chang（2015）

  https://medium.com/@rchang/my-two-year-journey-as-a-data-scientist-at-twitter-f0c13298aee6
  

• 程师不应该写ETL构建一个高功能数据科学体系的指南——Jeff Magnusson(2016)

  https://multithreaded.stitchfix.com/blog/2016/03/16/engineers-shouldnt-write-etl/

• 在Airbnb上使用R包和教育来发展数据科学——里卡多比昂（2016）

  https://medium.com/airbnb-engineering/using-r-packages-and-education-to-scale-data-science-at-airbnb-906faa58e12d

• Instacart的数据科学——Jeremy Stanley（2017）

  https://tech.instacart.com/data-science-at-instacart-dabbd2d3f279

• .rprofile：Jenny Bryan——Kelly O'Briant（2017）

  https://tech.instacart.com/data-science-at-instacart-dabbd2d3f279

• 营销数据科学——Erik Oberg（2018）

  https://medium.com/indeed-data-science/marketing-for-data-science-a-7-step-go-to-market-plan-for-your-next-data-product-60c034c34d55

职业发展

• 在数据科学就业市场上的感觉如何——Trey Causey（2016）

  http://treycausey.com/data_science_interviews.html
  

• 学术求职建议——Matt Might 
  

  http://treycausey.com/data_science_interviews.html

• 数据科学中的冒充者综合征——Caitlin Hudon（2018年）

  https://caitlinhudon.com/2018/01/19/imposter-syndrome-in-data-science/

原文链接：

https://github.com/hadley/stats337/blob/master/README.md

【今日机器学习概念】

Have a Great Definition

开课倒计时3天

数据科学实训营第5期

优秀助教推荐|土豆

现今纷纷扰扰的数据科学培训市场，是不是早已让你眼花缭乱，无处落足，还没有找到组织？不必慌张，土豆老司机拉住你的手，语重心长的要为你指条明道：究竟优质的数据科学教育培训是什么样的？

课程干货满满还不失风趣，讲师精力充沛还热爱分享，助教认真批改还热情反馈。

没错！数据科学实训营就是这样的明星课程！从基础的 Python 编程和Scrapy爬虫，到熟练运用 Numpy/Pandas/Matplotlib/Seaborn/Scikit-learn 等多种Python库，打通机器学习的任督二脉，在真实的数据科学竞赛案例和数据挖掘项目的打磨下，完成从数据科学小白到骨灰级玩家的华丽转变！

作为第4/5期的实训营助教，寄语小白学员：坚持跟上课程进度，按时完成所有作业，认真做好学习笔记，最终一定可以实现轻松入门数据科学哈！

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/