由于經(jīng)常接到私信要求在這個(gè)書單之內(nèi)再推薦兩三本，每個(gè)人的行業(yè)背景也不一樣，所以就把下面的書單歸類整理一下。
入門讀物：
- 深入淺出數(shù)據(jù)分析 這書挺簡(jiǎn)單的，基本的內(nèi)容都涉及了，說得也比較清楚，最后談到了 R 是大加分。難易程度：非常易。
- 啤酒與尿布 通過案例來說事情，而且是最經(jīng)典的例子。難易程度：非常易。
- 數(shù)據(jù)之美 一本介紹性的書籍，每章都解決一個(gè)具體的問題，甚至還有代碼，對(duì)理解數(shù)據(jù)分析的應(yīng)用領(lǐng)域和做法非常有幫助。難易程度：易。
- 數(shù)學(xué)之美 這本書非常棒啦，入門讀起來很不錯(cuò)！
數(shù)據(jù)分析：
- SciPy and NumPy 這本書可以歸類為數(shù)據(jù)分析書吧，因?yàn)?numpy 和 scipy 真的是非常強(qiáng)大啊。
- Python for Data Analysis 作者是 Pandas 這個(gè)包的作者，看過他在 Scipy 會(huì)議上的演講，實(shí)例非常強(qiáng)！
- Bad Data Handbook 很好玩的書，作者的角度很不同。
適合入門的教程：
- 集體智慧編程 學(xué)習(xí)數(shù)據(jù)分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)人員應(yīng)該仔細(xì)閱讀的第一本書。作者通過實(shí)際例子介紹了機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘中的算法，淺顯易懂，還有可執(zhí)行的 Python 代碼。難易程度：中。
- Machine Learning in Action 用人話把復(fù)雜難懂的機(jī)器學(xué)習(xí)算法解釋清楚了，其中有零星的數(shù)學(xué)公式，但是是以解釋清楚為目的的。而且有 Python 代碼，大贊！目前中科院的王斌老師（微博： 王斌_ICTIR）已經(jīng)翻譯這本書了 機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 。這本書本身質(zhì)量就很高，王老師的翻譯質(zhì)量也很高。難易程度：中。我?guī)У难芯可腴T必看數(shù)目之一！
- Building Machine Learning Systems with Python 雖然是英文的，但是由于寫得很簡(jiǎn)單，比較理解，又有 Python 代碼跟著，輔助理解。
- 數(shù)據(jù)挖掘?qū)д?/a> 最近幾年數(shù)據(jù)挖掘教材中比較好的一本書，被美國(guó)諸多大學(xué)的數(shù)據(jù)挖掘課作為教材，沒有推薦 Jiawei Han 老師的那本書，因?yàn)閭€(gè)人覺得那本書對(duì)于初學(xué)者來說不太容易讀懂。難易程度：中上。
- Machine Learning for Hackers 也是通過實(shí)例講解機(jī)器學(xué)習(xí)算法，用 R 實(shí)現(xiàn)的，可以一邊學(xué)習(xí)機(jī)器學(xué)習(xí)一邊學(xué)習(xí) R。
稍微專業(yè)些的：
- Introduction to Semi-Supervised Learning 半監(jiān)督學(xué)習(xí)必讀必看的書。
- Learning to Rank for Information Retrieval 微軟亞院劉鐵巖老師關(guān)于 LTR 的著作，啥都不說了，推薦！
- Learning to Rank for Information Retrieval and Natural Language Processing 李航老師關(guān)于 LTR 的書，也是當(dāng)時(shí)他在微軟亞院時(shí)候的書，可見微軟亞院對(duì) LTR 的研究之深，貢獻(xiàn)之大。
- 推薦系統(tǒng)實(shí)踐 這本書不用說了，研究推薦系統(tǒng)必須要讀的書，而且是第一本要讀的書。
- Graphical Models, Exponential Families, and Variational Inference 這個(gè)是 Jordan 老爺子和他的得意門徒 Martin J Wainwright 在 Foundation of Machine Learning Research 上的創(chuàng)刊號(hào)，可以免費(fèi)下載，比較難懂，但是一旦讀通了，graphical model 的相關(guān)內(nèi)容就可以踏平了。
- Natural Language Processing with Python NLP 經(jīng)典，其實(shí)主要是講 NLTK 這個(gè)包，但是啊，NLTK 這個(gè)包幾乎涵蓋了 NLP 的很多內(nèi)容了??！
機(jī)器學(xué)習(xí)教材：
- The Elements of Statistical Learning 這本書有對(duì)應(yīng)的中文版：統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ) 。書中配有 R 包，非常贊！可以參照著代碼學(xué)習(xí)算法。
- 統(tǒng)計(jì)學(xué)習(xí)方法 李航老師的扛鼎之作，強(qiáng)烈推薦。難易程度：難。
- Machine Learning 去年出版的新書，作者 Kevin Murrphy 教授是機(jī)器學(xué)習(xí)領(lǐng)域中年少有為的代表。這書是他的集大成之作，寫完之后，就去 Google 了，產(chǎn)學(xué)研結(jié)合，沒有比這個(gè)更好的了。
- Machine Learning 這書和上面的書不是一本！這書叫：Machine Learning: An Algorithmic Perspective 之前做過我?guī)У难芯可滩?，由于配有代碼，所以理解起來比較容易。
- Pattern Recognition And Machine Learning 經(jīng)典中的經(jīng)典。
- Bayesian Reasoning and Machine Learning 看名字就知道了，徹徹底底的 Bayesian 學(xué)派的書，里面的內(nèi)容非常多，有一張圖將機(jī)器學(xué)習(xí)中設(shè)計(jì)算法的關(guān)系總結(jié)了一下，很棒。
- Probabilistic Graphical Models 鴻篇巨制，這書誰要是讀完了告訴我一聲。
- Convex Optimization 凸優(yōu)化中最好的教材，沒有之一了。課程也非常棒，Stephen 老師拿著紙一步一步推到，圖一點(diǎn)一點(diǎn)畫，太棒了。
