11 我以前参加过ML课程，但是现在我正在从事与ML相关的项目工作，因此我在实际应用中费了不少力气。我敢肯定，我正在做的事情已经过研究/处理，但是我找不到特定的主题。 我在网上找到的所有机器学习示例都很简单（例如，如何在Python中使用KMeans模型并查看预测）。我正在寻找有关如何实际应用这些资源的良好资源，也许是大规模机器学习实现和模型培训的代码示例。我想学习如何有效地处理和创建新数据，从而使ML算法更加有效。 machine-learning references train application — Stoneman source
10 我不了解ML。经过一番网上搜索之后，我发现了一个reddit线程，其中列出了以下书籍-所有这些书籍均可从法律上免费下载。您可以研究自己感兴趣的标题以获取详细信息。如果您发现其中的任何书籍（以及原因），也请发表评论。 机器学习 统计学习的要素 Hastie，Tibshirani，Friedman 机器学习和贝叶斯推理 David Barber 机器学习的高斯过程 Rasmussen和Williams 信息论，推理和学习算法 David MacKay 机器学习 Smola和Vishwanathan简介 模式识别的概率理论 Devroye，Gyorfi，Lugosi 信息检索简介 Manning，Rhagavan，Shutze 预测：原理和实践 Hyndman，Athanasopoulos（在线图书） 概率/统计 简介统计思想拉文 基本概率论 Robert Ash 格林斯特德和斯内尔概率概论 不确定性原则 全部统计拉里·瓦瑟曼 线性代数/优化 线性代数，理论和应用 Kuttler 线性代数做错了 Treil 应用数值计算 Vandenberghe 应用数值线性代数 James Demmel 凸优化 Boyd和Vandenberghe 遗传算法 基因编程的现场指南 Poli，Langdon，McPhee 进化以赢得吸管 超启发式的要点卢克 — Moazzem Hossen source 1 谢谢你的链接。我正在检查其中的一些，但是我更感兴趣的是提供了使用算法和训练模型的实际示例。我已经为它们在数学上的工作方式奠定了良好的基础，因此，我不再需要对此有所了解。鉴于我有每种算法的功能模型（广泛使用），我想学习如何使用这些功能有效地开发模型。 — 斯通曼
2 在此处查看资源列表：http : //mlwhiz.com/blog/2017/03/26/top_data_science_resources_on_the_internet_right_now/ — 拉胡尔·阿加瓦尔 source