马上要参加数据工程师面试？花一分钟看看这个速读书籍列表！

本文为数盟原创译文，欢迎转载，注明出处“数盟社区”即可。

作者：Joseph Lee

我在这里想推荐一些我个人认为对我的面试很有帮助的书籍，在NYCDSA网站分享给大家。
Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies （机器学习基础之预测数据分析：算法，实例和案例研究，第一版）



John D. Kelleher, Brian Mac Namee, Aoife D’arcy ;1stEdition
http://www.amazon.com/gp/product/0262029448?keywords=machine%20learning&qid=1456186505&ref_=sr_1_3&sr=8-3
2. Machine Learning: A Probabilistic Perspective（从概率论视角看机器学习，第一版）

Kevin P. Murphy, 1st Edition
http://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020/ref=sr_1_1?ie=UTF8&qid=1456186955&sr=8-1&keywords=machine+learning+probabilistic+perspective
第二本书，《从概率论视角看机器学习》是一本非常技术性的读物，它提出了在深度统计学习里的很多好问题。这本书更适合那些获得数学高等学位的读者。



实际上，第一本书《机器学习基础之预测数据分析：算法，实例和案例研究》是目前为止我最喜欢的补充读物。它是半技术（应该说，不像《从概率论视角看机器学习》那么技术性），相当通俗易懂，有对数据科学方法在商业应用中的更高层次的思考。它讲述了CRISP-DM方法，举例说明了如何实施以及不同的情况。它帮助我整理了我在训练营里学会的所有知识，为我对数据科学的理解和使用构建了一副完整的画面。此外，这本书对我在我参加数据科学家中的电话和非正式的面试中起到很大帮助作用。事实上，我的大多数数据科学访谈涉及的问题，集中于我的方法和对数据的理解，而不是纯粹的编程问题，这本书可以帮助我准备一些这样的问题。不幸的是，我觉得这本书在网上可能没有PDF版的，但是有可能的是，这本书会越来越受欢迎。

总而言之，我想把这两个好资源分享给大家！