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。