# MachineLearning-1

**Repository Path**: jam_liang/MachineLearning-1

## Basic Information

- **Project Name**: MachineLearning-1
- **Description**: 《机器学习实战》一书源码下载
- **Primary Language**: Python
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-12-28
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MachineLearning

> **欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远**

* **ApacheCN - 学习机器学习群【629470233】<a target="_blank" href="//shang.qq.com/wpa/qunwpa?idkey=30e5f1123a79867570f665aa3a483ca404b1c3f77737bc01ec520ed5f078ddef"><img border="0" src="/images/MainPage/ApacheCN-group.png" alt="ApacheCN - 学习机器学习群[629470233]" title="ApacheCN - 学习机器学习群[629470233]"></a>**
* **Machine Learning in Action (机器学习实战) | [ApacheCN(apache中文网)](http://cwiki.apachecn.org/)**
* 电子版书籍：[【机器学习实战-中文版-带目录版.pdf】](https://github.com/apachecn/MachineLearning/tree/master/books)  
* -- 感谢 [群小哥哥：Wizard Zhang](https://github.com/wizardforcel) 生成的电子书[《机器学习实战-ApacheCN.pdf》](https://github.com/apachecn/MachineLearning/blob/master/books/机器学习实战-ApacheCN.pdf)
* **视频已更新完成，如果你觉得有价值，请帮忙点 Star【后续组织学习活动：sklearn、kaggle、 Pytorch 和 tensorflow】**
* -- 视频网站：优酷 ／bilibili / Acfun / 网易云课堂，可直接在线播放。（最下方有相应链接）
* -- [群小哥哥：红色石头的机器学习之路](https://github.com/RedstoneWill): [台湾大学林轩田机器学习基石课程 - **系列学习笔记**](https://mp.weixin.qq.com/s/xb0i55zIQVzCiSZALbvncg)

**<font color=red>ApacheCN 网友捐赠页面</font>：http://www.apachecn.org/organization/664.html**

## 机器学习

<table>
  <tr>
    <th>模块</th>
    <th>章节</th>
    <th>类型</th>
    <th>负责人(GitHub)</th>
    <th>QQ</th>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/1.机器学习基础.md"> 第 1 章: 机器学习基础</a></td>
    <td>介绍</td>
    <td><a href="https://github.com/ElmaDavies">@毛红动</a></td>
    <td>1306014226</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/2.k-近邻算法.md">第 2 章: KNN 近邻算法</a></td>
    <td>分类</td>
    <td><a href="https://github.com/youyj521">@尤永江</a></td>
    <td>279393323</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/3.决策树.md">第 3 章: 决策树</a></td>
    <td>分类</td>
    <td><a href="https://github.com/jingwangfei">@景涛</a></td>
    <td>844300439</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/4.朴素贝叶斯.md">第 4 章: 朴素贝叶斯</a></td>
    <td>分类</td>
    <td><a href="https://github.com/wnma3mz">@wnma3mz</a><br/><a href="https://github.com/kailian">@分析</a></td>
    <td>1003324213<br/>244970749</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/5.Logistic回归.md">第 5 章: Logistic回归</a></td>
    <td>分类</td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/6.支持向量机.md">第 6 章: SVM 支持向量机</a></td>
    <td>分类</td>
    <td><a href="https://github.com/VPrincekin">@王德红</a></td>
    <td>934969547</td>
  </tr>
  <tr>
    <td>网上组合内容</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/7.集成方法-随机森林和AdaBoost.md">第 7 章: 集成方法（随机森林和 AdaBoost）</a></td>
    <td>分类</td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/8.回归.md">第 8 章: 回归</a></td>
    <td>回归</td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/9.树回归.md">第 9 章: 树回归</a></td>
    <td>回归</td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/10.k-means聚类.md">第 10 章: K-Means 聚类</a></td>
    <td>聚类</td>
    <td><a href="https://github.com/xuzhaoqing">@徐昭清</a></td>
    <td>827106588</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/11.使用Apriori算法进行关联分析.md">第 11 章: 利用 Apriori 算法进行关联分析</a></td>
    <td>频繁项集</td>
    <td><a href="https://github.com/WindZQ">@刘海飞</a></td>
    <td>1049498972</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/12.使用FP-growth算法来高效发现频繁项集.md">第 12 章: FP-growth 高效发现频繁项集</a></td>
    <td>频繁项集</td>
    <td><a href="https://github.com/mikechengwei">@程威</a></td>
    <td>842725815</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/13.利用PCA来简化数据.md">第 13 章: 利用 PCA 来简化数据</a></td>
    <td>工具</td>
    <td><a href="https://github.com/lljuan330">@廖立娟</a></td>
    <td>835670618</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/14.利用SVD简化数据.md">第 14 章: 利用 SVD 来简化数据</a></td>
    <td>工具</td>
    <td><a href="https://github.com/marsjhao">@张俊皓</a></td>
    <td>714974242</td>
  </tr>
  <tr>
    <td>机器学习实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/15.大数据与MapReduce.md">第 15 章: 大数据与 MapReduce</a></td>
    <td>工具</td>
    <td>空缺 - 有兴趣私聊片刻</td>
    <td>842376188</td>
  </tr>
  <tr>
    <td>Ml项目实战</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/16.推荐系统.md">第 16 章: 推荐系统</a></td>
    <td>项目</td>
    <td>空缺 - 有兴趣私聊片刻</td>
    <td>842376188</td>
  </tr>
</table>

