強烈推薦：《機器學習》 (西瓜書)
入門讀物： 《深入淺出數據分析》 這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最后談到了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。
《數據之美》 一本介紹性的書籍，每章都解決一個具體的問題，甚至還有代碼，對理解數據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！
數據分析： 《SciPy and NumPy 》 這本書可以歸類為數據分析書吧，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，實例非常強！
適合入門的教程： 《 集體智慧編程 》學習數據分析、數據挖掘、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數據挖掘中的算法，淺顯易懂，還有可執行的Python代碼。難易程度：中。
《Machine Learning in Action 》 用人話把復雜難懂的機器學習算法解釋清楚了，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代碼，大贊！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 代碼跟着，輔助理解。
《數據挖掘導論 》 最近幾年數據挖掘教材中比較好的一本書，被美國諸多大學的數據挖掘課作為教材，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。
稍微專業些的： 《 Introduction to Semi-Supervised Learning 》 半監督學習必讀必看的書。
《 Learning to Rank for Information Retrieval 》 微軟亞院劉鐵岩老師關於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。
《 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！
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 (豆瓣)。書中配有R包，非常贊！可以參照着代碼學習算法。 統計學習方法 (豆瓣) 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，寫完之后，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 之前由於配有代碼，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，里面的內容非常多，有一張圖將機器學習中設計算法的關系總結了一下，很棒。
《Convex Optimization 》 凸優化中最好的教材，沒有之一了。課程也非常棒，Stephen老師拿着紙一步一步推導，圖一點一點畫，太棒了