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？
出于许多充分的原因，许多高质量的机器学习教育资源往往对理论非常关注，尤其是在最开始打基础的时候。但是，现在的风气似乎变成了一开始就为了实践应用而学习。不过万幸，随着各种资源的进步，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，各种特定的深度学习框架，这些资源都是免费的。
1. 初学者机器学习教程
作者：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。
本教程非常重要，可以直接用Python库实现机器学习算法。它还涵盖了一些数据清理和 Pandas 操作，以及一些数据库可视化。
2. 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。
3. 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，从现成的库到各种机器学习的模型。
这些实现相对比较容易，当想要实现自己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量优化，提高算法计算效率；而是以透明的可访问的方式展示其内部的运作。
4. Deep Learning - The Straight Dope
一本关于深度学习的互动资料，容易上手，很秀。
这本在线书籍做了两件事：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。
5. fast.ai 实用深度学习
fast.ai 刚刚重新发布了实用的深度学习 MOOC。最明显的变化是这个 MOOC 现在正在使用PyTorch 和他们自己的 fast.ai 高层次深度学习框架。
学习如何建立最先进的模型，哪怕你没有研究生水平的数学基础也没关系。哦对了，它是完全免费的，还有一个活跃的学习者社区。
另外推荐一个中文资源（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 合力打造。
Deep Learning 中文版在 Github 开源，你可以直接前往阅读、下载，译者建议「读者可以以中文版为主、英文版为辅来阅读学习」。
英文原文：5 Fantastic Practical Machine Learning Resources
推荐阅读：2017 年最推荐的五篇深度学习论文
网友评论