## 深度学习(DeepLearning) —— 正在更新迭代

* 1.) [入门介绍](./docs/DeepLearning/1.入门介绍.md)
* 2.） 代码位置：src/py2.x or py3.x/DL

## 自然语言处理(NLP)

### 第一部分 入门介绍

* 1.) [自然语言处理入门介绍](./docs/NLP/1.自然语言处理入门介绍.md)

### 第二部分 机器翻译

* 2.) [机器翻译](./docs/NLP/2.机器翻译.md)

### 第三部分 篇章分析

* 3.1.) [篇章分析-内容概述](./docs/NLP/3.1.篇章分析-内容概述.md)
* 3.2.) [篇章分析-内容标签](./docs/NLP/3.2.篇章分析-内容标签.md)
* 3.3.) [篇章分析-情感分析](./docs/NLP/3.3.篇章分析-情感分析.md)
* 3.4.) [篇章分析-自动摘要](./docs/NLP/3.4.篇章分析-自动摘要.md)

### 第四部分 UNIT-语言理解与交互技术

* 4.) [UNIT-语言理解与交互技术](./docs/NLP/4.UNIT-语言理解与交互技术.md)

## 未来规划样子

<table>
  <tr align="center">
    <th>类目</th>
    <th>类型</th>
    <th>模块</th>
    <th>章节</th>
    <th>负责人</th>
    <th>QQ</th>
  </tr> 
  <tr align="center">
    <td rowspan="21">机器学习</td>
    <td colspan="2">基本介绍</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/1.机器学习基础.md">机器学习基础</a></td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td rowspan="11">监督学习</td>
    <td rowspan="8">分类</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/2.k-近邻算法.md">KNN 近邻算法</a></td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/3.决策树.md">决策树</a></td>
    <td><a href="https://github.com/jingwangfei">@景涛</a></td>
    <td>844300439</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/4.朴素贝叶斯.md">朴素贝叶斯</a></td>
    <td><a href="https://github.com/wnma3mz">@wnma3mz</a><br/><a href="https://github.com/friedhelm739
">@平淡的天</a></td>
    <td>1003324213<br/>554650680</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/5.Logistic回归.md">Logistic回归</a></td>
    <td><a href="https://github.com/jingwangfei">@景涛</a></td>
    <td>844300439</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/6.支持向量机.md">SVM 支持向量机</a></td>
    <td><a href="https://github.com/VPrincekin">@小王子</a><br/><a href="https://github.com/jingwangfei">@景涛</a></td>
    <td>934969547<br/>844300439</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/7.集成方法-随机森林和AdaBoost.md">集成方法</a></td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/7.集成方法-随机森林和AdaBoost.md">随机森林</a></td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/7.集成方法-随机森林和AdaBoost.md">AdaBoost</a></td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td rowspan="2">回归</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/8.回归.md">回归</a></td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/9.树回归.md">树回归</a></td>
    <td><a href="https://github.com/DataMonk2017">@微光同尘</a></td>
    <td>529925688</td>
  </tr>
  <tr align="center">
    <td rowspan="1">综合</td>
    <td>xgboost</td>
    <td><a href="https://github.com/VPrincekin">@小王子</a></td>
    <td>934969547</td>
  </tr>
  <tr align="center">
    <td rowspan="3">非监督学习</td>
    <td rowspan="1">聚类</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/10.k-means聚类.md">K-Means 聚类</a></td>
    <td><a href="https://github.com/xuzhaoqing">@徐昭清</a></td>
    <td>827106588</td>
  </tr>
