扇贝python课程免费_GitHub热榜第四！这套Python机器学习课，免费获取还易吸收 | 资源...

刚刚，又一个机器学习人气课程冲上GitHub热榜，一天之内新增了近700 star，一下子登上热榜第四。

这套课程名为A Machine Learning Course with Python（Python机器学习课程），其介绍中只有一句话：

这是一套容易理解并且简单的Python机器学习课。

入门级资源、门槛降到最低，这在不少网友心里种了草，推特网友纷纷转推，表示期待着有空好好学习一下。

里面都有啥？

“容易理解”的flag绝对不是白立的，从课程设置上就能看出，里面的内容绝对友好了。

这套资源主要在解决四个问题：

机器学习的定义是什么？

什么时候开始流行，发展趋势是什么？

机器学习的类别都有哪些？

最常见的机器学习算法以及如何实现它们？

针对这些问题，这套课程的设置了如下目录，共分为三章：

前言

机器学习概览

第一章：核心概念

交叉验证

线性回归

过拟合和低度拟合

正则化

第二章：监督学习

逻辑回归

朴素贝叶斯分类

决策树

K-近邻

线性支持向量机

第三章：监督学习

聚类

主成分分析

第四章：深度学习

多层感知机

卷积神经网络

自编码器

不要看到这些专业词汇就被绕晕了，别忘了这可是套小白可食用的入门课。在每一个小节之后，都又细分出了更多小单元。比如在逻辑回归这一节：

包含了逻辑回归的简略介绍：

使用方法：

然后才是需要一些门槛的数学原理：

最后，还附上了相关案例及其代码，绝知此事要躬行：

虽然这套课程中没有视频，但里面用到了大量的动图元素方便理解，选择省流量课程的好去处。

关键是，它还完全免费呢。

机不可失，失不再来↓↓

传送门

课程直通车：

https://machine-learning-course.readthedocs.io/en/latest/index.html

Github地址：

https://github.com/machinelearningmindset/machine-learning-course