学习是一种理性的投资，每当花费十几个小时读完一本书，你就能领略到前人数年积累的经验。
机器之心之前整理过Swinburne 科技大学的 Jason Brownlee 博士推荐的阅读数目，适用任何阶段的学习者参考。注意这部分推荐的都是英文资料（有的书有中文版），中文资料后面有时间整理补充。
最流行机器学习科普图书
以下图书适用于大多数读者。它们点到了机器学习和数据科学的精华之处，却没有使用枯燥的理论或应用细节。这份书单也包括了一些流行的「统计思想」科普书籍。
The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World
地址：
Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die
地址：
The Signal and the Noise: Why So Many Predictions Fail–but Some Don't
地址：
Naked Statistics: Stripping the Dread from the Data
地址：
The Drunkard's Walk: How Randomness Rules Our Lives
地址：
其中最值得推荐的一本是：《The Signal and the Noise》。
适用于机器学习初学者的书籍
以下列出最适用于初学者的书籍。希望入门的读者同时也需要参考科普图书（上一条）以及行业应用图书（下一条）。
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking
地址：
Data Smart: Using Data Science to Transform Information into Insight
地址：
Data Mining: Practical Machine Learning Tools and Techniques
地址：
Doing Data Science: Straight Talk from the Frontline
地址：
在这其中最重要的一本是：《Data Mining: Practical Machine Learning Tools and Techniques》。
机器学习入门书籍——高级
以下是适用于希望入门机器学习的本科学生和开发者的书籍，内容包含了机器学习的很多话题，注重如何解决问题，而不是介绍理论。
Machine Learning for Hackers: Case Studies and Algorithms to Get You Started
地址：
Machine Learning in Action
地址：
Programming Collective Intelligence: Building Smart Web 2.0 Applications
地址：
An Introduction to Statistical Learning: with Applications in R
地址：
Applied Predictive Modeling
地址：
其中最值得推荐的一本是：《An Introduction to Statistical Learning: with Applications in R》
机器学习教材
以下列出了机器学习领域目前最流行的教科书。它们会在研究生课程中出现，包含方法与理论的解读。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction
地址：
Pattern Recognition and Machine Learning
地址：
Machine Learning: A Probabilistic Perspective
地址：
Learning From Data
地址：
Machine Learning
地址：
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
地址：
Foundations of Machine Learning
地址：
其中的重点是：《The Elements of Statistical Learning: Data Mining, Inference, and Prediction》
机器学习图书——按主题分
有关 R 语言在机器学习中如何应用的图书。
The Elements of Statistical Learning: Data Mining, Inference, and Prediction
地址：
Pattern Recognition and Machine Learning
地址：
Machine Learning: A Probabilistic Perspective
地址：
Learning From Data
地址：
Machine Learning
地址：
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
地址：
Foundations of Machine Learning
地址：
这方面的首选图书是：《The Elements of Statistical Learning: Data Mining, Inference, and Prediction》。
Python 机器学习
以下列出 Python 机器学习热门书籍
Python Machine Learning
地址：
Data Science from Scratch: First Principles with Python
地址：
Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems
地址：
Introduction to Machine Learning with Python: A Guide for Data Scientists
地址：
Vital Introduction to Machine Learning with Python: Best Practices to Improve and Optimize Machine Learning Systems and Algorithms
地址：
Machine Learning in Python: Essential Techniques for Predictive Analysis
地址：
Python Data Science Handbook: Essential Tools for Working with Data
地址：
Introducing Data Science: Big Data, Machine Learning, and more, using Python tools 地址：
Real-World Machine Learning
地址：
最值得注意的当然是《Python 机器学习》了。
深度学习
注意：深度学习的图书目前还比较稀缺，以下这份列表只能保证数量，而不是质量。
Deep Learning
地址：
Deep Learning: A Practitioner's Approach
地址：
Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
地址：
Learning TensorFlow: A guide to building deep learning systems
地址：
Machine Learning with TensorFlow
地址：
TensorFlow Machine Learning Cookbook
地址：
Getting Started with TensorFlow
地址：
TensorFlow for Machine Intelligence: A Hands-On Introduction to Learning Algorithms
地址：
其中最重要的一本书当然是：Yoshua Bengio 和 Ian Goodfellow 所著的《Deep Learning》（此书中文版网上已有）。
时序序列预测
目前时序序列预测在实际应用中主要是由 R 语言的平台所主导。
Time Series Analysis: Forecasting and Control
地址：
Practical Time Series Forecasting with R: A Hands-On Guide
地址：
Introduction to Time Series and Forecasting
地址：
Forecasting：principles and practice
地址：
最优质的入门介绍书籍是 Forecasting：principles and practice。
时序序列最优质的教科书是 Time Series Analysis: Forecasting and Control。
