Coursera. Специализация. Машинное обучение и анализ данных

Список рекомендуемой литературы из первого курса:

Мы составили для вас список наших любимых учебников по темам, рассматривавшимся в этом курсе, с короткими комментариями.

Линейная алгебра

Виктор Кантор:

• Ильин, Ким. Линейная алгебра и аналитическая геометрия (1998) — МГУ.
• Умнов. Аналитическая геометрия и линейная алгебра (2011) — МФТИ.

Евгений Рябенко:

Деммель. Вычислительная линейная алгебра. Теория и приложения (2001) — понятный кусок про матричные разложения.

Математический анализ

Виктор Кантор:

• Ильин, Позняк, Основы математического анализа (2005) — МГУ.
• Тер-Крикоров, Шабунин. Курс математического анализа (2001) — МФТИ, много примеров.
• Иванов. Лекции по математическому анализу (2000) — МФТИ, очень короткое, но полное изложение.

Методы оптимизации

Евгений Рябенко:

• Нестеров. Методы выпуклой оптимизации (2010) — математически строгое введение в оптимизацию от живого классика.
• Boyd, Vandenberghe. Convex Optimization (2004) — идеальная книга по классической оптимизации, много интересных постановок задач.
• Schneider, Kirkpatrick. Stochastic Optimization (2006) — стохастическая оптимизация во всём многообразии.

Теория вероятностей и статистика

Евгений Соколов:

• Dekking, Kraaikamp, Lopuhaa, Meester. A Modern Introduction to Probability and Statistics, Understanding Why and How (2005) — доступная книга, описывающая базовые понятия, теоремы и методы; разбирается очень много примеров, тесно связанных с задачами машинного обучения и анализа данных.

Виктор Кантор:

• Лагутин. Наглядная математическая статистика (2007) — в основном статистика, но есть и небольшое введение в теорию вероятностей. Стоит читать, кроме глав про классификацию и анализ данных, там изложение не слишком современно.
• Чжун, АитСахлиа. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика (2007) — очень простое изложение.
• Отличные лекции с мехмата Новосибирского Государственного Университета: http://www.nsu.ru/mmf/tvims/chernova/tv/tv_nsu07.pdf — теория вероятностей, http://www.nsu.ru/mmf/tvims/chernova/ms/ms_nsu07.pdf — математическая статистика.

Евгений Рябенко:

• Diez, Barr, Çetinkaya-Rundel, Dorazio. Advanced High School Statistics (2015) — вводная книга, программа соответствует типичному курсу Statistics 101 хорошего западного университета.
• DasGupta. Probability for Statistics and Machine Learning: Fundamentals and Advanced Topics (2011) — для смелого читателя, рассматриваются в том числе достаточно высокоуровневые методы.

Python

Эмели Драль:

• Классические руководства по Python: https://docs.python.org/2/tutorial/ (2.7), https://docs.python.org/3/tutorial/ (3.5)
• Reitz. The Hitchhiker’s Guide to Python http://docs.python-guide.org/en/latest/ — довольно полное руководство, в котором рассматриваются вопросы от установки, работы с виртуальным окружением и работы в различных IDE до основных структур языка с примерами кода.
• Google python class https://developers.google.com/edu/python/ — небольшой бесплатный онлайн-курс по Python для слушателей с минимальным опытом программирования.

Книги, для тех, кому захочется основательно изучить Python:

• Lutz. Learning Python (2013) — с этой книги можно начинать изучение, она покрывает все основные структуры языка.
• Lutz. Python Pocket Reference (2015) — подробный справочник.

Обе эти книги переведены на русский.