代碼和概念第一（code and concepts)

然后再需要的時候用數(shù)學(xué)來填補空白（math)

1、第一款人類機器學(xué)習 、

<number one machine learning for humans 》

by vishalMani /SemereSare

shah 和Samer設(shè)法計算出了一套關(guān)于機器學(xué)習所有主要主題的非常漂亮且完美的解釋結(jié)合，并集中書寫在這本96頁的書中， (含監(jiān)督學(xué)習，非監(jiān)督學(xué)習，強化學(xué)習，深度學(xué)習，神經(jīng)網(wǎng)絡(luò)）

晚上免費閱讀。

很全面的書，無論對初學(xué)者還是從業(yè)者都很有幫助。

2、利用 Python 進行數(shù)據(jù)分析 · 第 2 版

《python for data analysis》

by wesMckinne韋斯麥金尼

非常不錯的 Python 數(shù)據(jù)分析入門系統(tǒng)教程,值得入手，本書由 Python pandas 項目創(chuàng)始人Wes McKinney 親筆撰寫，詳細介紹利用 Python 進行操作、處理、清洗和規(guī)整數(shù)據(jù)等方面的具體細節(jié)和基本要點。第 2 版針對 Python 3.6 進行全面修訂和更新，涵蓋新版的 pandas、NumPy、IPython 和 Jupyter，并增加大量實際案例，可以幫助你高效解決一系列數(shù)據(jù)分析問題。

本書最大的特點是通過介紹 Python 編程和用于數(shù)據(jù)處理的庫和工具環(huán)境，可以讓你成為一個數(shù)據(jù)分析專家。雖然本書的標題是“數(shù)據(jù)分析”，重點卻是 Python 編程、庫，以及用于數(shù)據(jù)分析的工具。這就是數(shù)據(jù)分析要用到的 Python 編程。

(作為一名機器學(xué)習工程師，大部分時間都會華仔處理數(shù)據(jù)，分析數(shù)據(jù)以及為建模做準備上。99%的時間可能都會用pandas來做這些事情。)

如果你先計入數(shù)據(jù)科學(xué)或機器學(xué)習，你必須知道如何處理數(shù)據(jù)。

3《hands on Machine Learning with scikit learn&tensorflow》

為了去更新最好的機器學(xué)習技術(shù)，

告訴你如何著手利用scikit learn and tensorflow去堅決相關(guān)問題，這兩者都是最有用的機器學(xué)習庫

model it（建模）

4、《deep learning》深度學(xué)習

by andrew triask

（可以在網(wǎng)上免費閱讀）

此書還在更新中，作者還沒寫完

TenrencePark(泰倫斯帕克）杰里米（Jeremy)任教的一所大學(xué)的計算機科學(xué)教授

5、《machine learning》機器學(xué)習

by AndreBerkov（100頁）

機器學(xué)習入門手冊，告訴你什么是機器學(xué)習。

6、《deep learning》深度學(xué)習

by Earn goodfellow Benjo and Aron Courville

,由谷歌大腦團隊科學(xué)家Ian?Goodfellow, Yoshua Bengio and Aaron Courville撰寫

(在網(wǎng)上免費閱讀）

如果你要更上一層樓，這本書就有用武之地了

特別是數(shù)學(xué)，這是長期知識

因為代碼框架工作，語言等會更新迭代

（code,frame works,languages）

halgorithms(算法） data （數(shù)據(jù)）model（建模）