1、人工智能编程范例
如果您想接触最新的人工智能技术，那么 Peter Norvig 写的人工智能编程范例将非常适合。
这被广泛认为是有史以来最好的编程书籍之一。实际的写作风格很容易遵循。它会引导你在学习的过程中自我发现。而且例子也帮助你用最清晰的方式写出高质量的 LISP 程序。
请注意，在打开这本书之前，作者默认你应该有编程经验。这并不是说你要成为一个编程方面的专家，但如果你从来没有写代码(或者写的不太好)，那么你可能在学习的过程中遇到很多困难。
这本书长达 900 多页，但它仍然是无可争议学习人工智能这一与机器学习非常相关的主题的最好的资源。
2、傻瓜机器学习
以前，我一直是讨厌推荐“For dummies”系列的书籍，因为它们都太过简单直白。但是，由于这本书的作者都是经验丰富的数据科学家，我决定破一次例。
即使是零基础，傻瓜机器学习这本书也能让读者快速体验到机器学习的魅力。尽管书中的例子是用 python 语言写的，但是其实你并不需要了解 python 的语法。
在本书中，你将了解到机器学习的历史以及机器学习与人工智能的不同。作者为我们详尽地讲解了每一个知识点。
在读本书之前，你只需要一些数学和逻辑方面的基本知识，而并不需要编程的经验。如果你在读这本书前从没接触过算法，可能你会有点痛苦，不过仍然可以做一些互补的研究。
3、机器学习：用算法让数据说话
Peter Flach 写的这本机器学习包含了很多机器学习的实际案例。我认为这本书是为中高级开发人员而写。他们可以用这本书巩固机器学习方面的基础知识，因为这本书比其它书更详细。
用这本书，你将利用机器学习方法来生成，分析和预测统计模型。Peter 阐述了自定义垃圾邮件过滤器如何工作，并且解释了为何这种方法现在这么火。
从 ROC 分析开始，后面的章节中会比之前深一些。
在每个知识点处，这本书都配有图形、图表的说明。机器学习是一个很宽的领域，而 Peter 通过例子的方式，分解了其中主要的部分。
如果你对大数据和机器学习感兴趣，那么我极力推荐这本书，但是这有一个前提，那就是你有一定的背景知识。
4、Python 机器学习
在我之前提到的书中，几乎没有限定语言的。而这本 Sebastian Raschka 的 450 多页的书将打破这一记录。
对于想学习机器学习的 python 开发人员来说，这本是最好的导论。
很多人选择 python 作为工具是因为 python 语法简单，功能强大，而且像 scikit-learn 这样的机器学习类库众多。
这本书详细地讲解了 scikit-learn，并引导我们应用它来做数据分析。这本书的作者推崇在编写算法的同时进行可视化。因此，你不仅能学到如何编写算法，还能学会对数据进行可视化。
总的来说，这本书偏重技术，但是也不是专门为 python 专家写的。如果你对 python 语言很熟悉，最好还了解 scikit-learn，那么这本书一定很适合你。