1. 《Python 數(shù)據(jù)科學(xué)手冊(cè)》

本書(shū)介紹了在Python中處理數(shù)據(jù)所必需的核心庫(kù)：特別是IPython，NumPy，Pandas，Matplotlib，Scikit-Learn和相關(guān)軟件包。讀這本書(shū)，你需要有Python基礎(chǔ)，如果你沒(méi)有Python基礎(chǔ)可以先讀《A Whirlwind Tour of Python》這本書(shū)是針對(duì)Python語(yǔ)言快速入門(mén)的書(shū)

書(shū)籍鏈接：https://github.com/jakevdp/PythonDataScienceHandbook

2. 《Neural Networks and Deep Learning》

是一本免費(fèi)的在線書(shū)籍。這本書(shū)主要概述兩大核心概念：

● 神經(jīng)網(wǎng)絡(luò)，一個(gè)編程范例，使計(jì)算機(jī)可以從觀測(cè)數(shù)據(jù)中學(xué)習(xí)

● 深度學(xué)習(xí)，這是一套強(qiáng)大的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技術(shù)

神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)目前為圖像識(shí)別，語(yǔ)音識(shí)別和自然語(yǔ)言處理中的許多問(wèn)題提供了最佳解決方案。本書(shū)將教授許多神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)背后的核心概念。

書(shū)籍鏈接：http://neuralnetworksanddeeplearning.com/

3. 《貝葉斯思維》

think X系列的書(shū)籍之一，大多數(shù)講貝葉斯統(tǒng)計(jì)的書(shū)，都是用數(shù)學(xué)符號(hào)，以數(shù)學(xué)概念（如微積分）為基礎(chǔ)展開(kāi)的，此書(shū)則用Python代碼代替數(shù)學(xué)符號(hào)，用離散數(shù)學(xué)代替連續(xù)數(shù)學(xué)。這樣一來(lái)，數(shù)學(xué)里的積分變成了求和，概率分布的運(yùn)算大多成了簡(jiǎn)單的循環(huán)。

書(shū)籍鏈接：http://greenteapress.com/wp/think-bayes/

4. 《Machine Learning & Big Data》

這本書(shū)目前算是一部還沒(méi)完結(jié)的作品，其目的是為了讓軟件工程師可以在不依賴庫(kù)的情況下就能輕松構(gòu)建機(jī)器學(xué)習(xí)模型，從而在理論和實(shí)踐中獲得平衡，大多數(shù)情況下，模型背后的概念或技術(shù)都很簡(jiǎn)單或者說(shuō)比較直觀，但是細(xì)節(jié)和術(shù)語(yǔ)上就容易出問(wèn)題。

另外，現(xiàn)有的庫(kù)基本可以解決現(xiàn)有的問(wèn)題。更多的時(shí)候它們有自己的抽象和架構(gòu)來(lái)隱藏底層概念。本書(shū)的目的就是為了讓基本概念更清晰。

書(shū)籍鏈接：http://www.kareemalkaseer.com/books/ml

5. 《Statistical Learning with Sparsity》

在過(guò)去的十年中，計(jì)算和信息技術(shù)出現(xiàn)了爆炸性增長(zhǎng)。隨著它在各種領(lǐng)域如醫(yī)學(xué)，生物學(xué)，金融和市場(chǎng)營(yíng)銷(xiāo)中涌現(xiàn)出大量的數(shù)據(jù)。本書(shū)在一個(gè)通用的概念框架中闡述了這些領(lǐng)域重要的數(shù)據(jù)科學(xué)思想。

書(shū)籍鏈接：https://web.stanford.edu/~hastie/StatLearnSparsity/

6. 《Statistical inference for data science》

本書(shū)是作為數(shù)據(jù)科學(xué)專(zhuān)業(yè)領(lǐng)域的書(shū)籍，也是一部有關(guān)推論統(tǒng)計(jì)學(xué)的 Coursera配套書(shū)。值得一提的是，這本書(shū)有配套的Coursera課程視頻，可以在YouTube上找到。

