Springer（施普林格）是一个于 1842 年在德国柏林成立的品牌，是德国最大的出版商之一。最近，Springer在开放平台上公布了407本科技科学方面的教材，在此分享。 LINK

当然，我没有全部下载，也没有计划下载。 否则我可能真的不会去读这些书。 以下是我编辑整理的一个书单。

我的清单将非常偏向于：

1. 我喜欢的主题
2. 我喜欢的作者
3. 我想学习的东西，有时只有几章

Trevor Hastie 和 Robert Tibshirani 系列

1. The Elements of Statistical Learning Data Mining, Inference, and Prediction by Trevor Hastie, Robert Tibshirani and Jerome Friedman

2. An Introduction to Statistical Learning with Applications in R by Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani

就算你错过其余400本书, 都不能不读这两本书。我建议先阅读“The Elements of Statistical Learning”：易于理解，有清晰的定义和插图。然后再读“ An Introduction to Statistical Learning with Applications in R”，有一些重叠, 更多的是R的示例，这使阅读和练习变得非常容易。 Robert Tibshirani是我的统计学u偶像之一。对于使用LASSO回归的任何人， 他写的Regression Shrinkage and Selection via the Lasso是必读。

最爱概率论

关于概率论, 我推荐如下几本教材. 个人比较喜欢Achim Klenke的结构.

1. Probability theory by Alexandr A. Borovkov

2. Probability theory by Achim Klenke

3. Probability by Alan Karr (1993). 这本书是我的最爱之一, 可惜现在不免费.

4. Bayesian Essentials with R by Jean-Michel Marin and Christian P. Robert. 这本书里有很多有用的例题.

AI = ML + DS

1. Computer Vision Algorithms and Applications by Richard Szeliski

2. Introduction to Data Science A Python Approach to Concepts, Techniques and Applications by Laura IgualSanti Seguí

实际上，这个课题上真的很难挑出最值得推荐的书。此外, 这个书单包括了另外65本关于数据和机器学习领域相关的好书。 LINK

生命科学

基因组学

1. Phylogenomics – An Introduction by Christoph Bleidorn. 作为一本介绍类丛书, 我很推荐这本书. 此书包含了很多基础的生物化学过程的阐释, 通过生动的插图来体现.

1. Bioinformatics for Evolutionary Biologists – A Problems Approach by Bernhard Haubold and Angelika Börsch-Haubold. 与上一本书相比，这本书更实用。对于干实验室的人来说，这是一个很好的指南，其中包含许多命令行示例。

2. Human Chromosomes by Orlando J. Miller and Eeva Therman. 这本书写于2001年，那时我们才进入基因组时代。关于人类基因组/染色体的一本好的生物学教科书。推荐!

3. Applied bioinformatics – An Introduction by Paul M. Selzer, Richard J. Marhöfer and Oliver Koch. 与其他生物信息学相比，该书有许多示例，并与Web界面工具链接。湿实验室科学家掌握一些生物信息学技能的实用指南。我希望作者能继续写, 还有很多其他有意思的题目。

临床医学

1. Fundamental of clinical trials by Lawrence M. Friedman, Curt D. Furberg, David L. DeMets, David M. Reboussin and Christopher B. Granger. 很好的书。主题涵盖从队列选择，研究设计到数据分析和法规问题. 必读!

2. Survival analysis by David G. Kleinbaum and Mitchel Klein. 关于生存分析和cox模型的更深入的书。实用的两列布局：左侧的图形和表格，右侧的文本。必须读的书之一！我考虑买一本印刷本！

3. From Ton J. Cleophas and Aeilko H. Zwinderman. 以下三本书非常简短，涵盖了许多主题和示例。建议快速浏览而已。

• Statistical Analysis of Clinical Data on a Pocket Calculator by Ton J. Cleophas and Aeilko H. Zwinderman.

• Clinical Data Analysis on a Pocket Calculator Understanding the Scientific Methods of Statistical Reasoning and Hypothesis Testing by Ton J. Cleophas and Aeilko H. Zwinderman.

• Machine Learning in Medicine - a Complete Overview by Ton J. Cleophas and Aeilko H. Zwinderman. 就像书名一样, 这是概述，仅概述！提供了许多示例，但有些示例的样本量较小。

其他有用的书籍

1. Data Structures and Algorithms with Python by Kent D. Lee and Steve Hubbard. 对于计算机科学来说，这是一个很好的起点。它有一些不错的插图和公式来说明原因。

2. Object-Oriented Analysis, Design and Implementation by Brahma Dathan and Sarnath Ramnath. 我是一个 C++/C/python/R 程序员, 通过此书学习java.

3. LaTeX in 24 Hours by Dilip Datta. 绝对要把这个书推荐给硕士和博士学生，这将节省您撰写论文和谷歌搜索的大量时间。即使拥有13年的Latex经验的我，在翻阅本书仍能学到很多东西。

浅尝金融数学

我有那么多朋友从生物信息学和金融学转向。我只想知道我在这里错过了什么。 :)

1. Introduction to Time Series and Forecasting by Peter J. Brockwell and Richard A. Davis. This is an actually quite good stats textbook.

2. Principles of Microeconomics An Integrative Approach by Martin Kolmar.

3. Applied quantitative finance by Wolfgang Karl Härdle, Cathy Yi-Hsuan Chen and Ludger Overbeck