免費的機器學習圖書資源其實有不少，包括許多未正式出版的筆記、手冊。雷鋒網此前做了多次分享。這一次，有國外開發者從免費資源裡面，篩選出了最值得深入閱讀的幾本，雷鋒網特來與大家分享。
首先聲明，所有書籍均為正版來源。免費的原因有很多：促進知識分享的公益項目，選擇將學習資源對社會開放的國外高校，有心做公益的作者、出版社等等。
其次，編者要指出：所有圖書均為英文原著。除兩本教程外，其餘都有中文譯版，國內可方便買到，需要的同學可對照閱讀。
最後，本列表不分先後次序。
█《Mining of Massive Datasets》
作者：Jure Leskovec, Anand Rajaraman, Jeff Ullman
這本書基於兩門史丹福大學計算機科學專業的課程： CS246 和 CS35A。它的受眾為計算機專業的本科學生，不需要任何基礎（高中數學學好即可）。劍橋大學出版社出版。譯本名為《大數據:網際網路大規模數據挖掘與分布式處理》。
原版下載地址： http://mmds.org/#ver21
《An Introduction to Statistical Learning：with applications in R》
作者：Gareth James, Daniela Witten, Trevor Hastie，Robert Tibshirani
如同其名，這是統計學習方法的入門學習書籍，同時還包含了一系列 R 語言應用工具。中文版名為《統計學習導論：基於R應用》。
原版下載地址： http://www-bcf.usc.edu/~gareth/ISL/
《Bayesian methods for hackers》
作者：Cam Davidson-Pilon
這本書從計算的角度介紹貝葉斯方法和概率編程。對數學基礎不夠牢靠的開發者特別有幫助。國內譯版：《貝葉斯方法:概率編程與貝葉斯推斷》。
原版下載地址： http://ptgmedia.pearsoncmg.com/images/9780133902839/samplepages/9780133902839.pdf
《Understanding Machine Learning: From Theory to Algorithms》
作者：Shai Shalev-Shwartz，Shai Ben-David
受眾為有堅實數學基礎的讀者。有了這一前提，本書是理解機器學習背後原理的最佳著作之一。國內譯版名為《深入理解機器學習:從原理到算法》。
原版下載地址： http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf
《Deep Learning Tutorial》
作者：蒙特婁大學 LISA 實驗室
未正式出版的手冊，也因此沒有中文譯本。對於使用 Theano 的深度學習開發者，這本教程是必讀。
下載地址： http://deeplearning.net/tutorial/deeplearning.pdf
《Scikit-Learn Tutorial: Statistical-Learning for Scientific Data Processing》
作者：Andreas Mueller
又是一個未出版的教程，講解用於統計推斷的機器學習技巧。
下載地址： http://gael-varoquaux.info/scikit-learn-tutorial/
在上述書籍之外，倒還有幾本不錯的機器學習和統計領域的免費電子書。但雷鋒網此前盤點過的，本文不再重複。請參考此前文章：。最近很火的《計算機科學的數學》是本什麼樣的書？
另外，更全面的機器學習外文書籍盤點，請看：。機器學習漫遊指南 最完整的入門書單（外文版）
via paralleldots