刚刚，又一个机器学习人气课程冲上 GitHub 热榜，一天之内新增了近 700 star，一下子登上热榜第四。

这套课程名为A Machine Learning Course with Python（Python 机器学习课程），其介绍中只有一句话：

这是一套容易理解并且简单的 Python 机器学习课。

入门级资源、门槛降到最低，这在不少网友心里种了草，推特网友纷纷转推，表示期待着有空好好学习一下。

里面都有啥？

“容易理解”的 flag 绝对不是白立的，从课程设置上就能看出，里面的内容绝对友好了。

这套资源主要在解决四个问题：

1. 机器学习的定义是什么？

2. 什么时候开始流行，发展趋势是什么？

3. 机器学习的类别都有哪些？

4. 最常见的机器学习算法以及如何实现它们？

针对这些问题，这套课程的设置了如下目录，共分为三章：

前言

• 机器学习概览

第一章：核心概念

• 交叉验证

• 线性回归

• 过拟合和低度拟合

• 正则化

第二章：监督学习

• 逻辑回归

• 朴素贝叶斯分类

• 决策树

• K- 近邻

• 线性支持向量机

第三章：监督学习

• 聚类

• 主成分分析

• 第四章：深度学习

• 多层感知机

• 卷积神经网络

• 自编码器

不要看到这些专业词汇就被绕晕了，别忘了这可是套小白可食用的入门课。在每一个小节之后，都又细分出了更多小单元。比如在逻辑回归这一节：

包含了逻辑回归的简略介绍：

使用方法：

然后才是需要一些门槛的数学原理：

最后，还附上了相关案例及其代码，绝知此事要躬行：

虽然这套课程中没有视频，但里面用到了大量的动图元素方便理解，选择省流量课程的好去处。

关键是，它还完全免费呢。

机不可失，失不再来↓↓

课程直通车：

Github 地址：