簡評:介紹了五個實用的機器學習資源,由淺入深,理論和實踐結合,資料是英文。(「python 機器學習」有中文版的書籍,另外園長在文末推薦了一個實用的中文資源)
對機器學習有興趣?html
出於許多充分的緣由,許多高質量的機器學習教育資源每每對理論很是關注,尤爲是在最開始打基礎的時候。可是,如今的風氣彷佛變成了一開始就爲了實踐應用而學習。不過萬幸,隨着各類資源的進步,理論和實踐也隨之融合的更加緊密。本文就介紹了五本這樣的書。python
它們涵蓋了機器學習的基礎知識,從零開始編程以計算法,各類特定的深度學習框架,這些資源都是免費的。git
一、初學者機器學習教程github
做者:Kaggler Kaan Can算法
本教程中,我不但要讓你學會機器學習,也要讓你學會如何自學。
本教程很是重要,能夠直接用Python庫實現機器學習算法。它還涵蓋了一些數據清理和 Pandas 操做,以及一些數據庫可視化。數據庫
這是 Sebastian Raschka 和 Vahid Mirjalili 合著的精彩書籍「Python Machine Learning (2nd Ed.)」的 code repository。網絡
注意:這些只是代碼示例就是書中的那些,我上傳是爲了你更方便學習;這些筆記要配合書中的公式和描述性文字使用。
Python Machine Learning 是我最喜歡的實用的機器學習書籍。框架
三、機器學習從零開始機器學習
這個 Github 庫內有大量的機器學習 python 算法的實現,由淺入深,從現成的庫到各類機器學習的模型。
這些實現相對比較容易,當想要實現本身的算法或更好地學習它們的功能時,這個庫是一套很好的學習資料。
這個項目不是爲了儘可能優化,提升算法計算效率;而是以透明的可訪問的方式展現其內部的運做。
四、Deep Learning - The Straight Dope
一本關於深度學習的互動資料,容易上手,很秀。
這本在線書籍作了兩件事:它向讀者介紹機器學習的基礎知識和深度學習理論,並讓他們用大量的代碼實現這些想法。具體而言,本書的代碼是用 Python 編寫的,並使用 MXNet 庫及其高級別的 Gluon API。
五、fast.ai 實用深度學習,第 1 部分(2018 年版)
fast.ai 剛剛從新發布了實用的深度學習 MOOC。最明顯的變化是這個 MOOC 如今正在使用PyTorch 和他們本身的 fast.ai 高層次深度學習框架。
學習如何創建最早進的模型,哪怕你沒有研究生水平的數學基礎也不要緊。哦對了,它是徹底免費的,還有一個活躍的學習者社區。
園長:我推薦一箇中文資源(有實體書和 GitHub 開源版本)。
《Deep Learning》(深度學習)是一本皆在幫助學生和從業人員進入機器學習領域的教科書,以開源的形式免費在網絡上提供,這本書是由學界領軍人物 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 協力打造。
Deep Learning 中文版在 Github 開源,你能夠直接前往閱讀、下載,譯者建議「讀者能夠以中文版爲主、英文版爲輔來閱讀學習」。