我是一名本科生，目前正在学习数据科学。但是，由于我们通常不会在课堂上深入研究事物，因此我想花一些时间来复习基础知识并深入理解事物，以便进入更复杂的概念。当我做一些研究时，我偶然发现了这些书：
如果您知道或遇到这些书，请您帮我选择阅读这些书的正确顺序，或者告诉我这些是否是多余的书，甚至建议一本书添加到列表中
任何帮助表示赞赏，谢谢。
我想通常从 “Gareth James、Daniela Witten、Trevor Hastie 和 Robert Tibshirani 的统计学习简介”开始，然后，如果你想要更深入的了解，请转到 Jerome H. Friedman 的“统计学习的要素” 、罗伯特·蒂布希拉尼和特雷弗·哈斯蒂”。
我也非常喜欢由 Hastie 和 Tibshirani 教授的基于第一本书的视频课程（如果我没记错的话）——这是我心中真正的瑰宝。从我的角度来看，这是获得机器学习实践和理论背景的好方法。链接到 R-bloggers 上发布的课程： https ://www.r-bloggers.com/in-depth-introduction-to-machine-learning-in-15-hours-of-expert-videos/
多年来，我意识到，很好地理解统计学可以让你解决大量的业务问题，作为第一步，这也是非常重要的。您可以参加可汗学院概率与统计课程 https://www.khanacademy.org/math/statistics-probability
对于机器学习，您可以阅读“Gareth James、Daniela Witten、Trevor Hastie 和 Robert Tibshirani 的统计学习简介”。精彩的书。感觉就像一本小说，并且用 R 中的示例和代码编写得很漂亮。
我还推荐 Andrew NG 机器学习课程。
对于深度学习，我参加了 Andrew Karpathy 的 CS231 课程，但我更喜欢 Micheal Nielson 的这本精彩的免费在线书籍。 http://neuralnetworksanddeeplearning.com/
要更深入地了解业务问题，您可以参加 eDX 的课程分析 Edge https://www.edx.org/course/the-analytics-edge
对于 Rob J Hyndman 的时间序列预测书籍，在您继续解决它们之前是最好的 https://otexts.org/fpp2/
此外，我确实从 Analytics Vidhya 的博客中学到了很多东西。 https://www.analyticsvidhya.com/
最好的学习方式是参加黑客马拉松并亲自动手。