Los 10 libros gratuitos que todo DataScientist debe leer en 2020

Esta es mi selección de los libros que todo #DataScientist debe leer en 2020, y encima son todos gratuitos (de verdad, no pirateados):

1. Mining of Massive Datasets: Basado en los cursos de Stanford CS246 y CS35A, sobre cómo realizar tareas numéricas simples en un conjunto de datos muy grande. Una lectura absoluta imprescindible.

2. Python Data Science Handbook: Probablemente el mejor libro para aprender ciencia de datos en Python, también es gratis en Github.

3. Think Stats: cómo aplicar conceptos estadísticos y distribuciones en conjuntos de datos del mundo real. Probablemente uno de los mejores libros para empezar si quieres aprender estadística con Python.

4. Think Bayes: el estilo genial del profesor Downey y su enfoque práctico de aprender programando en Python, hace que el libro sea un placer para aquellos que comienzan con Métodos Bayesianos.

5. Convex Optimization: para profundizar en los métodos que podemos aplicar a la hora de optimizar nuestros modelos de #MachineLearning y DeepLearning.

6. Essentials of Metaheuristics: La metaheurística utiliza técnicas de aprendizaje rápido para hacer tareas que sólo podrían realizarse mediante fuerza bruta. Este libro es la mejor introducción a los métodos metaheurísticos como Genetic Algorithms, Hill Climbing, Co-Evolution, and Reinforcement Learning.

7. Causal Inference Book: "Correlación no es causalidad" es una frase que los #DataScientists usamos mucho. Pero ¿cómo identificarlas? Aviso: no es para principiantes.

8. Statistical Inference for Data Science: está escrito específicamente para #DataScientiests. Para mí la mejor opción para aprender de forma rápida todo sobre la inferencia estadística.

9. Introduction to Multi-Armed Bandits: Multi Armed Bandits son algoritmos específicos para la toma de decisiones en entornos de incertidumbre.

10. A Genetic Algorithm Tutorial : Los algoritmos genéticos son herramientas que todos los #DataScientists necesitan usar en algún momento de su vida. Este tutorial ayuda a entender cómo utilizar los algoritmos genéticos.