首先声明，所有书籍均为正版来源。免费的原因有很多：促进知识分享的公益项目，选择将学习资源对社会开放的国外高校，有心做公益的作者、出版社等等。
其次，编者要指出：所有图书均为英文原著。除两本教程外，其余都有中文译版，国内可方便买到，需要的同学可对照阅读。
最后，本列表不分先后次序。
█《Mining of Massive Datasets》
作者：Jure Leskovec, Anand Rajaraman, Jeff Ullman
这本书基于两门斯坦福大学计算机科学专业的课程： CS246 和 CS35A。它的受众为计算机专业的本科学生，不需要任何基础（高中数学学好即可）。剑桥大学出版社出版。译本名为《大数据:互联网大规模数据挖掘与分布式处理》。
原版下载地址：http://mmds.org/#ver21
█《An Introduction to Statistical Learning：with applications in R》
作者：Gareth James, Daniela Witten, Trevor Hastie，Robert Tibshirani
如同其名，这是统计学习方法的入门学习书籍，同时还包含了一系列 R 语言应用工具。中文版名为《统计学习导论：基于R应用》。
原版下载地址：http://www-bcf.usc.edu/~gareth/ISL/
█《Bayesian methods for hackers》
作者：Cam Davidson-Pilon
这本书从计算的角度介绍贝叶斯方法和概率编程。对数学基础不够牢靠的开发者特别有帮助。国内译版：《贝叶斯方法:概率编程与贝叶斯推断》。
原版下载地址：http://ptgmedia.pearsoncmg.com/images/9780133902839/samplepages/9780133902839.pdf
█《Understanding Machine Learning: From Theory to Algorithms》
作者：Shai Shalev-Shwartz，Shai Ben-David
受众为有坚实数学基础的读者。有了这一前提，本书是理解机器学习背后原理的最佳著作之一。国内译版名为《深入理解机器学习:从原理到算法》。
█《Deep Learning Tutorial》
作者：蒙特利尔大学 LISA 实验室
未正式出版的手册，也因此没有中文译本。对于使用 Theano 的深度学习开发者，这本教程是必读。
下载地址：http://deeplearning.net/tutorial/deeplearning.pdf
█《Scikit-Learn Tutorial: Statistical-Learning for Scientific Data Processing》
作者：Andreas Mueller
又是一个未出版的教程，讲解用于统计推断的机器学习技巧。
下载地址：http://gael-varoquaux.info/scikit-learn-tutorial/
在上述书籍之外，倒还有几本不错的机器学习和统计领域的免费电子书。但雷锋网此前盘点过的，本文不再重复。请参考此前文章：最近很火的《计算机科学的数学》是本什么样的书？。
另外，更全面的机器学习外文书籍盘点，请看：机器学习漫游指南 最完整的入门书单（外文版）。
