免费！数据科学必读书单

翻译 | 林椿眄

出品 | 人工智能头条（公众号IDS：AI_Thinker）

数据科学是一个跨学科的领域，它包含来自统计学、机器学习、贝叶斯等领域的方法和技术，旨在探索特定的数据结构和内容。在本文中，我们列出了一些优秀的数据科学书籍，这涵盖了数据科学领域的所有主题，而且可以免费查阅或下载。

1. Foundations of Data Science

链接： https://www.cs.cornell.edu/jeh/book2016June9.pdf 作者： Blum, Hopcroft and Kannan

这本数据科学书籍是现代数据科学理论课程内容的完美结合。

2. UFLDL Tutorial

链接： http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial 贡献者： Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen

本教程旨在让你熟悉无监督特征学习和深度学习的主要思想。

3. Python Data Science Handbook

链接： https://github.com/jakevdp/PythonDataScienceHandbook 作者：Jake VanderPlas

本书介绍了 Python 中处理数据所必需的核心库：特别是IPython，NumPy，Pandas，Matplotlib，Scikit-Learn 和相关软件包。

4. Hands-On Machine Learning and Big Data

链接： https://www.gitbook.com/book/kalkaseer/hands-on-ml-and-bigdata/details 作者：Kareem Alkaseer

本书是学习机器学习和大数据概念的重要资源。

5. Think Stats

链接： http://greenteapress.com/thinkstats/ 作者：Allen B Downey

这本书可以教你使用简单的技术来探索现实中的数据集，并解答一些有趣的问题。这是数据科学领域最受推荐的书籍之一。

6. Think Bayes

链接： http://greenteapress.com/wp/think-bayes/ 作者：Allen B Downey

这本书通过一些计算方法介绍贝叶斯统计的知识。此外，本书使用 Python 代码而不是枯燥的数学知识，并通过一些离散近似而不是连续数学的知识来展示一些理论。

7. EE263: Introduction to Linear Dynamical Systems

链接：http://ee263.stanford.edu/ 作者：Reza Nasiri Mahalati

Sanjay 教授在这本书中强调将线性代数和线性动力学系统应用于电路、信号处理、通信和控制系统。

8. Convex Optimization — Boyd and Vandenberghe

链接： http://stanford.edu/~boyd/cvxbook/ 作者： Stephen Boyd and Lieven Vandenberghe

本书全面介绍了数值优化这个主题，并详细展示了如何高效地解决数值优化这类问题。

9. Essentials of Metaheuristics

链接： https://cs.gmu.edu/~sean/book/metaheuristics/ 作者：Sean Luke

这是一套关于元启发算法的讲座笔记，这个开放式讲座面向本科生、从业人员、程序员和其他非专业人士。

10. CIML

链接：https://ciml.info/ 作者：Hal Daumé III

CIML 是一套涵盖现代机器学习（监督学习、无监督学习、大量边际方法、概率建模、学习理论等）大部分内容的综述性材料。

作者：Shashank Gupta 原文链接: https://towardsdatascience.com/list-of-must-read-free-data-science-books-bfae4c5c5a16