Uma visão geral do programa desse curso está descrita nessa resposta.
As referências estão abaixo divididas em tópicos. É válido mencionar que nem todas as referências são usadas em todas as versões do curso, visto que sendo um curso optativo alguns dos tópicos são optativos e não são discutidos todo semestre. Logo, eu marquei com uma estrela aquelas que são usadas em todas as versões do curso.
Python
Think Python
Pro Python - Martin Alchin
Ciência popular (sugestões de leitura)
\(\star\) Nine Algorithms That Changed the Future: The Ingenious Ideas That Drive Today's Computers Hardcover - John MacCormick
\(\star\) In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation - William J. Cook
\(\star\) Algorithms to live by - Brian Christian and Tom Griffiths
\(\star\) Everything Is Obvious: How Common Sense Fails Us Paperback -
Duncan J. Watts
Classical
Vision - David Marr
Análise Funcional útil para vários tópicos:
Introductory funcional analysis with applications - Erwin Kreyszig
Métodos numéricos e computacionais em Economia:
\(\star\) Numerical Methods in Economics - Kenneth L. Judd (Author)
\(\star\) Quantitative Economics with Python - Thomas Sargent and John Stachurski
Análise numérica:
\(\star\) Analysis of Numerical Methods - Eugene Isaacson e Herbert Bishop Keller
\(\star\) Theoretical Numerical Analysis: An Introduction to Advanced Techniques
- Peter Linz
Introdução a algoritmos:
\(\star\) Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein
\(\star\) Introduction to the Design and Analysis of Algorithms - Anany Levitin
Otimização numérica:
Otimização (Volumes 1 e 2) - Alexey Izmailov e Mikhail Vladimir Solodov
Programação Dinâmica e Aprendizagem por Reforço:
Dynamic Programming and Optimal Control - Dimitri P. Bertsekas
Markov Decision Processes: Discrete Stochastic Dynamic Programming - Martin L. Puterman
Reinforcement Learning: An Introduction - Richard S. Sutton (Author) e Andrew G. Barto
Neuro-Dynamic Programming - Dimitri P. Bertsekas e John N. Tsitsiklis
Redes Complexas:
Networks: An Introduction - Mark Newman
Network Science - Albert Barabasi
Social and Economic Networks - Matthew O. Jackson
Aprendizagem de Máquinas e Deep Learning:
Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning - Alan J. Izenman.
Pattern Recognition and Machine Learning - Christopher Bishop
Machine Learning: A Bayesian and Optimization Perspective - Sergios Theodoridis
Neural Networks for Pattern Recognition - Christopher M. Bishop
Deep Learning - Yoshua Bengio, Ian Goodfellow e Aaron Courville
Dive into Deep Learning - Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola