- 《统计思维：程序员数学之概率统计》Think Stats: Probability and Statistics for Programmers
Allen B. Downey|著
张建峰 等|译
英文：http://www.greenteapress.com/thinkstats/
中文：https://-click.jd.com/jdc?d=eysyRS
本书是 Python 程序员对概率和统计的介绍。
本书强调了一些简单的技术，您可以利用这些技术来探索真实的数据集并回答有趣的问题。该书的样例基于美国国立卫生研究院的数据，并鼓励读者使用真实的数据集展开项目。
- 《贝叶斯方法：概率编程与贝叶斯推断》Probabilistic Programming & Bayesian Methods for Hackers
Cam Davidson-Pilon|著
辛愿 等|译
英文：http://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
中文：https://-click.jd.com/jdc?d=noCI83
本书以计算 / 理解为主，数学为辅，介绍了贝叶斯方法理论和概率编程。
贝叶斯方法是对数学分析自然而然的估计与推论，但贝叶斯方法的推理非常晦涩、繁杂、难懂。通常介绍贝叶斯推断之前，要先介绍两到三章的概率论的相关内容。不幸的是，由于大多数贝叶斯模型的数学复杂性，读者只能看到简单的、人为编造的示例。于是给读者留下一种“贝叶斯似乎也没什么用处”的错觉。事实上作者本人在刚开始学贝叶斯方法就有过这种尴尬。
- 《深入理解机器学习：从原理到算法》Understanding Machine Learning: From Theory to Algorithms
Shai Shalev-Shwartz 等|著
张文生|译
英文：http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/
中文：https://-click.jd.com/jdc?d=RFII4v
机器学习是计算机科学发展最快的领域之一，具有深远的应用。本书的目的是以原则性的方式介绍机器学习及其提供的算法范例。本书提供了机器学习的基础知识，以及将这些原理转化为实际算法的数学推导的说明。在介绍基础知识之后，本书还涵盖了以前教科书没有提到的大量重要的课题。课题包括讨论学习的计算复杂性、凸性和稳定性的概念；重要的算法包括随机梯度下降、神经网络和结构化输出式学习；以及新兴的理论概念，如 PAC-Bayes 方法和 compression-based bounds 等。
- The Elements of Statistical Learning
Trevor Hastie 等|著
英文：http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf
中文：无
这本书在通用概念框架的基础上阐述了统计学领域的重要思想。虽然本书的许多方法都是基于统计学的，但它的重心在概念上而不是数学理论上。本书以彩色配图的形式给出了大量的样例。本书对统计学家以及任何对科学或工业 数据挖掘 感兴趣的从业人士来说都是一本不可多得的好书。本书的覆盖面很广，从监督式学习（预测）到非监督式学习都有所涉猎。书中还提到了神经网络、支持向量机、分类树、预测和分级助推之类的其他话题，这也是相关话题在所有书籍中首次全面论述的一本书。
- 《统计学习导论：基于 R 应用》An Introduction to Statistical Learning with Applications in R
Gareth James 等|著
王星|译
英文：http://www-bcf.usc.edu/~gareth/ISL/
中文：https://-click.jd.com/jdc?d=bf87xm
本书介绍了统计学习方法。本书主要面向非数学专业的高年级本科生、硕士研究生和博士生。本书包括大量的 R 语言的实例，这些实例详细解释了如何将统计方法使用真实世界情形设置的详细解释，这些资源对于有志于成为 数据科学家 的人来说应该很有价值。
- Foundations of Data Science
Avrim Blum 等|著
英文：https://www.cs.cornell.edu/jeh/book.pdf
中文：无
虽然计算机科学的传统领域仍然十分重要，但越来越多的研究人员目光转向了如何利用计算机从应用中产生的大量数据中理解和提取有用的信息，而不仅仅是用计算机解决实际的应用问题。鉴于上述原因，本书涵盖了未来四十年里都会非常有用的技术理论，这些理论的重要性，就相当于自动控制的原理和算法，它们在过去四十年里对学生们在数据科学上的研究起到了很大的作用。
- 《写给程序员的数据挖掘实践指南》A Programmer’s Guide to Data Mining: The Ancient Art of the Numerati
Ron Zacharski|著
王斌|译
英文：http://guidetodatamining.com/
中文：https://-click.jd.com/jdc?d=GQ9u7w
本书的编写理念是遵循一个循序渐进的方法，引导读者使用作者提供的 Python 代码进行练习和实验，而不是被动地去阅读本书。作者建议读者们可以积极参与这个编程的实战中去，去尝试数据挖掘的技术。本书通过将知识点分解成一系列小步骤，当读者学完本书时，就可以掌握一个对于数据挖掘技术的基本理解了。
8.《 大数据 : 互联网大规模数据挖掘与分布式处理》Mining of Massive Datasets
Jure Leskovec 等|著
王斌|译
中文：https://-click.jd.com/jdc?d=2fudaj
本书由斯坦福大学 CS246:Mining Massive Datasets 和 SC345A:Data Mining 课程的内容总结而成。
本书的设计同斯坦福课程一样，假设读者没有相关的预备基础知识。如果读者想要了解更深层的东西，大多数章节都附有参考书目，读者可以按此索引进行深入学习。
- 《深度学习》Deep Learning
Ian Goodfellow 等|著
赵申剑 等|译
英文：http://www.deeplearningbook.org/
中文：https://-click.jd.com/jdc?d=HK6Cxh
本书旨在帮助读者进入机器学习的领域，尤其是深度学习。网上有完整的在线免费版可供阅读。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
精英数据科学家应该具备这些能力和特质
http://www.duozhishidai.com/article-14280-1.html
数据科学家的工作性质是什么，主要面临什么挑战 ？
http://www.duozhishidai.com/article-13986-1.html
数据科学是什么，如何成为一名数据科学家？
http://www.duozhishidai.com/article-8521-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
