五個很是實用的機器學習資源

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？

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。

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。

一、初學者機器學習教程

做者：Kaggler Kaan Can

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。

二、Python 機器學習（第二版）代碼庫

這是 Sebastian Raschka 和 Vahid Mirjalili 合著的精彩書籍「Python Machine Learning (2nd Ed.)」的 code repository。

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。

三、機器學習從零開始

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。

原文：5 Fantastic Practical Machine Learning Resources

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」。