机器学习资源

1. 机器学习实战：基于Scikit-Learn和TensorFlow   书籍

2. Andrew Ng在Coursera上的机器学习课程（https://www.coursera.org/learn/machine-learning/），

   Geoffrey Hinton的神经网络和深度学习课程（https://www.coursera.org/learn/neural-networks），

   需要大量投入时间，起码几个月的时间。

3. 机器学习网站，Scikit-learn用户指南（http://scikit-learn.org/stable/user_guide.html），

   Dataquest(https://www.dataquest.io)，提供了非常好的交互教程；

  机器学习博客，Quora（https://goo.gl/GwtU3A），深度学习网站上列出的资源列表（http://deeplearning.net）；

4. Joel Grus的数据科学入门，介绍了机器学习的基础知识，并用纯Python实现了一些主要算法（顾名思义，从0开始）。

5. Stephen Marsland写的Machine Learning: An Algorithmic Tespective(Chapman & Hall出版)。本书是对机器学的一个很好的介绍，涵盖了广泛的主题，书中的实例使用了Python代码（也是从0开始，但是使用了numpy）。

6. Sebastian Raschka写的Python Machine Learning(Pack出版)，本书对机器学习有一个很好的介绍，它使用了一些python开源库（如Pylearn2 和 Theano）。

7. Yaser S.Abu-Mostafa，Malik Magdon-Ismail和Hsuan-Tien Lin和写的，Learning from Data(AMLBook出版)。对于机器学习来说，这是一个相当理论化的方法，这本书提供了深刻见解吗，特别是对偏差/方差权衡部分。

8. Stuart Russell和Peter Norvin合著的A Modern Approach，3rd（Pearson出版）。这是一本很好的，也是很厚的书，涵盖了包括机器学习再被的大量主题，可以帮助我们正确地看待和理解机器学习。

9. 机器学习非常的学习方式是加入机器学习竞赛网站，比如Kaggle.com。允许通过解决显示世界中的问题来练习你的技能，而且很多顶级的机器学习专家会帮助你。