一、免费书籍随意读：

1．《深度学习之美：AI时代的数据处理与最佳实践》

本书作者张玉宏博士在阿里云云栖社区为读者免费呈现部分书中文字：

 

一入侯门“深”似海，深度学习深几许（深度学习入门系列之一）

人工“碳”索意犹尽，智能“硅”来未可知（深度学习入门系列之二）

神经网络不胜语， M-P模型似可寻（深度学习入门系列之三）

“机器学习”三重门，“中庸之道”趋若人（深度学习入门系列之四）

Hello World感知机，懂你我心才安息(深度学习入门系列之五)

损失函数减肥用，神经网络调权重（深度学习入门系列之六）

山重水复疑无路，最快下降问梯度（深度学习入门系列之七）

BP算法双向传，链式求导最缠绵（深度学习入门系列之八）

全面连接困何处，卷积网络见解深（深度学习入门系列之九）

卷地风来忽吹散，积得飘零美如画（深度学习入门系列之十）

局部连接来减参，权值共享肩并肩（深度学习入门系列之十一）

激活引入非线性，池化预防过拟合（深度学习入门系列之十二）

循环递归RNN，序列建模套路深（深度学习入门系列之十三）

LSTM长短记，长序依赖可追忆（深度学习入门系列之十四）

 

云栖专题地址：https://yq.aliyun.com/topic/111。如果阅读后你对本书有些好感，可以移驾前往各大电商平台购买，本书正在火爆预售中！有兴趣可以点击，天猫链接购买！记得来云栖社区可以体验“先尝后买”！

2．实用好书免费读：数据科学与命令行《Data Science at the Command Line》by Jeroen Janssens

书中代码地址：https://github.com/jeroenjanssens/data-science-at-the-command-line

3．面向数据科学的Python数值计算/机器学习算法之旅：《Python's tours - A Numerical Tour of Data Science》

4．Python机器学习笔记/教程《Practice and tutorial-style notebooks covering wide variety of machine learning techniques》by Tirthajyoti Sarkar GitHub地址: 

https://github.com/tirthajyoti/PythonMachineLearning

5．免费电子书：AI文集《Artificial Inteligence | GitBook》by Leonardo Araujo dos Santos

6．用python进行深度学习《deep-learning-with-python》

7．新书草稿：机器学习数学基础《Mathematics for Machine Learning》by Marc Peter Deisenroth，A Aldo Faisal, and Cheng Soon Ong (Cambridge 2018) GitHub地址:https://mml-book.github.io/

8．(R语言)统计与数据科学导论《An Introduction to Statistical and Data Sciences via R》by Chester Ismay and Albert Y. Kim (2017)

9．免费书：用实用方法讲授Python基础知识《Getting up to speed with Python: a book for self-learners》 by João Ventura GitHub地址:https://github.com/joaoventura/full-speed-python

10．《scikit-learn(sklearn) 官方文档中文版》

http://sklearn.apachecn.org/

11．新书草稿：机器学习数学基础《Mathematics for Machine Learning》by Marc Peter Deisenroth, A Aldo Faisal, and Cheng Soon Ong (Cambridge 2018)

12．新书：Python机器学习方案手册《Machine Learning with Python Cookbook》by Chris Albon (O'Reilly 2018) 

https://www.safaribooksonline.com/library/view/machine-learning-with/9781491989371/

http://shop.oreilly.com/product/0636920085423.do

13．免费书：R语言机器学习导论《An Introduction to Machine Learning with R》by Laurent Gatto (2017) 

14．书稿：特征工程与特征选择——实用预测模型方法《Feature Engineering and Selection: A Practical Approach for Predictive Models》by Max Kuhn, Kjell Johnson

15．深度学习教材——麻省理工学院出版社（2016）

16. 由社区协同编写的算法书《The Arcane Algorithm Archive》

二．学习代码看这里

1．深度学习框架PyTorch：入门与实践书中代码：by Yun Chen.GitHub地址:https://github.com/chenyuntc/PyTorch-book

2．《R语言深度学习》随书代码《R Markdown Notebooks for "Deep Learning with R"》 GitHub地址:

https://github.com/jjallaire/deep-learning-with-r-notebooks

3．21个项目玩转深度学习——基于TensorFlow的实践详解配套代码 by Zhi yuan He GitHub地址:

https://github.com/hzy46/Deep-Learning-21-Examples

4．数据科学家Python手册：Python基础/数据结构/流程与函数/NumPy/Pandas《Python for Data Scientists》by Stephen Rimac GitHub:

5．160+道算法与数据结构练习题(C++)《160+ Algorithm & Data Structure Problems using C++》by Ravi Mandliya GitHub地址:

https://github.com/mandliya/algorithms_and_data_structures

三、数据集集合随意用

1．深度学习探险：最新深度学习文献、框架和资源集合：《Adventures in deep learning-State-of-the-art Deep Learning publications, frameworks & resources》by Grigorios Kalliatakis GitHub地址:

https://github.com/GKalliatakis/Adventures-in-deep-learning

2．中文文本项目：一个在线开放式数字图书馆，为全世界的读者和研究人员提供前现代化的中文文本。“中国文字计划”拥有三万多个标题，五十多亿字，是现存中国文字的最大数据库《Chinese Text Project》

3．医疗领域机器学习数据集列表《Medical Data for Machine Learning》by Andrew L. Beam GitHub地址:

https://github.com/beamandrew/medical-data

4．(又一个)自然语言处理(NLP)数据集列表《nlp-datasets - Alphabetical list of free/public domain datasets with text data for use in Natural Language Processing (NLP)》by Nicolas Iderhoff GitHub地址:

https://github.com/niderhoff/nlp-datasets

5. 自然语言SQL生成数据集(自然语言&SQL查询问题对)《text2sql-data - A collection of datasets that pair questions with SQL queries.》 by Jonathan Kummerfeld  GitHub地址: 

https://github.com/jkkummerfeld/text2sql-data

6．股价与推特数据集《stocknet-dataset - A comprehensive dataset for stock movement prediction from tweets and historical stock prices.》by Yumo Xu GitHub地址:

https://github.com/yumoxu/stocknet-dataset

7.数据集大全：25个深度学习的开放数据集

四、其他学习材料

程序员技术进阶手册（一）

程序员技术进阶手册（二）

请收下这份关于人工智能的根目录——博客整理系列（一）

关于数据科学的那些事——博客整理系列（二）

机器学习必备手册——博客整理系列（三）

扩展眼界的都在这——博客整理系列（四）

深度学习必备手册（上）——博客整理系列（五）

深度学习必备手册（下）——博客整理系列（六）

1．神经网络和深度学习学习材料：

http://neuralnetworksanddeeplearning.com/

https://github.com/mnielsen/neural-networks-and-deep-learning

2．NumPy学习资源精选《NumPy and Linear Algebra | Navigating ML》

3．Pandas速查：DataFrame基础《Python Pandas: DataFrame Basics》by Prince Grover

https://nbviewer.jupyter.org/github/groverpr/learn_python_libraries/blob/master/pandas/pandas_cheatsheet.ipynb

4．‘CS224n深度学习自然语言处理’课程设计报告集锦(2018)《CS224n: Natural Language Processing with Deep Learning》

https://pan.baidu.com/s/11GVP-sROd5KOItL9CRn7vw

本文由云栖社区翻译小组整理,感谢微博爱可可老师及云栖社区张玉宏老师分享！