理論部分
以下都是機器學習的基礎教材。如果你認真研讀其中任意一本，這意味著你要分析其中的模型，推導和實現主推理演算法並進行練習，這些教材可以為你提供堅實的背景。如果你是機器學習的入門菜鳥，這些書可能技術性很強，但是一旦你堅持完成其中一本，你會發現其他教材也變得簡單易懂。
1. 統計學習精要（The Elements of Statistical Learning (ESL)）
作者：Jerome H. Friedman, Robert Tibshirani, and Trevor Hastie
推薦語：經典之作！！這同時也是一個線上課程，新版教材提供R程式碼
2. 模式識別與機器學習（Pattern recognition and machine learning (PRML)）
作者：Christopher Bishop
推薦語：和ESL一樣，這本也是必讀之作。
3. 機器學習：概率學觀點（Machine Learning: A Probabilistic Perspective）
作者：Kevin R Murphy
推薦語：如果你徹底學習(前文)PRML，你能掌握這本書中的大部分內容。 然而，這是一本有趣而全面的書，主要關注有原則的、概率性的建模方法。 它還附帶Matlab中的程式碼。
4. 概率圖模型（Probabilistic Graphical Models）
作者：Daphne Koller and Nir Friedman
推薦語：圖模型為概率模型的表示、推理以及學習提供了框架。這個強大的框架為許多機器學習模型提供了巨集觀視角，否則這些模型僅僅被看作一堆不同的模型。書還配有Coursera的線上課程。
5. 強化學習（Reinforcement learning, an introduction）
作者：Richard S. Sutto and Andrew G. Barto
推薦語：儘管這本書還是一個初稿，但第二個版本已經寫得很好，並且很好地解釋了強化學習的概念和應用。
6. 神經網路與深度學習（Neural networks and deep learning）
作者：Michael Nielsen
推薦語：Michael Nielsen的書更加實用，包含一些很酷的互動內容以幫助理解
7. 深度學習（Deep Learning）
作者：Ian Goodfellow and Yoshua Bengio and Aaron Courville
推薦語：相比上面Michael Nielsen書的實用性，本書則更全面。我建議按照給定的順序閱讀學習。
應用部分
1. 商業中的資料科學（Data science for business）
作者：Foster Provost and Tom Fawcett
推薦語：本書對非技術人員（如業務經理）非常友好。它還提供了有關如何執行資料科學專案的一些合理原則。強烈推薦此書！！
2. R資料科學（R for data science）
作者：Garrett Grolemund and Hadley Wickham
推薦語：特別是對R使用者來說，這本是必讀教材。
3. 應用預測建模（Applied predictive modelling）
作者：Kjell Johnson and Max Kuhn
推薦語：由非常流行的R包caret的作者撰寫，也是一本必讀教材。 它包含許多實用技巧和建議，不僅可用於建模，還可用於不同模型的資料準備。
4. 資料科學技術：市場營銷、銷售與客戶關係管理領域（Mining Techniques: For Marketing, Sales, and Customer Relationship）
作者：Gordon S. Linoff and Michael J. A. Berry
推薦語：不要被標題誤導，書中的資料科學技術普遍適用，不僅僅是對客戶關係管理（CRM）。
5. 資料探勘的資料準備（Data preparation for data mining）
作者：Dorian Pyle
推薦語：1999年出版，但今天仍然非常適用，本書提供了一個明細的清單，以便在準備分析資料時進行檢查。
6. 網站優化的Bandit 演算法（Bandit algorithms for website optimization）
作者：John Myles White
推薦語：本書介紹了標準的多臂賭博機演算法（multi-armed bandit），並提供了多種語言的實現。
7. R資料科學實戰手冊（Practical data science with R）
作者：John Mount and Nina Zumel
推薦語：此書不像Johnson和Kuhn的書那樣精緻，但還是有一些值得了解的技巧。
原文標題：
Data science books - theory and practice
原文連結：
https://www.codementor.io/trungnguyen958/data-science-books-theory-and-practice-krrjgncy7
譯者簡介
王雨桐，統計學在讀，資料科學碩士預備，跑步不停，彈琴不止。夢想把資料視覺化當作藝術，目前日常是摸著下巴看機器學習。