越來越發現複雜的學科，其實很難單純有選修一兩門課來建立清晰明白的思路，反而是必須依靠自己的廣泛閱讀，而像統計學這門“很接地氣”的學科，常常會因所解決領域的問題有些許不同，更是容易在自我學習中迷失方向，所以後來找一兩本非常經典的書來閱讀，才會是系統性建立知識的好習慣，這本書Computer Age Statistical Inference: Algorithms, Evidence, And Data Science熱騰疼剛完成，由劍橋出版社出版，將會是我這半年希望可以努力啃完的好書，從第一面開始就能感受到那種字裡行間的智慧，很令人享受，尤其是讀這種天才教授們所精雕的作品，細膩的科學真的不是文鄒鄒的，讀起來不好理解其實是作者的問題，希望可以有這種功力將複雜的事物細細撥開的能力，並且講述給別人理解！
這是一本由史丹佛統計學家Bradley Efron和Trevor Hastie所寫的，兩位統計學家都是如神級般的存在，很多目前常用的統計方法是由他們所提出的，看這兩位大師的履歷，佩服他們努力地把統計方法一步步應用到各式生活裡的資料，並且不斷改善。在這本書中，他們回朔一百年來統計上各種觀念的改變，然後點出電腦計算將如何的改變統計方法，且開啟新的紀元（機器學習、人工智能等等）
“…the role of electronic computation is central to our story. This doesn’t mean that every advance was computer-related. A land bridge had opened up to a new continent but not all were eager to cross.”
這段話很棒，資訊科技的不斷進步，某種新大陸似乎可以藉由搭者這座“計算機”之橋通往，但不是所有人都願意往前走！
書中的內容很系統性的（不是傳統教科書那種系統性，是很“簡潔”且有歷史意義的方式，並且想要傳達出各種方法是屬於何種脈絡下的產物）整理前半世紀所發展的方法：Empirical Bayes, James-Stein estimation. bootsrap, poportional hazrd model, large-scale hypothesis testing, machine learning algorithms (the result of “cross bridge”)，另外書中也展開一場很細膩的探索，在frequentist , Bayesian, fisherian三個不同系統中的inference概念，比較其間各自的優點和缺點。
本書主要分成三個大方向：
- 傳統經典的統計檢定
- 早期電腦時代所衍生的方法
- 新時代大資料量下的檢定方式
本書大部分內容皆涵蓋非常高知識密度的東西，蠻期待閱讀的！
話說感覺史丹佛大學統計系非常可怕，擠滿者大師，最近R世界裡面開疆闢土出很多經典package的Hadley Wickham 也要去史丹佛大學教書了，很令人興奮的一個地方。
我們的基因體時代 Our "Gene"ration 