五个很是实用的机器学习资源

简评：介绍了五个实用的机器学习资源，由浅入深，理论和实践结合，资料是英文。（「python 机器学习」有中文版的书籍，另外园长在文末推荐了一个实用的中文资源）

对机器学习有兴趣？

出于许多充分的缘由，许多高质量的机器学习教育资源每每对理论很是关注，尤为是在最开始打基础的时候。可是，如今的风气彷佛变成了一开始就为了实践应用而学习。不过万幸，随着各类资源的进步，理论和实践也随之融合的更加紧密。本文就介绍了五本这样的书。

它们涵盖了机器学习的基础知识，从零开始编程以计算法，各类特定的深度学习框架，这些资源都是免费的。

一、初学者机器学习教程

做者：Kaggler Kaan Can

本教程中，我不但要让你学会机器学习，也要让你学会如何自学。

本教程很是重要，能够直接用Python库实现机器学习算法。它还涵盖了一些数据清理和 Pandas 操做，以及一些数据库可视化。

二、Python 机器学习（第二版）代码库

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

注意：这些只是代码示例就是书中的那些，我上传是为了你更方便学习；这些笔记要配合书中的公式和描述性文字使用。

Python Machine Learning 是我最喜欢的实用的机器学习书籍。

三、机器学习从零开始

这个 Github 库内有大量的机器学习 python 算法的实现，由浅入深，从现成的库到各类机器学习的模型。

这些实现相对比较容易，当想要实现本身的算法或更好地学习它们的功能时，这个库是一套很好的学习资料。

这个项目不是为了尽可能优化，提升算法计算效率；而是以透明的可访问的方式展现其内部的运做。

四、Deep Learning - The Straight Dope

一本关于深度学习的互动资料，容易上手，很秀。

这本在线书籍作了两件事：它向读者介绍机器学习的基础知识和深度学习理论，并让他们用大量的代码实现这些想法。具体而言，本书的代码是用 Python 编写的，并使用 MXNet 库及其高级别的 Gluon API。

五、fast.ai 实用深度学习，第 1 部分（2018 年版）

fast.ai 刚刚从新发布了实用的深度学习 MOOC。最明显的变化是这个 MOOC 如今正在使用PyTorch 和他们本身的 fast.ai 高层次深度学习框架。

学习如何创建最早进的模型，哪怕你没有研究生水平的数学基础也不要紧。哦对了，它是彻底免费的，还有一个活跃的学习者社区。

原文：5 Fantastic Practical Machine Learning Resources

园长：我推荐一个中文资源（有实体书和 GitHub 开源版本）。

《Deep Learning》（深度学习）是一本皆在帮助学生和从业人员进入机器学习领域的教科书，以开源的形式免费在网络上提供，这本书是由学界领军人物 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 协力打造。

Deep Learning 中文版在 Github 开源，你能够直接前往阅读、下载，译者建议「读者能够以中文版为主、英文版为辅来阅读学习」。