最近學習的過程中發現了一些不錯的開源資源，分享給大家，可以直接通過開源鏈接下載。

本文作為資料筆記，將長期更新。

公眾號：煉丹筆記

機器學習導論

威斯康辛大學的助理教授Sebastian Raschka的《Introduction to Machine Learning》，包括視頻、筆記等。

筆記地址：https://github.com/rasbt/stat451-machine-learning-fs20

課程地址：https://sebastianraschka.com/resources/ml-lectures-1.html

統計學習導論

斯坦福經典教材《The Element of Statistical Learning》Python版，這本書介紹了神經網絡、支持向量機、分類樹、boosting方法、圖模型、隨機森林、集成方法、最小角度回歸、路徑算法、非負矩陣分解、譜聚類等機器學習算法，機器學習算法全貌在這本統計學習方向的“圣經”里一覽無余。

資源地址：https://github.com/hardikkamboj/An-Introduction-to-Statistical-Learning

視頻地址：https://www.bilibili.com/video/BV11t411A7Ym

決策算法

斯坦福大學的 Mykel J. Kochenderfer 、Tim A. Wheeler、Kyle H. Wray等人的《Algorithms for Decision Making》一書介紹了在不確定情況下最佳決策的相關內容，涵蓋了與決策相關的各種主題、數學命題公式和解決算法，并提供了圖、示例和練習題來幫助加深認知。

書籍地址：https://algorithmsbook.com/files/dm.pdf

從零開始機器學習

這是一位哈佛大學畢業生Danny Friedman根據自己機器學習入門過程寫成書，涵蓋了機器學習領域最常見的方法，從概念、方法、實現三個角度進行了機器學習算法的介紹，同時配上了可視化代碼，適用于入門級學習者。

現代C++教程

傳送門：https://github.com/changkun/modern-cpp-tutorial

總結

以上是生活随笔為你收集整理的机器学习入门开源资料的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。