《精通D3.js：交互式数据可视化高级编程》（吕之华）电子书网盘下载免费在线阅读
链接：https://pan.baidu.com/s/1mhMFTVhz8mlnbixdVFw1fw
提取码：annb书名：精通D3.js：交互式数据可视化高级编程
作者：吕之华
豆瓣评分：6.7
出版社：电子工业出版社
出版年份：2015-9-1
页数：404
内容简介：
《精通D3.js：交互式数据可视化高级编程》以当前流行的数据可视化技术D3.js为主要内容，分为三大部分，共计13章。第一部分讲述基础知识，第二部分学习制作各种常见图表，第三部分讲解交互式图表及地图的进阶应用。《精通D3.js：交互式数据可视化高级编程》是一个相对完整的D3.js教程，讲解此技术所有重要的知识点，既有基础入门知识，又有相对深入的内容。笔者秉持以下原则：由易到难，循序渐进，图文并茂，清晰易懂。
《精通D3.js：交互式数据可视化高级编程》适合有一定计算机基础的读者，需要熟悉C、C++、Java、JavaScript等至少一门编程语言，能够理解基础的数据结构和算法。
作者简介：
吕之华，广西桂林人，1989年生。2012年毕业于西北农林科技大学软件工程专业，同年获日本政府国家奖学金赴日，就读于日本岩手大学设计与媒体专业，2015年获得硕士学位。目前正攻读博士学位。
2014年与好友创办OUR D3.JS数据可视化专题站，以D3.js为题发表一系列教学文章，获得读者好评。本书即以专题站的文章为基础扩充而成，经过耐心地归纳、整理、调查、修补，内容更加丰富易懂。
作者喜读儒家经典、三国演义等中国古籍，喜看古装剧，热爱中华传统文化。闲暇时练习书法，养气修身。工作之余喜欢旅游、健身、游泳。不喜与人相争，近来潜心研读儒佛道三家学说。
1. 第一阶段(一般岗位叫数据专员)
基本学会excel(VBA最好学会会做透视表熟练用筛选、排序、公式)，做好PPT。这样很多传统公司的数据专员已经可以做了
2. 第二阶段(数据专员~数据分析师)
这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。
3. 第三阶段(数据分析师)
统计学熟练(回归、假设检验、时间序列、简单蒙特卡罗)，可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。
4. 第四阶段(分裂)
数据分析师(数据科学家)、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用(调参+选模型+优化)，取数、ETL、可视化啥的都是基本姿态。
可视化工程师：这部分国内比较少，其实偏重前端，会high charts，d3.js, echarts.js。技术发展路线可以独立，不在这四阶段，可能前端转行更好。
ETL工程师：顾名思义，做ETL的。
大数据工程师：熟悉大数据技术，hadoop系二代。
数据工程师(一部分和数据挖掘工程师重合)：机器学习精通级别(往往是几种，不用担心不是全部，和数据分析师侧重点不同，更需要了解组合模型，理论基础)，会组合模型形成数据产品计算机基本知识(包括linux知识、软件工程等)各类数据库(RDBMS、NoSQL(4大类))
数据挖掘：和上基本相同。
爬虫工程师：顾名思义，最好http协议、tcp/ip协议熟悉。技术发展路线可以独立，不在这四阶段
发现回答的有点文不对题额，不过大致是所有从底层数据工作者往上发展的基本路径。往数据发展的基本学习路径可以概括为以下内容：
1. EXCEL、PPT(必须精通)
数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。
2. 数据库类(必须学)
初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。
NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存，严格意义上不算数据库)，然后(选学)可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。
3. 统计学(必须学)
如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。
其他数学知识：线性代数常用(是很多后面的基础)，微积分不常用，动力系统、傅里叶分析看自己想进的行业了。
4. 机器学习(数据分析师要求会选、用、调)
常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯不常用的也稍微了解一下深度学习视情况学习。
5. 大数据(选学，有公司要求的话会用即可，不要求会搭环境)
hadoop基础，包括hdfs、map-reduce、hive之类后面接触spark和storm再说了。
6. 文本类(选学，有公司要求的话会用即可)
这部分不熟，基本要知道次感化、分词、情感分析啥的。
7. 工具类
语言：非大数据类R、Python最多(比较geek的也有用julia的，不差钱和某些公司要求的用SAS、Matlab)大数据可能还会用到scala和java。
