《Python机器学习第2版》+PDF中文 +PDF英文 +代码 +Sebastian

学习数据科学的初学者，想进一步拓展对数据科学领域的认知，推荐学习《Python机器学习(第二版)》。《Python机器学习(第二版)》将机器学习背后的基本理论与应用实践联系起来，聚焦于如何正确地提出问题、解决问题，能帮助了解如何使用Python解决数据中的关键问题。

《Python机器学习(第2版)》介绍如何用Python和基于Python的机器学习软件库进行实践，对机器学习概念的必要细节进行讨论，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供直观且翔实的解释，是Python机器学习入门必读之作。

学习参考：

《Python机器学习(第2版)》中文PDF，706页，带书签目录，文字可以复制。

《Python机器学习(第2版)》英文PDF，850页，带书签目录，文字可以复制。

配套源代码。作者: 塞巴斯蒂安·拉施卡(Sebastian Raschka)；译者: 陈斌

链接：https://pan.baidu.com/s/1DHm2WfOP73PNgbzyvKfNMA

提取码：66up

学习内容：探索并理解数据科学、机器学习与深度学习的主要框架；通过机器学习模型与神经网络对数据提出新的疑问；在机器学习中使用新的Python开源库的强大功能；掌握如何使用TensorFlow库来实现深度神经网络；

在可访问的Web应用中嵌入机器学习模型；使用回归分析预测连续目标的结果；使用聚类发现数据中的隐藏模式与结构；使用深度学习技术分析图片；使用情感分析深入研究文本与社交媒体数据。

第2版进行了大量更新和扩展，纳入最近的开源技术，包括scikit-learn、Keras和TensorFlow，提供了使用Python构建高效的机器学习与深度学习应用的必要知识与技术。

学习内容：

探索并理解数据科学、机器学习与深度学习的主要框架；

通过机器学习模型与神经网络对数据提出新的疑问；

在机器学习中使用新的Python开源库的强大功能；

使用回归分析预测连续目标的结果；

使用深度学习技术分析图片；

使用情感分析深入研究文本与社交媒体数据。

另推荐机器学习入门书《Python机器学习基础教程》是由scikit-learn库核心贡献者所写，介绍了很多经典机器学习算法。

链接：https://pan.baidu.com/s/1UeWXaVxHUnX8wX0jYEWYYA

提取码：txz7

主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。