  <tr align="center">
    <td rowspan="1">关联规则</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/11.使用Apriori算法进行关联分析.md">利用 Apriori 算法进行关联分析</a></td>
    <td><a href="https://github.com/WindZQ">@刘海飞</a></td>
    <td>1049498972</td>
  </tr>
  <tr align="center">
    <td rowspan="1">频繁项集</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/12.使用FP-growth算法来高效发现频繁项集.md">FP-growth 高效发现频繁项集</a></td>
    <td><a href="https://github.com/mikechengwei">@程威</a></td>
    <td>842725815</td>
  </tr>
  <tr align="center">
    <td rowspan="3" colspan="2">降维</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/13.利用PCA来简化数据.md">利用 PCA 来简化数据</a></td>
    <td><a href="https://github.com/lljuan330">@廖立娟</a></td>
    <td>835670618</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/14.利用SVD简化数据.md">利用 SVD 来简化数据</a></td>
    <td>空缺</td>
    <td></td>
  </tr>
  <tr align="center">
    <td>T-SNE</td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a><br/><a href="https://github.com/Lisanaaa">@Lisanaaa</a></td>
    <td>529815144<br/>1369342903</td>
  </tr>
  <tr align="center">
    <td rowspan="1" colspan="2">模型选择</td>
    <td></td>
    <td>空缺</td>
    <td></td>
  </tr>
  <tr align="center">
    <td rowspan="1" colspan="2">预处理</td>
    <td></td>
    <td><a href="https://github.com/Watermelon233">@咸鱼</a></td>
    <td>1034616238</td>
  </tr>
  <tr align="center">
    <td rowspan="1" colspan="2">模型融合</td>
    <td></td>
    <td><a href="https://github.com/Watermelon233">@咸鱼</a></td>
    <td>1034616238</td>
  </tr>


  <tr align="center">
    <td rowspan="10">深度学习</td>
    <td rowspan="2" colspan="2">神经网络</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/DeepLearning/1.入门介绍.md">NN</a></td>
    <td><a href="https://github.com/RedstoneWill">@红色石头</a></td>
    <td>1024323838</td>
  </tr>
  <tr align="center">
    <td>DNN</td>
    <td><a href="https://github.com/RedstoneWill">@红色石头</a></td>
    <td>1024323838</td>
  </tr>
  <tr align="center">
    <td rowspan="1" colspan="2">图像识别</td>
    <td>CNN</td>
    <td><a href="https://github.com/chenyyx">@瑶妹</a><br/><a href="https://github.com/Watermelon233">@咸鱼</a></td>
    <td>190442212<br/>1034616238</td>
  </tr>
  <tr align="center">
    <td rowspan="6" colspan="2">NLP</td>
    <td>SOW</td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td>BOW</td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td>TF-IDF</td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/NLP/Word2Vec.md">Word2Vec 原理介绍</a></td>
    <td><a href="https://github.com/jiangzhonglian">@片刻</a></td>
    <td>529815144</td>
  </tr>
  <tr align="center">
    <td>RNN</td>
    <td>空缺</td>
    <td></td>
  </tr>
  <tr align="center">
    <td>LSTM</td>
    <td>空缺</td>
    <td></td>
  </tr>
  <tr align="center">
    <td rowspan="1" colspan="2">语音识别</td>
    <td></td>
    <td>空缺</td>
    <td></td>
  </tr>

