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
下载: https://pan.baidu.com/s/1kS1PAZr1HiYuJa9USW6bQQ
提取码: 2wa8
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；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。
学习机器学习时，国外有很多教程讲的不错，但是提供的例子感觉总是不太合适，相比而言，国内教材中一些示例还是挺实用的，推荐一本非常好的机器学习入门和实践的书籍《机器学习—Python实践》。
学习参考：
《机器学习Python实践》PDF，227页，带目录，文字可以复制；配套源代码；作者:魏贞原
下载: https://pan.baidu.com/s/1hebUVLmNPbmsxyyp0f-P8w
提取码: v9r7
基于python3，和scikit learn框架，讲述了用python进行机器学习项目的解决方法，特别好。但是对于机器学习的理论，讲述非常浅，但是易于上手。
《机器学习—Python实践》系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验。
研究大数据和数据挖掘的都知道，并行化算法研究是大数据领域一个较为重要的研究热点。近年来国内外开始关注在 Spark 平台上如何实现各种机器学习和数据挖掘并行化算法设计。
Spark 提供了大量的库，包括SQL、DataFrames、MLlib、GraphX、Spark Streaming。 开发者可以在同一个应用程序中无缝组合使用这些库。
学习参考：
《深度实践Spark机器学习》PDF，247页，带书签目录，文字可以复制；
作者 吴茂贵等。
下载 https://pan.baidu.com/s/15l70-TlT0zomyxUroNjJCA
提取码: aab6
系统讲解了Spark机器学习的技术、原理、组件、算法，以及构建Spark机器学习系统的方法、流程、标准和规范。此外，还介绍了Spark的深度学习框架TensorFlowOnSpark，以及如何借助它实现卷积神经网络和循环神经网络。
学习机器学习时，我们一定要掌握scikit-learn的使用。推荐学习《scikit-learn机器学习常用算法原理及编程实战》，案例也采用的是中文数据，比较适用。《scikit-learn机器学习常用算法原理及编程实战》例子都比较通俗易懂，可以作为入门书，有实例代码和复习题，结合scikit和具体算例介绍机器学习的常用算法和scikit的使用，挺好的。
推荐学习：
《scikit-learn机器学习常用算法原理及编程实战》原版PDF+源代码+黄永昌
《scikit-learn机器学习常用算法原理及编程实战》原版PDF，224页，带书签目录，文字可以复制。
配套源代码。
链接: https://pan.baidu.com/s/1Kya1rK4gOj88Fx30jfrolg
提取码: bzre
《scikit-learn机器学习常用算法原理及编程实战》通过通俗易懂的语言、丰富的图示和生动的实例，拨开了笼罩在机器学习上方复杂的数学“乌云”，学习者可以较低的代价和门槛轻松入门机器学习。《scikit-learn机器学习常用算法原理及编程实战》分为11章，主要介绍了在Python环境下学习scikit-learn机器学习框架的相关知识。主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA 算法和k-均值算法等。
《深度学习：从入门到实战》以大量实战应用案例及知识模块等内容帮助机器学习领域的初、中级程序员踏实通过深度学习的技术门槛，切实提升开发技能，积累开发经验。
《深度学习：从入门到实战》中文PDF，314页，有书签，文字可以复制。
配套源代码。作者：高志强，黄剑，李永，刘明明
下载: https://pan.baidu.com/s/11nqc5JtoobSjxXzFPFly4Q
提取码: x64p
《深度学习：从入门到实战》应用案例丰富，深入浅出地解析深度学习的方法论和深度学习实战应用。详细讲述了深度学习中涉及的神经网络基础知识、方法论解析与核心技术；同时从12个落地实践角度阐述了深度学习的实践应用。《深度学习：从入门到实战》所有案例的代码程序均可以运行，按照相应说明，即可得到预期效果。
原文地址：https://www.cnblogs.com/gaomengyue/p/10872938.html