哈伯，你好。 我向您介绍了
处理数据的主要
帮助链接 。 Google Dock中的资料既适合专业人士，也适合那些刚刚学会使用数据的人。 自己使用和提升技能，并与同事分享。
该帖子的进一步说明是帮助链接的内容。 因此，您可以立即熟悉该文档。 或从其内容开始，我将其附在下面。
当然，文件中书籍/服务/视频和讲座的完整列表是不完整的。 因此，我建议使这篇文章有价值-将您的有用链接添加到评论中，我将添加到我的文件中最酷的链接。
有关ML和DS的书籍
在本部分中，我收集了有助于精通数学，统计，数据分析，某些编程语言和机器学习的书籍。
- 用Python进行深度学习 。 这本书是关于Francois Scholl的深度学习的，他创建了功能最强大的神经网络库Keras。
- 机器学习和TensorFlow。 机器学习初学者将欣赏本书的应用方向，因为它的目的是介绍基础知识，然后迅速着手解决实际问题。
- 创建一个神经网络。 这本书是对创建神经网络的理论和实践的介绍。 本手册适用于那些想知道什么是神经网络，在哪里使用神经网络以及如何在没有该领域经验的情况下自己创建这样的网络的人。
完整的书籍清单在
这里。DS和ML行业应用
本节无需介绍。 它具有用于各个行业的
笔记本以及ML和数据科学库的列表。 所有代码均使用Python，并托管在GitHub上。 它们对于拓宽视野和启动有趣的创业公司都是有用的。
这里是按行业列出的笔记本的完整列表
。有用的课程
本节包含有关数据分析，数学，数据科学和机器学习的课程和讲座。
- 深度学习学校。 深度学习学校-FPMI MIPT的一个圈子，专门为对编程和数学感兴趣的高中生以及想开始深度学习的学生而设计。 课程由物理数学学院应用数学和信息学MIPT的学生授课。
- 数据科学和机器学习简介。 分析中心概念和主题。 熟悉诸如决策树和神经网络之类的机器学习方法，以及该课程的实践部分，专门了解最流行的数据分析库-Pandas和Scikit-learn。
- 神经网络理论和深度学习简介。 本课程给出了神经网络理论中的当前事务状态的概念。 使用分类和搜索图像中对象的示例来考虑全连接和卷积神经网络。
这里有课程和讲座的完整列表
。数据集详细信息
数据集的完整列表在
这里。有用的笔记本电脑
有用的笔记本电脑的完整列表在
这里。ML和DS新闻摘要
在过滤掉大量来源和订阅后，我为您收集了来自机器学习和人工智能领域的所有最重要的新闻。 您可以在
此处阅读6月的摘要，
在此处阅读7月的摘要
。 这里是新闻摘要的完整更新列表
。通过在
Habré和Telegram频道
Neuron上订阅我的帐户，您将学到更多有关机器学习和数据科学的信息。 不要跳过以后的文章。 此外，我提醒您-将最有用的链接添加到注释，这些最酷的链接将添加到文件中。 分享您的学习故事，生活技巧和知识。
所有的成功和知识！