KDnuggets网站编辑MatthewMayo挑选了一些与机器学习和数据科学相关的书籍。是时候在您的书架上添加一些机器学习和数据科学书籍了，最重要的是，它们都以电子形式免费提供！！！1.《Python 数据科学手册》本书介绍了必不可少的核心库：特别是IPython、NumPy、Pandas、Matplotlib、Scikit-Learn及相关包。阅读本书需要具备Python基础。如果没有Python基础，可以先看。《A Whirlwind Tour of Python》是一本免费的在线图书。本书概述了两个核心概念：神经网络，一种使计算机能够从观测数据中学习的编程范式自然语言处理和自然语言处理中的许多问题。本书将教授神经网络和深度学习背后的许多核心概念。图书链接：http://neuralnetworksanddeeplearning.com/3。《贝叶斯思维》thinkX系列书籍之一，大部分贝叶斯统计书籍使用数学符号，并根据数学概念（如微积分）展开，本书用Python代码代替数学符号，用离散数学代替连续数学.这样，数学中的积分就变成了求和，概率分布上的大部分运算就变成了简单的循环。图书链接：http://greenteapress.com/wp/think-bayes/4。《Machine Learning & Big Data》本书目前被认为是一部未完成的作品，其目的是让软件工程师能够轻松构建机器学习模型，以达到理论与实践之间的平衡。在大多数情况下，模型背后的概念或技术是简单或直观的，但细节和术语容易出现问题。另外，现有的库基本上可以解决现有的问题。更多时候，他们有自己的抽象和架构来隐藏底层概念。本书的目的是使基本概念更加清晰。图书链接：http://www.kareemalkaseer.com/books/ml5。《Statistical Learning with Sparsity》计算和信息技术在过去十年中呈爆炸式增长。随之而来的是医学、生物学、金融和营销等各个领域的海量数据。本书在一个共同的概念框架内介绍了这些领域中重要的数据科学思想。书籍链接：https://web.stanford.edu/~hastie/StatLearnSparsity/6。《Statistical inference for data science》本书是数据科学专业领域的书籍，也是推理统计的coursera配套书。值得一提的是，本书有配套的Coursera课程视频，可以在YouTube上找到。本书旨在作为推论统计的介绍。目标受众是具有数学和计算机编程基础的学生，他们希望将这些技能应用于数据科学或统计学。这本书是免费提供的。图书链接：https://leanpub.com/LittleInferenceBook7。《凸优化》这是一本关于凸优化的书，凸优化是一类特殊的数学优化问题，包括最小二乘和线性规划问题。众所周知，最小二乘和线性规划问题具有相当完善的理论，出现在各种应用中，并且这些问题可以使用编程来解决。本书以实际应用为主，丰富的案例为本书的精选书籍链接：http://stanford.edu/~boyd/cvxbook/8。《Python 自然语言处理 》这是一本关于自然语言处理的书。“自然语言”是指用于人类日常交流的语言，例如英语、印地语或葡萄牙语。与编程语言和数学符号等人造语言相比，自然语言是代代相传的，很难用明确的规则来定义。我们会用广义上的自然语言处理（NaturalLanguageProcessing，简称NLP）来表示计算机对各种自然语言的理解……本书基于Python编程语言和一个名为NaturalLanguageToolkit的开源库（NLTK）。书籍链接：https://automatetheboringstuff.com/https://www.nltk.org/book/9。《Python 编程快速上手》如果您曾经花费数小时重命名文件或更新数百个电子表格单元格，您可以体验这些工作是多么乏味。但是如果你能让你的电脑为你做这些事情，那感觉就会不一样了。看完本书，你可以编写Python程序，让计算机自动完成。本书适合任何想通过Python学习编程的人。读者，特别适合缺乏编程基础的初学者。图书链接：https://automatetheboringstuff.com/10。《社会媒体挖掘》社交媒体在过去十年的发展彻底改变了人们的交流方式和行业开展业务的方式。人们通过社交媒体互动、分享和消费内容，并以极快的速度生成大量数据。本书整合了近年来社交媒体、社交网络分析和数据挖掘的前沿成果，为学生、从业者、研究人员和项目管理者提供了一个方便的平台，让他们了解社交媒体挖掘的基础知识和潜力。本书介绍了社交媒体数据的问题，解释了网络分析和数据挖掘的基本概念、新问题和有效算法。书籍链接：http://dmml.asu.edu/smm/
