[活动] 机器学习入门资源，强烈推荐初学者学习！

机器学习是计算机科学与人工智能的重要分支领域，它是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

移动物联网、人工智能的迅速发展，让我们迎来了大数据时代，有许多优势促使机器学习得到了广泛应用，同时吸引了更多人关注和学习这门学科。

本文集从机器学习基础入手，旨在帮助机器学习的初学者能够基于理论实现并使用机器学习系统。

机器学习数学和编程基础
入门机器学习并不是一件轻松的事，没有捷径可言。初学者既要有数学基础，还要会编程，特别是一些经典的英文书籍，一定要看。

• 数学之美（第2版）吴军
• 托马斯微积分（第10版）
• 线性代数及其应用（原书第3版）
• Introduction to Linear Algebra, 4th edition（线性代数，第4版 英文）
• 统计学习方法（李航）
• An Introduction to Statistical Learning: with Applications in R（统计学习导论，英文原版）
• The Elements of Statistical Learning: Data Mining,Inference,and Prediction，Second Edition（统计学基础，英文原版）
• Mathematics for Machine Learning（机器学习数学基础，英文原版）
• Python基础教程(第3版)
• Python编程：从入门到实践
• Python编程导论(第2版)
• Python机器学习基础教程
• R语言简介（R语言笔记：数据分析与绘图的编程环境）
• 机器学习与R语言
• 集体智慧编程
• 编程珠玑（第2版）

机器学习理论及算法
理论和算法是机器学习的核心。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法，机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

• 算法导论（原书第3版）
• Introduction to Algorithms（Third Edition）
• 机器学习(美)Tom Mitchell 中文
• 机器学习导论（原书第2版）
• 机器学习（西瓜书）周志华
• 图解机器学习（杉山将）
• Understanding Machine Learning：From Theory to Algorithms(深入理解机器学习：从原理到算法)
• 机器学习：实用案例解析
• 机器学习实战（Machine Learning in Action 中文版）
• Machine Learning in Action（Peter Harrington）
• 机器学习实战：基于Scikit-Learn和TensorFlow（英文版）
• 精通机器学习：基于R（第2版）
• R语言实战：机器学习与数据分析
• 神经网络与机器学习（原书第3版）
• Python机器学习及实践-从零开始通往Kaggle竞赛之路
• 机器学习实践指南：案例应用解析（第2版）
• 百面机器学习：算法工程师带你去

即日起至2021年4月28日，限时免积分下载！一键下载 → 

下载来看看，谢谢啦！！