用通俗的语言讲解涵盖算法模型的机器学习，主要内容包括机器学习通用概念、三个基本科学计算工具、有监督学习、聚类模型、降维模型、隐马尔可夫模型、贝叶斯网络、自然语言处理、深度学习、强化学习、模型迁移等。在深入浅出地解析模型与算法之后，介绍使用Python相关工具进行开发的方法、解析经典案例，能理解、能设计、能编码、能调试，没有基础的在学习后也能够上手设计与开发机器学习产品。
推荐学习《从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战》，场景式机器学习实践，理论方面从人工智能与机器学习的基本要素讲起，逐步展开有监督学习、无监督学习、强化学习这三大类模型的应用场景与算法原理；实践方面通过金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈等案例，将机器学习应用在各行各业里，其中后三个案例使用了深度学习技术。
《从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战》PDF，369页，有目录，文字可复制；配有源代码。
下载: https://pan.baidu.com/s/1eTyELSW6n9dNffcXHw_oiQ
提取码: 65da
感觉深度学习中应用RNN实现一个写诗机器人，挺有意思，基于LSTM讲解开发步骤：网络架构、数据加载、搭建TensorFlow Graph 、解析LSTM RNN 、LSTM中的参数、用sequence_loss计算RNN损失值、学习速度可调优化器、训练、 写唐诗、用唐诗语料训练语言模型、作诗，实战性很强。
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。《Python机器学习实践指南》结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。
《Python机器学习实践指南》中文PDF，268页，带目录，彩色配图，文字可复制；英文PDF，324页，带目录，彩色配图，文字可复制；配有源代码。
下载: https://pan.baidu.com/s/183L7EG0JPf0ky8B8hx1PUA
提取码: ds6i
共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。《神经网络与机器学习》结合近年来神经网络和机器学习的最新进展，从理论和实际应用出发，全面、系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。注重对数学分析方法和理论的探讨，也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题的应用。举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析，通过大量的试验报告、例题和习题来帮助更好地学习神经网络。
《神经网络与机器学习（第3版）》中文PDF，598页，带目录；英文PDF，937页，带目录。
下载: https://pan.baidu.com/s/1s3M9o5kV-sckvOOHcQ_HCg
提取码: qe6r
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有智能的根本途径。通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。
《机器学习实践应用》高清PDF，279页，带目录和书签，彩色配图；配套源代码。
下载: https://pan.baidu.com/s/1sdvcQHO5f20E6wGX4aNl_A
提取码: 2258
《图解机器学习》用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。介绍了机器学习领域的概况；介绍了各种有监督的回归算法和分类算法；介绍了各种无监督学习算法；分介绍了机器学习领域中的新兴算法。大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。
《白话大数据与机器学习》PDF，345页，带目录和书签.
《图解机器学习》PDF，242页，带目录和书签.
下载: https://pan.baidu.com/s/1tWv89Hi2z1ICX33zIeOsrA
提取码: hd5s
《机器学习基础教程》中文PDF，202页，带目录和书签；英文PDF，428页。
下载: https://pan.baidu.com/s/1LnxmItiXnBX8dlF6G-3pEQ
提取码: g26c
《机器学习基础教程》包含了数学和统计学的核心技术，用于帮助理解一些常用的机器学习算法。展示的算法涵盖了机器学习的各个重要领域：分类、聚类和投影。对一小部分算法进行了详细描述和推导，而不是简单地将大量算法罗列出来。通过大量的MATLAB/Octave脚本将算法和概念由抽象的等式转化为解决实际问题的工具，利用它们可以重新绘制书中的插图，并研究如何改变模型说明和参数取值。
