1、《大数据：互联网大规模数据挖掘与分布式处理》源自作者在斯坦福大学教授多年的“Web挖掘”课程材料，主要关注大数据环境下数据挖掘的实际算法。书中分析了海量数据集数据挖掘常用的算法，介绍了目前Web应用的许多重要话题。《大数据的冲击》本书是日本最畅销的大数据商业应用指南。
2、亲爱的数据 玛丽亚·波波娃（Brain Pickings）用语言描述了这本迷人的书籍。图表的谎言：关于视觉信息变得更聪明 本书探讨了图表对我们对真相的正面和负面影响，帮助读者更好地理解和评估视觉信息。
3、另一个问题的《用 Python 进行数据分析》一文，适合Python初学者，涵盖Python书籍与资料推荐。 《利用Python进行数据分析》：书籍内容丰富，包含大量实践案例，教你如何高效利用Python库（NumPy、pandas、matplotlib、IPython等）解决数据分析问题，豆瓣评分高达6。
4、入门版适合数据分析的入门者、对数据分析没有整体概念的人，常见于应届毕业生、经验尚浅的转行者。入门版推荐书籍 《深入浅出数据分析》：O’Relly出版的HeadFirst（深入浅出）系列书籍之一，书中有大量的图片和有趣的案例组合。本书浅显易懂形象生动，可以使入门者对分析的概念有个全面的认知。
5、《深入浅出统计学》推荐理由：把这本书放在第一顺序，是因为它真的很简单，非常非常基础的统计书，适合任何一个没有基础的小白，文科生也能看懂，但是能够让你对数据分析的一些基本概念有大致的了解。
6、《Python数据科学手册》（JakeVanderPlas著）：这本书以Python为工具，介绍了统计学的基本概念和方法，并通过实例演示了如何使用Python进行数据分析和可视化。《统计学基础》（贾俊平著）：这本书是一本经典的统计学入门教材，内容简明扼要，适合初学者阅读。
1、《大数据时代》：作者维克托·迈尔-舍恩伯格（Victor Mayer-Schnberger）和肯尼斯·库克罗（Kenneth Cukier）合著的这本书是大数据领域的经典之作，介绍了大数据的概念、技术和应用，并探讨了大数据对社会和经济的影响。
2、《大数据导论》《大数据导论》的介绍 《大数据导论》是一本为初学者介绍大数据基础知识的书籍。该书内容涵盖了大数据的基本概念、技术原理和应用领域，是了解大数据领域的入门级必读之作。这本书适合没有任何大数据基础的读者阅读，可以帮助他们建立起对大数据的基本认知。
3、《大数据概论》：作者张斌，这本书对大数据的基本概念、技术体系、应用领域等做了全面的介绍，是了解大数据的入门书籍。 《大数据分析：方法与实践》：作者王晓初、戴勇，这本书从实践角度出发，介绍了大数据分析的方法和案例，对于掌握大数据分析技能很有帮助。
4、第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。
5、医疗健康，还有我们经常用的滴滴打车，以及美团上点外卖等等，各个社会领域都有无处不在的大数据管理的影子。大数据管理与应用，以后势必将成为驱动企业发展的一个重要的人力资本，以后就业也可以选择涉及涉及政府，金融媒体，零售广告，IT，医药，银行，等等这些众多领域。
1、《SQL必知必会》理由：有基础的可以把这本书当作一本字典来使用，遇到问题了，可以查找对应的内容。
2、《数据挖掘》这是一本关于数据挖掘领域的综合概述，本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专著，是一本可读性极佳的教材。
3、第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。
4、第4本《绝了！Excel可以这样用：数据分析经典案例实战图表书》挺好的一个系列，都是Excle常用的技巧，适合销售和HR。也是职场故事，很接地气，带视频的，全都是Excel数据分析的常用理念和方法。第5本《深入浅出数据分析》深入浅出系列是对新手非常友好的丛书，用生动但啰嗦的语言讲解案例。
数据挖掘与机器学习：学习数据挖掘的基本方法、算法和工具，以及机器学习在大数据处理中的应用。大数据处理技术：如Hadoop、Spark等大数据处理框架的原理和应用，以及大数据存储与管理技术。数据分析与可视化课程：数据分析：学习数据清洗、转换、聚合、统计分析和建模等数据分析方法。
大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才（有专业知识、有数据思维）。
大数据技术专业主要学习计算机网络技术、Web前端技术基础、Linux操作系统、程序设计基础、Python编程基础、数据库技术、数据采集技术、数据预处理技术、大数据分析技术应用、数据可视化技术与应用等课程。以下是相关介绍，供大家参考。
数据结构与数据科学导论：这两门课程着重于数据的基础结构和数据处理的基础知识，为学生展示如何有效管理和分析大量数据。 程序设计导论与实践：掌握至少一门编程语言是大数据专业的基石。例如Java和Python，它们的应用广泛，掌握这些语言意味着更多的就业机会。
大数据技术专业学习的课程主要有：《程序设计基础》、《Python程序设计》、《数据分析基础》、《Linux操作系统》、《Python爬虫技术》、《Python数据分析》、《Java程序设计》、《Hadoop大数据框架》、《Spark技术与应用》、《HBASE分布式数据库》、《大数据可视化》。
专业核心课程包括《程序设计基础》、《Python程序设计》、《数据分析基础》、《Linux操作系统》、《Python爬虫技术》、《Python数据分析》、《Java程序设计》、《Hadoop大数据框架》、《Spark技术与应用》、《HBASE分布式数据库》等。
数据科学的入门学习 数据科学并非独立学科，而是以统计学、机器学习、数据挖掘、数据库、分布式计算、云计算、信息可视化等技术或方法作为核心。数据科学可以解决三个主要问题：数据预处理、数据解读和数据建模与分析。
Anintroduction to statistical learning with application in R：这本书算是著名的the element of statistical learning的姊妹篇，后者更注重统计（机器）学习的模型和算法，而前者所涉及的模型和算法原没有后者全面或深入，但却是用R来学习和应用机器学习的很好的入口。
Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据。
首先，大数据学习路线要明确，第一步：要进行大数据开发语言及其他基础的学习。第二步：学习理论及核心技术。第三步：真实项目案例实战。计算机编程语言的学习。对于零基础的朋友，一开始入门可能不会太简单。因为需要掌握一门计算机的编程语言，大家都知道计算机编程语言有很多，比如：R，C++，JAVA等等。
