3. 基础统计学
你见过不断更新再版到第14版的统计学书吗？我们说，评价一本书好坏可以参照的一个标准就是其再版次数，一本书可以出版到第14版，可见其畅销经典程度！而且这本书连续25年在美国统计类教材排名第一，已被翻译成多国文字，堪称国际版统计教材！
这本神书就是《基础统计学（第14版）（双色）》！
书中包括统计学在各个学科领域中的关键应用，不限于自然科学、经济学、法学等，任何专业的学生都能在本书中找到与未来工作相关的实际应用。
本书从基础的统计学理论到实际的数据分析，每一章都是知识的珍宝，等待着你的探索！
作者花费数千小时收集的真实数据集，配套200多个案例场景生动讲解知识点应用。
全书中94% 的示例和93% 的习题都来自真实数据。部分习题来自附录B中的46个数据集，其中20个数据集是第14 版新增的内容。
需要直接使用数据集的习题，一般可在每章习题集的末尾找到，并标有图标。
第1章介绍了作为全新的科学创新范式的AI for Science的具体含义、底层逻辑，以及大力发展AI for Science的原因。 第2章从科学研究底层的理论模式与主要困境，以及人工智能三要素（数据、算法、算力）出发，对AI for Science的技术支撑进行解读。 第3章介绍了在材料基因组工程的推动下，人工智能如何与材料科学结合，加快传统材料和新型材料的开发过程。 第4章介绍了人工智能在加快药物研发、辅助基因研究方面及在合成生物学中的普遍应用。 第5章介绍了人工智能如何在提高芯片设计的自动化水平、优化半导体制造和封测的工艺和水平、寻找新一代半导体材料等方面提供帮助。 第6章介绍了人工智能在化石能源科学研究、可再生能源科学研究、能源转型三个方面的落地应用。 第7章从环境监测、污染治理、碳减排三个方面介绍了人工智能为环境科学引入的新价值和新机遇。 第8章探讨了AI for Science在快速发展过程中面临的机遇和挑战，并对“平台科研”模式进行了展望。
5. Python数据分析:
《利用Python进行数据分析（中文版）》是一本全面而实用的数据分析指南，专为中文读者设计，旨在帮助大家掌握数据科学的核心技能。这本书系统地介绍了使用Python进行数据处理、分析和可视化的方法，涵盖了从数据清洗到复杂数据建模的全流程。书中包含大量可直接使用的代码示例，能够瞬间解决科研中的数据分析难题，助力您高效地撰写并发表论文。无论你是数据分析的新手还是希望深化技能的从业者，这本书都将为你提供宝贵的实践经验和理论支持。通过丰富的案例和实践练习，您将学会如何运用Pandas、NumPy、Matplotlib等强大工具，解锁数据背后的潜在价值。
欢迎收藏本贴，持续更新中！
