数据挖掘学习图谱

接下来的三个月打算用来攻下数据挖掘这一座大山。能够算是从零基础开始入门，但愿个人课表能给未来的学习者提供一些学习上的捷径。

1. 数学基础

机器学习必要的数学基础主要包括：多元微积分，线性代数

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

2. 统计基础

1. Data Analysis and Statistical Inference|课程笔记
2. Introduction to Statistics: Descriptive Statistics
3. 几率
4. Introduction to Statistics: Inference

3. 编程基础

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

4. 机器学习

1. Statistical Learning
2. Machine Learning
3. 机器学习基石
4. 机器学习技法

下面是近期的给外行人读的泛数学科普书籍，由浅至深，做用除了感觉数学之美以外，更重要的是能够做用天天学习的鸡血，由于这些书都比较好读……

1.《数学之美》做者：吴军2.《 Mathematician’s Lament | 数学家的叹息》做者：by Paul Lockhart3.《 Think Stats: Probability and Statistics for Programmers | 统计思惟：程序员数学之几率统计 》 做者：Allen B. Downey4.《 A History of Mathematics | 数学史 》做者：Carl B. Boyer5.《 Journeys Through Genius | 天才引导的历程：数学中的伟大定理 》做者：William Dunham6.《 The Mathematical Experience | 数学经验 》做者 Philip J.Davis、Reuben Hersh7.《 Proofs from the Book | 数学天书中的证实 》做者：Martin Aigner、Günter M. Ziegler8.《 Proofs and Refutations | 证实与反驳－数学发现的逻辑 》做者：Imre Lakatos