作者：Richard Gall 翻译：车前子 校对：丁楠雅；

今天，机器学习已成为软件工程所有领域中最重要的发展趋势之一。这门技术不再局限于研究者和数据分析者，从网络安全到网络开发机，器学习都至关重要。 

为了帮助你入门机器学习，我们列出了Packt上5本免费的机器学习电子书。你可以全部下载下来，但是在下载前需要先注册一下。

1. Python学习

首先要声明一点——《Python学习》并不是一本机器学习的专著。但是把它列在免费电子书单的第一位是有一个重要的理由的：如果你想搭建机器学习模型，Python是关键语言。

如果你没有接触过Python，这本书将帮助你入门并运行这门语言。你将发现Python确实是一种直观的惊人的编程语言，并可以灵活运用于解决各种问题。

这本书涵盖了Python的基础知识，在引领你进入Python应用语言的核心领域前，这本书将会为你打下坚实的基础。书中内容包括了数据科学和机器学习，但同时还将指导你如何在网络和应用程序开发项目中使用Python。

《Python学习》

https://www.packtpub.com/packt/free-ebook/learning-python?utm_source=dzone&utm_medium=referral&utm_campaign=outreach

2. Python机器学习

《Python机器学习》是过去十年最畅销的机器学习书籍之一。这本书如此受欢迎是有很多原因的：众所周知Python快速成为了机器学习的专用语言，这本书的作者Sebastian Raschka一直进行着机器学习和AI的前沿研究，能够将Python以更实用和易于接受的形式介绍给读者。

这本书将一步步带你建立数据管道，并示范如何使用目前最先进的机器学习和深度学习包，如scikit-learn和TensorFlow。对于每个学习机器学习和AI的人，《Python机器学习》都是学习计划的重要补充。

《Python机器学习》

https://www.packtpub.com/free-ebook/python-machine-learning?utm_source=dzone&utm_medium=referral&utm_campaign=outreach

3. Python深度学习

深度学习是机器学习的前言领域。简单来说，深度学习就是增加了复杂性和精密性的机器学习，可以用于实现不同形式的人工智能。

《Python深度学习》在现有Python和机器学习知识的基础上增加了更细致的深度学习相关内容，并可以应用于图像识别、游戏开发等不同领域。

《Python深度学习》

https://www.packtpub.com/free-ebook/python-deep-learning?utm_source=dzone&utm_medium=referral&utm_campaign=outreach

4. 人工智能和Python

围绕人工智能的炒作已达到狂热的程度，并且进入了公众领域，影响到了包括政治在内的各行各业。

任何一本我们在这里推荐的免费电子书都能帮助你识破这些炒作，真正开始探索如何应用深度学习和人工智能，《人工智能和Python》无疑是其中最合适的一本。书中介绍了更多高级的概念，这些概念将会测试你现有的知识和技能。这本书的目的就是告诉你如何最大程度的应用人工智能系统。

这意味着你学到的不仅是实现人工智能的编程概念和技巧，还有应用实践来帮助你建立你自己的演讲、文字识别系统等。

《人工智能和Python》

https://www.packtpub.com/packt/free-ebook/python-ai?utm_source=dzone&utm_medium=referral&utm_campaign=outreach

5. 高级Python机器学习

如果你还在寻找一本能够挑战自我、督促自己进步的教程，《高级Python机器学习》将带领你学习到这个领域最前沿的技术。这本书不仅将帮助你开发更好的Python机器学习解决方案，还将帮助你理解这门语言的更多细节。作为回报，你将更好的掌握这个世界上最快发展的语言。

《高级Python机器学习》

https://www.packtpub.com/packt/free-ebook/advanced-python-machine-learning?utm_source=dzone&utm_medium=referral&utm_campaign=outreach

原文链接：

https://dzone.com/articles/5-free-ebooks-to-help-you-start-learning-machine-l

译者简介：车前子，北大医学部，流行病与卫生统计专业博二在读。从临床医学半路出家到数据挖掘，感到了数据分析的艰深和魅力。即使不做医生，也希望用数据为医疗健康做一点点贡献。

「完」

本次转自：THU数据派 微信公众号；

版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。