  <tr align="center">
    <td colspan="3">大数据与MapReduce</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/15.大数据与MapReduce.md">大数据与MapReduce</a></td>
    <td>空缺</td>
    <td></td>
  </tr>
  <tr align="center">
    <td colspan="3">推荐系统</td>
    <td><a href="https://github.com/apachecn/MachineLearning/blob/master/docs/16.推荐系统.md">推荐系统</a></td>
    <td>空缺</td>
    <td></td>
  </tr>
</table>


## 项目负责人

> Ml 第一期 (2017-02-27)

* [@片刻](https://github.com/jiangzhonglian)
* [@那伊抹微笑](https://github.com/wangyangting)
* [@瑶妹](https://github.com/chenyyx)
* [2017-04-08_第一期的总结](/report/2017-04-08_第一期的总结.md)

> Ml 第二期 (2017-08-14)

* [@片刻](https://github.com/jiangzhonglian)
* [@那伊抹微笑](https://github.com/wangyangting)
* [@瑶妹](https://github.com/chenyyx)
* [@Mike](https://github.com/mikechengwei)

> Ml 第三期 (2018-04-16)


## 项目贡献者

> Ml 第一期 (2017-02-27)

* [@侯法超](https://github.com/geekidentity)
* [@hello19883](https://github.com/hello19883)
* [@徐鑫](https://github.com/sheepmen)
* [@ibe](https://github.com/highfei2011)

> Ml 第二期 (2017-08-14)

* [@Arithmetic](https://github.com/LeeMoonCh)
* [@Veyron C](https://github.com/caopeirui)
* [@Cugtyt](https://github.com/Cugtyt)
* [@BBruceyuan](https://github.com/hey-bruce)

> Ml 第三期 (2018-04-16)

## ApacheCN社区-ML群换届

* [@瑶妹](https://github.com/chenyyx)
* [@飞龙](https://github.com/wizardforcel)
* [@片刻](https://github.com/jiangzhonglian)
* [@伪文艺.](https://github.com/Watermelon233)
* [@那伊抹微笑](https://github.com/wangyangting)
* [@LAMDA-健忘症]()  永久留任-非常感谢对群的贡献

> Ml 第一届 (2017-07-04 结束)

* [@易漠]()
* [@Mike](https://github.com/mikechengwei)
* [@Books]()
* [@李孟禹]()
* [@张假飞]()
* [@Glassy]()
* [@红色石头]()
* [@微光同尘]()

> Ml 第二届 (刚开始)

* [@张假飞]()
* [@李孟禹]()
* [@小明教主]()
* [@平淡的天]()
* [@凌少skierゞ]()
* [@じ☆νЁ坐看云起]()

**欢迎贡献者不断的追加**

> 加入方式

* 企鹅: 529815144(片刻) 1042658081(那伊抹微笑) 190442212(瑶妹)

* [ApacheCN(apache中文网) 维护更新](http://www.apachecn.org)
    * [关于我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887240)
    * [加入我们](http://cwiki.apachecn.org/pages/viewpage.action?pageId=2887239)

## 网站视频

> [知乎问答-爆炸啦-机器学习该怎么入门？](https://www.zhihu.com/question/20691338/answer/248678328)

当然我知道，第一句就会被吐槽，因为科班出身的人，不屑的吐了一口唾沫，说傻X，还评论 Andrew Ng 的视频。。

我还知道还有一部分人，看 Andrew Ng 的视频就是看不懂，那神秘的数学推导，那迷之微笑的英文版的教学，我何尝又不是这样走过来的？？ 我的心可能比你们都痛，因为我在网上收藏过上10部《机器学习》相关视频，外加国内本土风格的教程：7月+小象 等等，我都很难去听懂，直到有一天，被一个百度的高级算法分析师推荐说：《机器学习实战》还不错，通俗易懂，你去试试？？

我试了试，还好我的Python基础和调试能力还不错，基本上代码都调试过一遍，很多高大上的 "理论+推导"，在我眼中变成了几个 "加减乘除+循环"，我想这不就是像我这样的程序员想要的入门教程么？

