机器学习、深度学习与自然语言处理领域推荐的书籍列表 是笔者 Awesome Reference 系列的一部分；对于其他的资料、文章、视频教程、工具实践请参考面向程序猿的数据科学与机器学习知识体系及资料合集。本文算是抛砖引玉，笔者最近有空就会在 Pad 上面随手翻阅这些书籍，希望能够了解其他优秀的书籍。

2017 年即将结束，又到了总结的时刻。作者把范围限定为机器学习，盘点了 2017 年以来最受欢迎的十大 Python 库；同时在这十个非常流行与强大的 Python 库之外，本文还给出了一些同样值得关注的 Python 库，包括 PyVips 和 skorch 等。

我认为李老师的课程风格风趣幽默而又非常负责，既能融入Pokemon等有趣的applications，也会用十几张PPT来细致地推导公式算法。 非常推荐大家用李宏毅老师的课程来入门，特别是对英语基础不够扎实的同学，当然主流Coursera、Udacity的课程也是非常专业而全面的。

这是本人在知乎上翻译的文章， 陆续更新中，现在搬运到掘金上来。 在这一系列文章中，你将学到深度学习的一些基本概念以及TensorFlow的使用，并完成手写体数字识别、图像分类、迁移学习、Deep Dream、风格迁移和强化学习等项目。 github上的Python NoteBoo…

这篇文章为大家整理出 370 门精选的免费高质量编程计算机科学类的课程（涵盖程序语言、人工智能、深度学习与机器学习等热门话题）。这 370 门课程是从 Class Central 数据库里面的 7000 门课程挑选出来的，每个课程的 Rating（评价）也是由该网站上获取下来的平均值。

我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。

利用Python机器学习框架scikit-learn，我们自己做一个分类模型，对中文评论信息做情感分析。其中还会介绍中文停用词的处理方法。 前些日子，我在微信后台收到了一则读者的留言。 我一下子有些懵——这怎么还带点播了呢？ 但是旋即我醒悟过来，好像是我自己之前挖了个坑。 …