本書(shū)旨在作為推論統(tǒng)計(jì)學(xué)的入門(mén)書(shū)籍。目標(biāo)受眾是具有數(shù)學(xué)和計(jì)算機(jī)編程基礎(chǔ)的學(xué)生，他們希望將這些技能用于數(shù)據(jù)科學(xué)或統(tǒng)計(jì)學(xué)。這本書(shū)是免費(fèi)提供的。

書(shū)籍鏈接：https://leanpub.com/LittleInferenceBook

7. 《凸優(yōu)化》

這是一本關(guān)于凸優(yōu)化的書(shū)，凸優(yōu)化是一類(lèi)特殊的數(shù)學(xué)優(yōu)化問(wèn)題，它包括最小二乘法和線性規(guī)劃問(wèn)題。眾所周知，最小二乘法和線性規(guī)劃問(wèn)題具有相當(dāng)完善的理論，出現(xiàn)在各種應(yīng)用中，并且這些問(wèn)題可以用編程來(lái)解決。這本書(shū)主要是面向?qū)嶋H應(yīng)用，豐富的案例是本書(shū)的特色

書(shū)籍鏈接：http://stanford.edu/~boyd/cvxbook/

8. 《Python 自然語(yǔ)言處理》

這是一本關(guān)于自然語(yǔ)言處理的書(shū)?！白匀徽Z(yǔ)言”是指用于人類(lèi)日常交流的語(yǔ)言，如英語(yǔ)，印地語(yǔ)或葡萄牙語(yǔ)等語(yǔ)言。與諸如編程語(yǔ)言和數(shù)學(xué)符號(hào)這樣的人造語(yǔ)言相比，自然語(yǔ)言在代代相傳的過(guò)程中不斷發(fā)展，并且很難用明確的規(guī)則來(lái)確定。我們將在廣義上采用自然語(yǔ)言處理（或簡(jiǎn)稱(chēng)NLP）來(lái)表示計(jì)算機(jī)對(duì)自然各種不同的自然語(yǔ)言的理解...

本書(shū)基于Python編程語(yǔ)言和一個(gè)自然語(yǔ)言工具包(NLTK)的開(kāi)源庫(kù)。

書(shū)籍鏈接：https://automatetheboringstuff.com/https://www.nltk.org/book/

9. 《Python 編程快速上手》

如果您曾花費(fèi)數(shù)小時(shí)重命名文件或更新數(shù)百個(gè)電子表格單元格，你就能體會(huì)這些工作是多么的乏味。但是如果你可以讓你的電腦幫你做這些事，那感覺(jué)就不一樣了

看完這本書(shū)，你可以通過(guò)編寫(xiě)Python程序，可以讓計(jì)算機(jī)自動(dòng)完成它們，本書(shū)適合任何想要通過(guò)Python學(xué)習(xí)編程的讀者，尤其適合缺乏編程基礎(chǔ)的初學(xué)者。

書(shū)籍鏈接：https://automatetheboringstuff.com/

10. 《社會(huì)媒體挖掘》

社交媒體在過(guò)去十年的發(fā)展已經(jīng)徹底改變了人們的交流方式和行業(yè)開(kāi)展業(yè)務(wù)的方式。個(gè)人通過(guò)社交媒體互動(dòng)，共享和內(nèi)容消費(fèi)并以前所未有速度產(chǎn)生大量的數(shù)據(jù)。

本書(shū)集成了近年來(lái)社會(huì)媒體、社會(huì)網(wǎng)絡(luò)分析以及數(shù)據(jù)挖掘的前沿成果，為學(xué)生、從業(yè)者、研究人員和項(xiàng)目經(jīng)理提供了一個(gè)方便的平臺(tái)，以便理解社會(huì)媒體挖掘的基礎(chǔ)知識(shí)和潛能。本書(shū)介紹了社會(huì)媒體數(shù)據(jù)的問(wèn)題，并闡述了網(wǎng)絡(luò)分析和數(shù)據(jù)挖掘的基本概念、新問(wèn)題以及有效的算法。