很多程序员说机器学习 TM 太难学了，是的，真 TM 难学，我想最难的是：没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解！！

最近几天，GitHub 涨了 300颗 star，加群的200人， 现在还在不断的增加++，我想大家可能都是感同身受吧！

很多想入门新手就是被忽悠着收藏收藏再收藏，但是最后还是什么都没有学到，也就是"资源收藏家"，也许新手要的就是 [MachineLearning(机器学习) 学习路线图](http://www.apachecn.org/map/145.html)。没错，我可以给你们的一份，因为我们还通过视频记录下来我们的学习过程。水平当然也有限，不过对于新手入门，绝对没问题，如果你还不会，那算我输！！

> 视频怎么看？

![](images/MainPage/ApacheCN-ML-bilibili-compare.jpg)

1. 理论科班出身-建议去学习 Andrew Ng 的视频（Ng 的视频绝对是权威，这个毋庸置疑）
2. 编码能力强 - 建议看我们的[《机器学习实战-教学版》](https://space.bilibili.com/97678687/#!/channel/detail?cid=22486)
3. 编码能力弱 - 建议看我们的[《机器学习实战-讨论版》](https://space.bilibili.com/97678687/#!/channel/detail?cid=13045)，不过在看理论的时候，看 教学版-理论部分；讨论版的废话太多，不过在讲解代码的时候是一行一行讲解的；所以，根据自己的需求，自由的组合。

循序渐进大体介绍：[机器学习初学者建议 | ApacheCN](http://www.apachecn.org/map/179.html)

干货内容实际操作：[MachineLearning(机器学习) 学习路线图](http://www.apachecn.org/map/145.html)

> 机器学习视频-教学版

|||
| - | - |
| AcFun | B站 |
| <a title="AcFun（机器学习视频）" href="http://www.acfun.cn/u/12540256.aspx#page=1" target="_blank"><img width="290" src="images/MainPage/ApacheCN-ML-AcFun.jpg"></a> | <a title="bilibili（机器学习视频）" href="https://space.bilibili.com/97678687/#!/channel/index" target="_blank"><img width="290" src="images/MainPage/ApacheCN-ML-bilibili.jpg"></a> |
| 优酷 | 网易云课堂 |
| <a title="YouKu（机器学习视频）" href="http://i.youku.com/apachecn" target="_blank"><img width="290" src="images/MainPage/ApacheCM-ML-youku.jpg"></a> | <a title="WangYiYunKeTang（机器学习视频）" href="http://study.163.com/course/courseMain.htm?courseId=1004582003" target="_blank"><img width="290" src="images/MainPage/ApacheCM-ML-WangYiYunKeTang.png"></a> |

## 免责声明

ApacheCN 纯粹出于学习目的与个人兴趣翻译本书。

本译文只供学习研究参考之用。ApacheCN 保留对此版本译文的署名权及其它相关权利。

## [ApacheCN 组织资源](http://www.apachecn.org/)

> [kaggle: 机器学习竞赛](https://github.com/apachecn/kaggle)

| 深度学习 | 机器学习  | 大数据 | 运维工具 |
| --- | --- | --- | --- |
| [TensorFlow R1.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030122) | [机器学习实战-教学](https://github.com/apachecn/MachineLearning) | [Spark 2.2.0和2.0.2 中文文档](http://spark.apachecn.org/) | [Zeppelin 0.7.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030467) |
| [Pytorch 0.3 中文文档 ](http://pytorch.apachecn.org/cn/0.3.0/) | [Sklearn 0.19 中文文档](http://sklearn.apachecn.org/) | [Storm 1.1.0和1.0.1 中文文档](http://storm.apachecn.org/) | [Kibana 5.2 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=8159377) |
|  | [LightGBM 中文文档](http://lightgbm.apachecn.org/cn/latest) | [Kudu 1.4.0 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10813594) |  |
|  | [XGBoost 中文文档](http://xgboost.apachecn.org/cn/latest)  | [Elasticsearch 5.4 中文文档](http://cwiki.apachecn.org/pages/viewpage.action?pageId=4260364) |
|  |  | [Beam 中文文档](http://beam.apachecn.org/) |