機器學習/資料探勘, Python 書籍推薦
1. 適合入門的讀物：
《深入淺出資料分析》這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最後談到了R是大加分。難易程度：非常易。
《啤酒與尿布》通過案例來說事情，而且是最經典的例子。難易程度：非常易。
《資料之美》一本介紹性的書籍，每章都解決一個具體的問題，甚至還有程式碼，對理解資料分析的應用領域和做法非常有幫助。難易程度：易。
《數學之美》這本書非常棒啦，入門讀起來很不錯！
2. 資料分析：
《SciPy and NumPy》這本書可以歸類為資料分析書吧，因為numpy和scipy真的是非常強大啊。
《Python for Data Analysis》作者是Pandas這個包的作者，看過他在Scipy會議上的演講，例項非常強！
《Bad Data Handbook》很好玩的書，作者的角度很不同。
3. 適合入門的教程：
《集體智慧程式設計》學習資料分析、資料探勘、機器學習人員應該仔細閱讀的第一本書。作者通過實際例子介紹了機器學習和資料探勘中的演算法，淺顯易懂，還有可執行的Python程式碼。難易程度：中。
《Machine Learning in Action》用人話把複雜難懂的機器學習演算法解釋清楚了，其中有零星的數學公式，但是是以解釋清楚為目的的。而且有Python程式碼，大讚！目前中科院的王斌老師已經翻譯這本書了機器學習實戰 。這本書本身質量就很高，王老師的翻譯質量也很高。難易程度：中。我帶的研究生入門必看數目之一！
《Building Machine Learning Systems with Python》雖然是英文的，但是由於寫得很簡單，比較理解，又有Python程式碼跟著，輔助理解。
《資料探勘導論》最近幾年資料探勘教材中比較好的一本書，被美國諸多大學的資料探勘課作為教材，沒有推薦Jiawei Han老師的那本書，因為個人覺得那本書對於初學者來說不太容易讀懂。難易程度：中上。
《Machine Learning for Hackers》也是通過例項講解機器學習演算法，用R實現的，可以一邊學習機器學習一邊學習R。
4. 稍微專業些的教程：
《Introduction to Semi-Supervised Learning》
《Learning to Rank for Information Retrieval》微軟亞院劉鐵巖老師關於LTR的著作，啥都不說了，推薦！
《Learning to Rank for Information Retrieval and Natural Language Processing》李航老師關於LTR的書，也是當時他在微軟亞院時候的書，可見微軟亞院對LTR的研究之深，貢獻之大。
《推薦系統實踐》這本書不用說了，研究推薦系統必須要讀的書，而且是第一本要讀的書。
《Graphical Models, Exponential Families, and Variational Inference》這個是Jordan老爺子和他的得意門徒Martin J Wainwright在Foundation of Machine Learning Research上的創刊號，可以免費下載，比較難懂，但是一旦讀通了，graphical model的相關內容就可以踏平了。
《Natural Language Processing with Python NLP》經典，其實主要是講NLTK這個包，但是啊，NLTK這個包幾乎涵蓋了NLP 的很多內容了啊！
5. 機器學習教材：
《The Elements of Statistical Learning》這本書有對應的中文版：統計學習基礎 。書中配有R包，非常贊！可以參照著程式碼學習演算法。
《統計學習方法》李航老師的扛鼎之作，強烈推薦。難易程度：難。
《Machine Learning》去年出版的新書，作者Kevin Murrphy教授是機器學習領域中年少有為的代表。這書是他的集大成之作，寫完之後，就去Google了，產學研結合，沒有比這個更好的了。
《Machine Learning》這書和上面的書不是一本！這書叫：《Machine Learning: An Algorithmic Perspective》之前做過我帶的研究生教材，由於配有程式碼，所以理解起來比較容易。
《Pattern Recognition And Machine Learning》經典中的經典。
《Bayesian Reasoning and Machine Learning》看名字就知道了，徹徹底底的Bayesian學派的書，裡面的內容非常多，有一張圖將機器學習中設計演算法的關係總結了一下，很棒。
《Probabilistic Graphical Models》鴻篇鉅製，這書誰要是讀完了告訴我一聲。
《Convex Optimization》凸優化中最好的教材，沒有之一了。課程也非常棒，Stephen老師拿著紙一步一步推到，圖一點一點畫，太棒了。
此外
- 完成《building machine learning systems with python》書上的所有projects，這本書除了封面其他裡面的內容還是挺實用的。中文書名為 《機器學習系統設計》
- 完成kaggle playground和 101上的所有比賽，具體tutorial可以戳
- 另外補充一個用scikitlearn構建文字挖掘系統的教程，個人覺得寫的很好，基本上做一遍大概的流程就很清晰了：scikit-learn文字挖掘系統學習（已完成）