尽管您需要书本，但我分别推荐以下课程，以了解用于机器学习和数据科学中其他任务的统计数据。他们是免费的。

• 学习统计 - 介绍统计课程
• 描述性统计简介
• 推论统计：学习统计分析

如果我想推荐一本书，我会推荐以下在CC 许可下免费的书。它有很好的例子，非常实用；此外，其中有很多代码可以帮助您在现实世界的示例中感受统计数据。

• 艾伦·B·唐尼 (Allen B. Downey) 的 Think Python

• Python 数据科学手册

以下链接也可能有所帮助：

• 来自谷歌本身又好又简洁

线性代数简介 是一个很好的起点。确保你精通概率论、线性代数和统计学。可能不需要非常深入的知识，但需要具备良好的知识。

在攻读分析学硕士学位之前，我的前辈建议我阅读这几本书，以了解更多关于机器学习和统计学的知识。

即：

1. 使用 SPSS/R 发现统计数据 - Andy Field
2. R初学者和每个人的R
3. 预测分析 - 预测谁会点击、购买、撒谎或死亡的能力
4. 商业数据科学等等

如果您在网上找不到这些书，请告诉我将分享链接，我的驱动器上有它们。这些书通过外行术语解释的示例帮助我理解了统计数据的基础知识。

如果您正在寻找一些在线课程，请告诉我可以向您推荐一些好的课程（其中大部分是免费的）。

我无法从你的问题中看出你在数学方面有多熟练，或者你的学习在哪里停止。由于您是计算机软件工程师，因此我假设您熟悉代数、几何，也许还有一些微积分。

我建议您通过阅读统计数据和理解描述性、探索性数据分析、相关性、分布等概念来开始您的学习。我看到您更喜欢书籍而不是视频，所以我会在中途与您见面，并为您提供一些在线书籍，以及您可以购买的一两本书印刷版。

首先，我推荐宾夕法尼亚州立大学的统计在线研究生课程。您可以使用左侧的菜单探索他们的每门课程。选择课程后，在课程网页上向下滚动，然后单击“在线课程笔记”链接。这些课程的课程笔记不仅仅是笔记，而且阅读起来就像整本书一样。他们很有启发性。另外，请查看宾夕法尼亚州立大学的在线统计本科课程，以防您在研究生课程中发现一些过于高级的内容并想要“更简单”的解释。

其次，回顾John H. McDonald的《生物统计手册》 。不要让标题欺骗你；这本书是适用于任何领域的统计和数据分析的优秀入门读物。

第三，回顾Gerard Dallal的 The Little Handbook of Statistics。再说一次，不要让标题愚弄你；这本书是另一本可以引导您了解一些重要统计基础知识的宝藏。

第四，查看Allen Downey所著的Think Stats一书。早期版本的在线免费版本；您必须购买的最新版本。这是值得的，特别是如果你使用 Python 工作。在本书中，作者教你使用 Python 进行统计和数据分析，以分析现实世界（玩具）数据集。这是一本非常棒的书。

最后，查看Joel Grus的从头开始的数据科学。本书更多地关注数据分析（而不是统计基础），并更加强调机器学习和建模。它使用 Python（和 Python 数据科学堆栈）引导您完成对真实世界（玩具）数据集的分析和执行预测分析。另一本值得阅读的好书。