數據挖掘學習圖譜

接下來的三個月打算用來攻下數據挖掘這一座大山。能夠算是從零基礎開始入門，但願個人課表能給未來的學習者提供一些學習上的捷徑。

1. 數學基礎

機器學習必要的數學基礎主要包括：多元微積分，線性代數

1. Calculus One
2. Calculus: Single Variable
3. Multivariable Calculus
4. Linear Algebra

2. 統計基礎

1. Data Analysis and Statistical Inference|課程筆記
2. Introduction to Statistics: Descriptive Statistics
3. 機率
4. Introduction to Statistics: Inference

3. 編程基礎

1. Programming for Everybody
2. Introduction to Computer Science:Build a Search Engine & a Social Network

4. 機器學習

1. Statistical Learning
2. Machine Learning
3. 機器學習基石
4. 機器學習技法

下面是近期的給外行人讀的泛數學科普書籍，由淺至深，做用除了感覺數學之美以外，更重要的是能夠做用天天學習的雞血，由於這些書都比較好讀……

1.《數學之美》做者：吳軍2.《 Mathematician’s Lament | 數學家的嘆息》做者：by Paul Lockhart3.《 Think Stats: Probability and Statistics for Programmers | 統計思惟：程序員數學之機率統計 》 做者：Allen B. Downey4.《 A History of Mathematics | 數學史 》做者：Carl B. Boyer5.《 Journeys Through Genius | 天才引導的歷程：數學中的偉大定理 》做者：William Dunham6.《 The Mathematical Experience | 數學經驗 》做者 Philip J.Davis、Reuben Hersh7.《 Proofs from the Book | 數學天書中的證實 》做者：Martin Aigner、Günter M. Ziegler8.《 Proofs and Refutations | 證實與反駁－數學發現的邏輯 》做者：Imre Lakatos