• 如果您想要一本面向应用程序的书，请考虑 Christopher Bishop 的基于模型的机器学习。他有更多备受推崇的技术书籍。

• 如果您正在寻找大量代码，那么黑客的概率编程和贝叶斯方法是一个选择。

• 另一本更具统计倾向的介绍性书籍是An Introduction to Statistical Learning with Applications in R。同样，作者拥有这本书的备受推崇的技术版本。

几周前我也有同样的问题。

我个人发现 O'Reilly 的Python for Data Analysis在学习基础知识方面非常有用。这本书假设你有一些 Python 编程经验，但它后面还有一个附录来了解基础知识。

作者在一开始就为您提供了各种各样的现实世界（不是 Monty Python）示例，您可以在前几章中创建这些示例，然后随着本书的深入，详细介绍每件事，从而建立您的知识。

我发现这些说明非常简单，一步一步来。我的教授是我这一切的向导，我学得如此之快给我留下了深刻的印象。

我也听说过关于 Kaggle 的好消息。

使用 Microsoft Azure 机器学习和 R 实现云中的数据科学是一本免费教科书，其中详细介绍了一个示例。不要被使用的特定工具吓到，因为你不需要它们来从书中获得一些好处。

我喜欢的另一个是集体智能编程，它也详细经历了许多项目，包括大多数书籍掩盖的网络抓取部分。

我可以推荐这个 Ipython Notebooks 集合，其中包括 Data Science、Statistics 和 Machine Learning 注释笔记本。

https://github.com/ipython/ipython/wiki/A-gallery-of-interesting-IPython-Notebooks