Loading...
Loading...
AI 打孔编织图案生成器，具有颜色编码的线轴图。从文本提示或图像上传生成图案，可导出 PDF/PNG/SVG。
Toby Segaran 编写的集体智能编程指南
Geoff Hulten 编写的机器学习工程指南
由 Adam Gibson 和 Josh Patterson 编写的深度学习实践指南
Anirudh Koul、Siddha Ganju 和 Meher Kasam 著的实用深度学习书籍，涵盖云计算、移动和边缘计算
Charles Severance 编著的 Python 数据探索书籍，针对 Python 3 版本
由 John Zelle 编写的 Python 编程入门书籍，适合计算机科学初学者
David Beazley 和 Brian K. Jones 编写的 Python 编程实践指南，包含大量实用技巧。
Brett Slatkin 编写的 Python 高级编程技巧书籍，提供 90 个具体方法来提高 Python 编程能力。
Winston Chang 编写的 R 语言图形编程食谱书籍，提供 R 语言图形绘制的实用技巧
由 Max Kuhn 和 Kjell Johnson 编写的应用预测建模书籍，深入讲解数据建模方法
Python 中的探索性数据分析书籍，由艾伦·B·唐尼编写
由 Foster Provost 和 Tom Fawcett 编写的商业数据科学书籍，深入探讨数据科学在商业中的应用
Andrew Ng 编写的机器学习入门书籍，提供机器学习领域的实用指导
Alice Zheng 和 Amanda Casari 编写的机器学习特征工程书籍，专注于提高机器学习模型的性能
Robert Miles AI 安全性 YouTube 频道，提供关于 AI 安全性的学习资源。
由 Isa Fulford 和 Andrew Ng 提供的 ChatGPT 提示工程短期课程，面向开发者。
Ng斯坦福大学机器学习课程，适合想要了解机器学习基础概念的工程师。
Sebastian Thrun的机器学习入门课程，为数据分析师“纳米学位”认证的基础。
为初学者提供理解和培养 AI 技能的逐步指南，涵盖编程（Python）、数学和机器学习等基础知识，以及深度学习和神经网络等高级概念。
由 Geoffrey Hinton 撰写的神经网络机器学习教程，虽然已从 cousera 移除，但仍有相关资料可供参考。
Jeremy Howard的Fast.ai和数据学院证书课程，提供在线MOOCs，部分课程需付费
deeplearning.ai在Coursera上提供的深度学习专业课程笔记、编程作业和测验
由 Ian Goodfellow, Yoshua Bengio 和 Aaron Courville 编写的深度学习书籍。
Christopher M. Bishop 编写的模式识别与机器学习书籍。
由 Stuart Russell 和 Peter Norvig 编写的现代人工智能经典教材
Kevin P. Murphy 编写的概率视角下的机器学习著作
Richard S. Sutton 和 Andrew G. Barto 编写的强化学习入门经典
由 Rajalingappaa Shanmugamani 编写的计算机视觉深度学习书籍
Python 中的自然语言处理书籍，作者 Steven Bird, Ewan Klein 和 Edward Loper
Emmanuel Ameisen 编写的构建机器学习应用程序书籍
Peter Bruce 和 Andrew Bruce 著，针对数据科学家的实用统计学书籍。
François Chollet 著，Python 深度学习书籍。
由 Andriy Burkov 编写的机器学习入门书籍，提供全面的学习指南。
《动手学机器学习》由Aurélien Géron编写，涵盖Scikit-Learn、Keras和TensorFlow等工具
《统计学习元素》由Trevor Hastie、Robert Tibshirani和Jerome Friedman合著，是统计学习领域的经典教材
《Python机器学习》由Sebastian Raschka和Vahid Mirjalili编写，专注于Python在机器学习领域的应用
Alice Zheng的《评估机器学习模型》是一本关于机器学习模型评估的书籍。
John D. Kelleher、Brian Mac Namee和Aoife D'Arcy合著的《预测数据分析的机器学习基础》是一本关于机器学习基础的书籍。
Wes McKinney的《Python数据分析》是一本关于Python数据分析的书籍。
Python 中的贝叶斯统计书籍，由艾伦·B·唐尼编写
Shai Shalev-Shwartz 和 Shai Ben-David 著，从理论到算法的机器学习理解书籍。
David Barber 编著的贝叶斯推理与机器学习书籍，深入探讨相关学术领域
Michael Nielsen 编著的神经网络与深度学习书籍，介绍深度学习领域的知识
Sandy Ryza 等人合著的 Spark 高级分析书籍，专注于大数据分析技术
Jake VanderPlas 编写的 Python 数据科学手册，提供实用技巧和案例
Daphne Koller 和 Nir Friedman 著的《概率图模型：原理与技术》，是一本关于概率图模型的学术著作。
Jose Portilla 著的《学习 Python 进行数据分析与可视化》，是一本关于 Python 数据分析的教育书籍。
Andreas C. Müller 和 Sarah Guido 著的《Python 机器学习入门》，是一本介绍 Python 机器学习基础的书籍。